多參數(shù)的駕駛員疲勞檢測范文
本站小編為你精心準(zhǔn)備了多參數(shù)的駕駛員疲勞檢測參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
《無線通信技術(shù)雜志》2014年第二期
1系統(tǒng)的實現(xiàn)
本系統(tǒng)共分為兩個部分:人眼狀態(tài)檢測系統(tǒng)和心跳速率檢測系統(tǒng)，圖1為系統(tǒng)流程圖。實時的心跳數(shù)據(jù)和面部圖像同時輸入計算機，通過不同的處理方法，將演講狀態(tài)和心跳速率生成向量，然后利用已訓(xùn)練好的分類器進行疲勞檢測，如果疲勞則發(fā)出警報。
1．1單一心跳檢測子系統(tǒng)的實現(xiàn)在心跳檢測子系統(tǒng)中，首先采用由Zephyr公司開發(fā)的心跳檢測設(shè)備獲取實時心跳數(shù)據(jù)［6］。該設(shè)備佩戴于胸口，可通過藍(lán)牙與智能手機或計算機通信。該設(shè)備每秒發(fā)送60個字節(jié)的十六進制數(shù)據(jù)，其中包括心跳速率(第13個字節(jié))，海拔，速度，距離等實時數(shù)據(jù)信息［6］。通過不同實驗者佩戴該設(shè)備，分別記錄其清醒和疲勞時的心跳數(shù)據(jù)。通過計算清醒時心跳速率的均值μ和標(biāo)準(zhǔn)差σ，得出心跳速率大致服從高斯分布，且多分布在(μ－3σ，μ+3σ)區(qū)間，如圖2所示。因此在判斷駕駛員是否疲勞時，可先計算前30秒清醒狀態(tài)下心跳速率的均值和標(biāo)準(zhǔn)差。參考"3σ"原則［7］，當(dāng)平均值與當(dāng)前心跳速率的差值大于標(biāo)準(zhǔn)差的三倍時，則認(rèn)為該駕駛員處于疲勞狀態(tài)，系統(tǒng)發(fā)出警報。
1．2單一眼睛狀態(tài)檢測子系統(tǒng)的實現(xiàn)在眼睛狀態(tài)檢測子系統(tǒng)中，主要分為三部分:人臉檢測，人眼檢測和疲勞檢測算法。本系統(tǒng)采用OpenCV中已訓(xùn)練好的級聯(lián)分類器檢測正面人臉區(qū)域，然后基于人眼在臉部的分布特征進行人眼區(qū)域的粗提取，最后改進了現(xiàn)有的PER-CLOS(PercentageofEyelidClosureoverthePupiloverTime)疲勞檢測算法，大大提高了系統(tǒng)的實時性。
1．2．1人臉檢測OpenCV是指開源的計算機視覺庫，可以運行在Linux，Windows和MacOS操作系統(tǒng)上。它輕量級且高效，由一系列C函數(shù)和少量C++類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法［8］。本系統(tǒng)使用OpenCV中已訓(xùn)練好的正面人臉檢測分類器［9］，大致分為3步:載入分類器，函數(shù)cv-LoadHaarClassifierCascade是用于從OpenCV的文件或分類數(shù)據(jù)庫載入級聯(lián)分類器;使用分類器，函數(shù)cvHaarDetectObjects用于在圖像中檢測出目標(biāo);釋放分類器，函數(shù)cvReleaseHaarClassifierCascade用于釋放分類器的動態(tài)內(nèi)存。圖3所示為實驗結(jié)果，紅色方框內(nèi)即為選定的人臉區(qū)域，當(dāng)人臉發(fā)生輕微旋轉(zhuǎn)時，亦可準(zhǔn)確檢測出人臉區(qū)域。
1．2．2人眼區(qū)域的粗提取上一節(jié)中已實現(xiàn)了人臉區(qū)域的精確提取，因此可采用算法簡單的人眼區(qū)域粗提取即可滿足需求。分析現(xiàn)有的人眼檢測算法，發(fā)現(xiàn)這些算法已能達(dá)到很高的精確度，但由于算法的復(fù)雜程度較高，實時性方面有時無法滿足要求。在美術(shù)界，畫人臉時最基本的原則是"三庭五眼"，如圖4所示［10］。根據(jù)這一原則，在已確定的人圖4"三庭五眼"結(jié)構(gòu)臉矩形框內(nèi)，可畫出眼睛區(qū)域的矩形框。在縱向方向，設(shè)長度為l，則選取1/4l到2/4l的區(qū)域。在橫向方向，設(shè)寬度為d，則選取1/6d到5/6d的區(qū)域。實驗結(jié)果如圖5所示。圖5眼睛區(qū)域的提取
1．2．3疲勞檢測算法PERCLOS(PercentageofEyelidClosureoverthePupiloverTime)是指眼睛閉合時間所占的百分比。美國聯(lián)邦公路管理局于1999年4月召集多所大學(xué)的專家學(xué)者，討論PERCLOS的有效性，認(rèn)為PER-CLOS是目前最有效的車載、實時、非接觸的疲勞評估方法。PERCLOS通常有P70，P80，EM三種測量方式:P70:指眼瞼遮住瞳孔的面積超過70%就認(rèn)為眼睛閉合，統(tǒng)計在一定時間內(nèi)眼睛閉合時所占的時間比例。P80:指眼瞼遮住瞳孔的面積超過80%就認(rèn)為眼睛閉合，統(tǒng)計在一定時間內(nèi)眼睛閉合時所占的時間比例。EM:指眼瞼遮住瞳孔的面積超過50%就認(rèn)為眼睛閉合，統(tǒng)計在一定時間內(nèi)眼睛閉合時所占的時間比例。通常計算30秒或60秒內(nèi)眼睛閉合時所占的時間比例，由此可見，系統(tǒng)的延遲較大。然而交通事故發(fā)生在瞬間，疲勞檢測系統(tǒng)的實時性直接關(guān)系到駕駛員的生命安全。為了提高系統(tǒng)的實時性，改進了已有的PER-CLOS算法。首先需要定義眼睛閉合狀態(tài)。由于受到光線等外界條件的影響，很難獲得眼睛的精確輪廓。所以將得到的眼睛部分的圖像二值化，計算前100幀中黑色像素點的平均值。如果當(dāng)前幀中黑色像素的數(shù)目小于平均值的Z倍，則認(rèn)為眼睛處于閉合狀態(tài)。分別模擬了沒有佩戴眼鏡和配戴眼鏡兩種情況各50次，實驗結(jié)果表明Z=0．7時，系統(tǒng)性能最優(yōu)，ROC曲線如圖6所示。圖6不同Z值下的ROC曲線然后定義疲勞狀態(tài)，需要考慮兩種情況，即閉眼時間過長和眨眼頻率過低。按照上述定義的眼睛閉合規(guī)則，如式(1)所示。計算機每秒能采集30幀圖像，且正常眨眼時間大約為0．2s，所以當(dāng)30幀內(nèi)眼睛閉合的幀數(shù)大于6幀(30幀/秒*0．2秒=6幀)，即p＞0．2時，駕駛員處于疲勞狀態(tài)駕駛員疲勞時，會出現(xiàn)目光呆滯，眨眼頻率過低的現(xiàn)象。清醒時大約每5秒眨眼一次，當(dāng)眼睛睜開的幀數(shù)大于1500幀時，認(rèn)為同樣處于疲勞狀態(tài)。
1．3融合系統(tǒng)的實現(xiàn)由于兩種檢測方法均存在一定缺點，本文結(jié)合兩種方法進行疲勞檢測。首先，獲取大量眼睛狀態(tài)數(shù)據(jù)和心跳速率數(shù)據(jù)，即每一秒內(nèi)眼睛閉合的幀數(shù)和同一秒時的心跳速率，生成三維向量V=(眼睛閉合的幀數(shù)，心跳速率，疲勞狀態(tài))。采用十折交叉檢驗的方法，將獲得的訓(xùn)練數(shù)據(jù)隨機等分為10份，其中9份為訓(xùn)練集，另外一份為驗證集。十折交叉檢驗的過程實際上是把實驗重復(fù)做10次，每次實驗都從10個部分中選擇一個不同的部分作為測試數(shù)據(jù)(保證10個部分的數(shù)據(jù)都分別做過測試數(shù)據(jù))，剩下的9個當(dāng)作訓(xùn)練數(shù)據(jù)進行實驗。采用其中9份畫出不同K值下的K近鄰分類器的分類邊界，利用第10份數(shù)據(jù)進行分類器的驗證與檢測，找到使錯誤率最低的K值。然后當(dāng)輸入新的實時的數(shù)據(jù)時，利用K近鄰法進行疲勞判別。
2實驗結(jié)果
在實驗階段，分別模擬了兩個單一子系統(tǒng)的準(zhǔn)確率，然后驗證了融合系統(tǒng)的優(yōu)越性。
2．1無眼鏡的實驗結(jié)果當(dāng)測試者沒有佩戴眼鏡時，模擬結(jié)果如圖7所示。左側(cè)圖像為眼部區(qū)域，右側(cè)圖像為二值化后的眼睛區(qū)域。分別模擬清醒狀態(tài)和疲勞狀態(tài)(包括長時間閉眼和長時間不眨眼)各25次，實驗結(jié)果如表1所示。
2．2佩戴眼鏡的實驗結(jié)果由于存在駕駛員佩戴眼鏡的情況，需要驗證戴眼鏡時系統(tǒng)的可行性。模擬結(jié)果如圖8所示，左側(cè)圖像為眼部區(qū)域，右側(cè)圖像為二值化后的眼部區(qū)域。同樣模擬了清醒狀態(tài)和疲勞狀態(tài)(包括長時間閉眼和長時間不眨眼)各25次，實驗結(jié)果如表2所示。由于佩戴眼鏡的影響，準(zhǔn)確率略低于無眼鏡的情況。
2．3心跳檢測子系統(tǒng)的實驗結(jié)果由于模擬心跳具有一定的難度，所以記錄了測試者清醒和疲勞狀態(tài)各10次實驗結(jié)果，如表3所示。此次準(zhǔn)確率為100。由此可見，心跳檢測系統(tǒng)的準(zhǔn)確率雖為100%，但是延遲較大。
2．4融合系統(tǒng)的實驗結(jié)果由上述實驗結(jié)果可見，單一基于眼睛狀態(tài)的疲勞檢測錯誤率較高，單一心跳檢測系統(tǒng)的延遲較大。從實驗結(jié)果，得出當(dāng)K=23，25，27時，準(zhǔn)確率最高，如圖9所示。由此可見，融合兩個參數(shù)的檢測系統(tǒng)準(zhǔn)確率大大提高，且具有較好的實時性。
3結(jié)語
本文研究了一種融合了眼睛狀態(tài)和心跳速率檢測的駕駛員疲勞檢測系統(tǒng)，具有良好的準(zhǔn)確性:(1)在人臉檢測之前，采用了直方圖均衡化，高斯濾波器濾波和光照補償?shù)念A(yù)處理手段，降低了噪聲和光照對系統(tǒng)的影響;(2)在系統(tǒng)設(shè)計的過程中，采用MATLAB驗證不同算法的優(yōu)劣，最終選擇了適合的人臉檢測方法和人眼定位算法，為準(zhǔn)確的疲勞檢測打下了基礎(chǔ);(3)采用了已訓(xùn)練好的OpenCV的檢測正面人臉的級聯(lián)分類器，快速又準(zhǔn)確地找到人臉區(qū)域;(4)結(jié)合眼睛狀態(tài)和心跳速率檢測兩種不同原理的檢測方法，克服了準(zhǔn)確率低和實時性差的缺點。該系統(tǒng)只在實驗環(huán)境下模擬了駕駛員的疲勞狀態(tài)，將來要應(yīng)用于實際駕駛，還需要設(shè)計硬件電路并在道路上測試。
作者：劉金金林慶單位：江蘇大學(xué)計算機科學(xué)與通信工程學(xué)院