|
0引言 隨著居民汽車擁有量的逐年增加以及人們生活節(jié)奏的加快，因疲勞駕駛導致的交通事故數(shù)也逐年增加。全世界每年因交通事故而導致的死亡人數(shù)達60萬，直接經(jīng)濟損失約125億美元，這些事故中57%的災(zāi)難性事故與駕駛員疲勞駕駛有關(guān)。因此，研究和開發(fā)一套非接觸式疲勞駕駛監(jiān)測系統(tǒng)有著非常大的社會現(xiàn)實意義。 1系統(tǒng)硬件設(shè)計 本預(yù)警系統(tǒng)主要由微控制器、圖像數(shù)據(jù)采集模塊、LED預(yù)警模塊、通信接口以及電源模塊五大部分組成，如圖1所示。根據(jù)處理速度和精度的要求，采用32位ARM處理器。為了減小對駕駛員的影響，更好地實現(xiàn)非接觸式，本文選用了300萬像素的CMOS攝像頭OV3640模塊，與CCD相比，CMOS具有靈敏度高、分辨率高、低功耗以及成本低廉等優(yōu)勢。 圖1 系統(tǒng)硬件組成 圖2 LED原理圖 圖3 蜂蜜器原理圖 由于Rea16410開發(fā)板上沒有蜂鳴器等發(fā)聲的裝置，并且蜂鳴器發(fā)聲和LED發(fā)光的原理類似，所以本文使用LED發(fā)光報警。圖2是開發(fā)板內(nèi)LED的原理圖。只要給后面的引腳一個低電平就能使LED發(fā)出耀眼的紅光，從而報警。在這里再簡單介紹下蜂鳴器發(fā)聲的原理，原理圖如圖3所示給P1引腳低電平就能使蜂鳴器發(fā)聲。 2系統(tǒng)軟件設(shè)計 2.1開發(fā)環(huán)境的搭建 如果說系統(tǒng)硬件是骨架和軀體，那么軟件算法就是思想。編寫程序之前需要先建立好軟件開發(fā)環(huán)境。軟件開發(fā)環(huán)境的搭建流程圖如圖4所示。 圖4 開發(fā)環(huán)境搭建流程圖 圖5 人臉示范圖 2.2 Adaboost算法 Adaboost算法的基本思想就是利用大量的分類能力一般的弱分類器(weak classifier)通過一定的方法疊加起來構(gòu)成一個具有很強分類能力的強分類器(strong classifier)。 Adaboost算法的實現(xiàn)，采用的是輸入圖像的矩形特征，也叫Haar特征。臉部的一些特征可以由矩形特征簡單地描繪。用圖5示范。 上圖中兩個矩形特征，表示出人臉的某些特征。比如中間一幅表示眼睛區(qū)域的顏色比臉頰區(qū)域的顏色深，右邊一幅表示鼻梁兩側(cè)比鼻梁的顏色要深。同樣，其他目標，如眼睛等，為了得到眼睛圖像的信息，必須進行眼睛定位。現(xiàn)有的眼睛定位方法很多，基于膚色模型的方法、灰度投影法、基于模板的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于特征提取等。本系統(tǒng)利用Adaboost算法構(gòu)造一個基于類Haar特征的層疊式分類器來進行人眼定位。類Haar特征通常由2～4個矩形組成，如圖6所示。 圖6 類Haar特征圖 2.3使用Haar識別人眼 人臉的Haar特征分類器是一個XML文件，該文件中會描述人臉的Haar特征值。Haar特征還可以描述眼睛嘴唇或其他物體。 OpenCV已經(jīng)自帶了人臉的Haar特征分類器。在/usr/locaI/Opencv-2.4.3/data/haarcascades下。haarcascade_frontalface_al t.xml與haarcascade frontalface alt2.xml都是用來檢測人臉的Haar分類器，haarcascade_eve.xm l與haarcascade eye tree eyegla sses.xml都是用來檢測人眼的Haar分類器，這個haarcascades目錄下還有人的全身，嘴唇的Haar分類器。圖7是檢測到的人臉。 圖7 人臉識別圖 圖8 人眼閾值檢測圖 2.4用閾值法判斷疲勞狀態(tài) 由上述算法定位眼睛并截取下來，使用sobel實現(xiàn)邊緣檢測再進行二值化處理，將二值化的圖像暫存在臨時文件夾中，調(diào)用臨時文件夾中的圖片，for循環(huán)遍歷圖片像素點，比較黑色像素點坐標并得到上下最大落差值，據(jù)此給定相應(yīng)的高度閾值。當檢測到的眼睛高度值等于或小于設(shè)定的眼睛高度閾值就記錄下來，若連續(xù)五幀眼睛的高度值等于或小于閾值，則系統(tǒng)判定駕駛員處于疲勞狀態(tài)。整個系統(tǒng)流程如圖9所示。 圖9 眼睛處理流程圖 3系統(tǒng)整體設(shè)計方案 3.1系統(tǒng)設(shè)計流程 整個系統(tǒng)設(shè)計流程：1)檢測攝像頭和開發(fā)板;2)獲取圖像。通過攝像頭實時地獲取駕駛員的頭像;3)搭建軟件開發(fā)環(huán)境。移植QpenCV到ARM下，在Linux下安裝QT;4)人眼方面的處理。首先使用OpenCV里自帶的Haar分類器進行眼睛識別定位，然后將提取出來的眼睛區(qū)域圖像進行二值化處理，最后通過掃描二值化圖像的黑像素點，得到眼睛最高點和最低點兩個點的坐標，通過坐標差值計算出眼睛的高度值;5)判斷疲勞。當檢測到眼睛的高度值小于或等于設(shè)定的眼睛高度閾值，則記錄下來，若連續(xù)五幀眼睛的高度值都小于或等于閾值，則判定駕駛員處于疲勞狀態(tài);6)報警。LED發(fā)光報警;7)編寫疲勞駕駛的GUI.流程圖如圖10所示。 圖10 系統(tǒng)流程圖 3.2系統(tǒng)GUI的設(shè)計 在人和計算機的互動過程中，有一層面，即我們所說的界面(interface)。GUI(Graphical User Interface)即圖形用戶界面，作為一種可視化的用戶界面，使用圖形界面代替正文界面。它的作用是實現(xiàn)用戶和計算機之間的良好的交互。 應(yīng)用程序的編譯環(huán)境是Qt Creator，使用疲勞預(yù)警系統(tǒng)時，剛打開會出現(xiàn)以下顯示begin的一個button，觸摸開始按鈕系統(tǒng)就會進入疲勞監(jiān)測程序，監(jiān)測結(jié)束判斷疲勞時開發(fā)板給led燈以示預(yù)警。結(jié)束預(yù)警系統(tǒng)時，只需輕觸界面的“close”鍵即可返回一開始的begin界面。如圖11所示。 圖11 GUI界面 輕觸eye系統(tǒng)進入主界面后，可以通過界面最下端的顯示區(qū)域觀察。當駕駛員閉眼時，系統(tǒng)最下端則會獲取到閉眼狀態(tài)的圖像，當連續(xù)五幀圖像都是閉眼時，系統(tǒng)就會報警。圖12系統(tǒng)界面。 圖12 系統(tǒng)界面 4結(jié)束語 本文是基于ARM處理器設(shè)計的駕駛員疲勞預(yù)警系統(tǒng)，在搭建好的ARM平臺開發(fā)環(huán)境的基礎(chǔ)上，利用QT技術(shù)設(shè)計系統(tǒng)界面，最后基于OpenCV移植駕駛員疲勞預(yù)警算法。本文設(shè)計的預(yù)警系統(tǒng)具有以下優(yōu)點或特色：1)采用性能強勁的ARM系列處理平臺作為系統(tǒng)的硬件環(huán)境，與其他如DSP+ARM的架構(gòu)相比，在處理性能相差不大的情況下，系統(tǒng)的硬件成本大大降低，更符合經(jīng)濟的要求;2)相比腦電圖、眼電圖、心電圖等需要接觸駕駛員身體的裝置，本設(shè)計采用攝像頭實現(xiàn)非接觸式，更方便使用;3)依據(jù)系統(tǒng)各個處理模塊的特點，采用多種算法相結(jié)合的辦法實現(xiàn)系統(tǒng)，更加體現(xiàn)實時性、高效性。 |
