司機(jī)疲勞駕駛檢測(cè)系統(tǒng)設(shè)計(jì)資料

司機(jī)疲勞駕駛檢測(cè)系統(tǒng)設(shè)計(jì)摘要：隨著社會(huì)經(jīng)濟(jì)的發(fā)展，商用長(zhǎng)途運(yùn)輸車(chē)越來(lái)越多，司機(jī)為了追求經(jīng)濟(jì)效益，經(jīng)常罔顧交通法的規(guī)定疲勞駕駛，而一些私家車(chē)也因?yàn)楦鞣N各樣的原因經(jīng)常鋌而走險(xiǎn)疲勞駕駛，釀成很多人間慘劇。為了減少減輕司機(jī)的精神壓力并對(duì)疲勞及時(shí)提示預(yù)警，本論文以計(jì)算機(jī)視覺(jué)技術(shù)為主體，設(shè)計(jì)實(shí)用操作簡(jiǎn)單的疲勞駕駛檢測(cè)系統(tǒng)，輔助駕駛員安全駕駛。司機(jī)疲勞駕駛實(shí)時(shí)檢測(cè)系統(tǒng)在實(shí)際應(yīng)用中有很重要的意義。設(shè)計(jì)了一個(gè)利用圖像分析的方法，通過(guò)測(cè)量PERCLOS指標(biāo)值來(lái)進(jìn)行疲勞判斷的該類系統(tǒng)。系統(tǒng)首先對(duì)圖像進(jìn)行預(yù)處理，然后采用基于YCbCr顏色空間膚色模型進(jìn)行人臉粗定位，根據(jù)人臉特征，逐次進(jìn)行人眼區(qū)域縮??；最后通過(guò)對(duì)邊緣信息進(jìn)行先驗(yàn)知識(shí)結(jié)合積分投影的方法進(jìn)行人眼定位和閉合度測(cè)量?？紤]到視頻圖像序列幀與幀之間的相關(guān)性，采用線性運(yùn)動(dòng)預(yù)測(cè)的方法對(duì)人眼進(jìn)行跟蹤，減少了系統(tǒng)的運(yùn)算量。實(shí)驗(yàn)結(jié)果表明系統(tǒng)能實(shí)時(shí)、準(zhǔn)確地反映司機(jī)的疲勞狀態(tài)。關(guān)鍵詞：疲勞駕駛?cè)四槞z測(cè)

膚色檢測(cè)交通安全

疲勞判斷 目錄摘要Abstract1.疲勞駕駛檢測(cè)系統(tǒng)研究背景與意義 2.疲勞駕駛檢測(cè)系統(tǒng)研究與實(shí)現(xiàn) 2.1國(guó)內(nèi)外疲勞駕駛檢測(cè)系統(tǒng)研究現(xiàn)狀2.1.1國(guó)外疲勞駕駛檢測(cè)系統(tǒng)的研究成果 2.1.2國(guó)內(nèi)疲勞駕駛檢測(cè)系統(tǒng)的研究現(xiàn)狀 2.2疲勞駕駛檢測(cè)系統(tǒng)淺析 2.3駕駛員疲勞檢測(cè)系統(tǒng)的研究 2.3.1人臉檢測(cè) 2.3.2人眼定位 2.3.3疲勞程度的綜合判定 3.基于人臉特征的列車(chē)司機(jī)疲勞駕駛檢測(cè)與識(shí)別系統(tǒng)研究 3.1研究?jī)?nèi)容及目標(biāo) 3.1.1基于人臉特征的疲勞駕駛檢測(cè)與識(shí)別算法開(kāi)發(fā) 3.1.2疲勞駕駛檢測(cè)與識(shí)別算法OSP移植3.2基于Adaboost算法的人臉檢測(cè)3.2.1人臉檢測(cè)技術(shù)概述3.2.2Adaboost人臉檢測(cè)算法3.3基于Adaboost算法的人臉檢測(cè)軟件實(shí)現(xiàn)3.3.1.樣本訓(xùn)練過(guò)程3.3.2人臉檢測(cè)程序3.4人眼檢測(cè)與人眼狀態(tài)分析算法3.4.1基于Adaboost的人眼檢測(cè)算法3.4.2人眼級(jí)聯(lián)分類器效果分析3.4.3人眼狀態(tài)分析算法4.基于貝葉斯網(wǎng)絡(luò)的駕駛疲勞程度識(shí)別模型4.1基于貝葉斯網(wǎng)絡(luò)模型的駕駛疲勞程度識(shí)別4.2駕駛疲勞程度識(shí)別模型4.2.1駕駛疲勞貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)4.2.2貝葉斯網(wǎng)絡(luò)條件概率表的確定4.2.3駕駛疲勞程度貝葉斯網(wǎng)絡(luò)識(shí)別模型4.3模型有效性驗(yàn)證5.基于FPGA的疲勞駕駛檢測(cè)系統(tǒng)設(shè)計(jì)5.1疲勞駕駛檢測(cè)系統(tǒng)總體設(shè)計(jì)方案5.1.1系統(tǒng)紅外光源原理5.1.2系統(tǒng)總體設(shè)計(jì)5.2系統(tǒng)硬件設(shè)計(jì)與實(shí)現(xiàn)5.2.1系統(tǒng)硬件總體架構(gòu)5.2.2圖像采集電路設(shè)計(jì)5.2.3主控板設(shè)計(jì)5.2.4輔助電路設(shè)計(jì)5.2.5系統(tǒng)硬件電路的物理測(cè)試6.基于NiosII多核駕駛疲勞檢測(cè)系統(tǒng)設(shè)計(jì)6.1系統(tǒng)介紹6.2系統(tǒng)關(guān)鍵模塊設(shè)計(jì)6.2.1圖像采集模塊設(shè)計(jì)6.2.2圖像處理算法6.2.3圖像處理算法硬件加速的實(shí)現(xiàn) 6.2.4數(shù)據(jù)存儲(chǔ)模塊設(shè)計(jì)7.疲勞駕駛預(yù)警系統(tǒng)的研究進(jìn)展 7.1預(yù)警系統(tǒng)的組成及工作原理7.2典型的疲勞駕駛預(yù)警系統(tǒng)7.3疲勞駕駛預(yù)警系統(tǒng)比較7.4發(fā)展趨勢(shì)8.新型多功能駕駛員狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)8.1無(wú)線腦電信號(hào)采集和分析8.1.1情緒預(yù)警8.1.2疲勞監(jiān)測(cè)8.1.3突發(fā)疾病監(jiān)測(cè)8.2酒精監(jiān)測(cè)9.多源信息融合在駕駛疲勞檢測(cè)中的應(yīng)用9.1駕駛疲勞特征9.1.1PERCLOS值的計(jì)算9.1.2行駛方向改變與駕駛員反應(yīng)不一致情況9.1.3方向盤(pán)動(dòng)作狀態(tài)9.1.4連續(xù)駕駛時(shí)間9.1.5實(shí)際時(shí)間參數(shù)9.2模糊神經(jīng)網(wǎng)絡(luò)疲勞識(shí)別9.2.1疲勞度量化9.3智能控制技術(shù)在汽車(chē)疲勞駕駛監(jiān)控中的應(yīng)用研究9.3.1硬件描述結(jié)束語(yǔ) 參考文獻(xiàn) 1.研究背景與意義駕駛疲勞川是指駕駛員由于睡眠不足或長(zhǎng)時(shí)間持續(xù)駕駛造成的反應(yīng)能力下降，這種下降表現(xiàn)在駕駛員困倦、打磕睡、駕駛操作失誤或完全喪失駕駛能力。美國(guó)印第安那大學(xué)對(duì)交通事故原因的調(diào)查研究發(fā)現(xiàn)85%的事故與駕駛員有關(guān)，車(chē)輛和環(huán)境因素只占15%。駕駛員在事故發(fā)生前一瞬間的行為和故障直接導(dǎo)致了事故的發(fā)生，這些行為包括知覺(jué)的延遲、對(duì)環(huán)境的決策錯(cuò)誤、對(duì)危險(xiǎn)情況的處理不當(dāng)?shù)?。在所有的駕駛員錯(cuò)誤中，最常見(jiàn)的是知覺(jué)延遲和決策錯(cuò)誤，這些錯(cuò)誤會(huì)產(chǎn)生注意力不集中、反映遲鈍、操作不當(dāng)?shù)?，產(chǎn)生這些錯(cuò)誤的根本原因就是駕駛疲勞。隨著我國(guó)生活水平的提高，人們的衣食住行等方面有了很大的改善，在交通方面更是有了質(zhì)的飛躍。四通八達(dá)的道路、便捷的交通工具大大地縮短了人與人的距離，其中汽車(chē)保有量更是與日俱增，一個(gè)家庭擁有兩輛以上的小車(chē)已經(jīng)不是什么新鮮的事情。但是，汽車(chē)在帶給人們方便的同時(shí)，隨之而來(lái)的交通事故也源源不斷。據(jù)統(tǒng)計(jì)，我國(guó)交通事故死亡人數(shù)己連續(xù)10多年居世界第一。我國(guó)在滾滾車(chē)輪下喪生的人數(shù)，短短十幾年間己從每年5萬(wàn)多人增長(zhǎng)到10多萬(wàn)人，是交通事故死亡人數(shù)居世界第二位國(guó)家的兩倍。其中，駕駛員疲勞造成交通事故的占總數(shù)的20%左右，占特大交通事故的40%以上。同樣，在國(guó)外情況也不容樂(lè)觀。據(jù)美國(guó)國(guó)家公路交通安全委員會(huì)的估計(jì)，在美國(guó)大約發(fā)生56000次與睡眠有關(guān)的交通事故，其中約40000人次受傷和1550人死亡。1965年美國(guó)俄克拉荷馬州收費(fèi)公路局發(fā)表了1953年至1964年2128名機(jī)動(dòng)車(chē)駕駛員發(fā)生車(chē)輛碰撞事故的調(diào)查結(jié)果:22%的駕駛員打噸駕駛，48%的交通事故歸結(jié)于疲勞駕駛疲勞。由此可以知道，疲勞駕駛正逐漸成為交通事故的主要原因之一，成為馬路上的“第一殺手”，如果我們能積極開(kāi)展疲勞檢測(cè)的工作，提醒駕駛者，很大程度上就能預(yù)防和減少交通事故的發(fā)生，使得公民的出行更加安全。因此，研究出一套疲勞檢測(cè)的系統(tǒng)對(duì)社會(huì)和民眾都有不可估量的社會(huì)意義和經(jīng)濟(jì)價(jià)值。一套好的檢測(cè)系統(tǒng)必須要有成熟而完善的算法。本文對(duì)疲勞檢測(cè)系統(tǒng)的實(shí)現(xiàn)方法進(jìn)行研究，以期提高疲勞檢測(cè)的速度和準(zhǔn)確度。如果能將好的算法應(yīng)用于疲勞檢測(cè)系統(tǒng)之中，無(wú)疑能更有效的預(yù)防駕駛員疲勞駕駛而引起不必要的人員傷亡和經(jīng)濟(jì)損失。2.疲勞駕駛檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)2.1國(guó)內(nèi)外疲勞駕駛檢測(cè)系統(tǒng)研究現(xiàn)狀對(duì)疲勞駕駛的研究在國(guó)外最早可以追溯到20世紀(jì)30年代，但實(shí)際上，投入真正研究的卻還是從上世紀(jì)RO年代美國(guó)國(guó)會(huì)通過(guò)的汽車(chē)駕駛狀態(tài)與交通安全之間的關(guān)系研究開(kāi)始的。進(jìn)入上世紀(jì)90年代，疲勞駕駛的科研工作得到了人們更大的重視，取得了一系列卓有成效的成果。2.1.1國(guó)外疲勞駕駛檢測(cè)系統(tǒng)的研究成果早期的疲勞駕駛測(cè)評(píng)主要是從醫(yī)用角度出發(fā)，借助醫(yī)療器件進(jìn)行生理特征測(cè)量的。疲勞駕駛的實(shí)質(zhì)性的研究工作是從20世紀(jì)80年代由美國(guó)國(guó)會(huì)批準(zhǔn)交通部研究交通安全和機(jī)動(dòng)車(chē)駕駛的關(guān)系，并健全汽車(chē)安全管理?xiàng)l例開(kāi)始的。由此把疲勞駕駛的研究提高到了立法高度，保證了開(kāi)展疲勞駕駛研究的有效性、合法性和持續(xù)性。其研究工作大概可以分為兩大類:一是研究疲勞磕睡產(chǎn)生的原因和其他誘發(fā)因素，尋找能夠降低這種危險(xiǎn)的方法:二是研制智能報(bào)警系統(tǒng)，防止駕駛員磕睡狀態(tài)下駕駛。20世紀(jì)90年代，美國(guó)對(duì)疲勞駕駛電子裝置的研發(fā)工作發(fā)展的較快。在各國(guó)研制的裝置中具有代表性的成果有:(1)美國(guó)研制的打磕睡駕駛員偵探系統(tǒng)DDDS(TheDrowsyDriverDetectionSystem)。采用多普勒雷達(dá)和信號(hào)處理方法，可獲取駕駛員煩躁不安的情緒活動(dòng)、眨眼頻率和持續(xù)時(shí)間等疲勞數(shù)據(jù)，用以判斷駕駛員是否打磕睡或睡著。該系統(tǒng)可制成體積較小的儀器，安裝在駕駛室內(nèi)駕駛員頭頂上方，完全不影響正常的駕駛活動(dòng)。(2)美國(guó)華盛頓大學(xué)通過(guò)自行開(kāi)發(fā)的專用照相機(jī)、腦電圖儀和其他儀器來(lái)精確測(cè)量頭部運(yùn)動(dòng)瞳孔直徑變化和眨眼頻率，用以研究駕駛行為問(wèn)題。一般情況下入們眼睛閉合的時(shí)間在0.2-0.3s之間，駕駛時(shí)若眼睛閉合時(shí)間達(dá)到0.5秒就很容易發(fā)生交通事故。(3)卡內(nèi)基梅隆研究所的Copilot裝置。研究所的Grace等人采用特制的紅外LED裝置，根據(jù)人的視網(wǎng)膜對(duì)不同波長(zhǎng)紅外光的反射量不同所表現(xiàn)出生理特征，使用850nm和950nm波長(zhǎng)的紅外光源，在同一時(shí)間內(nèi)得到兩幅眼部具有微小差別的圖像，然后將這兩幅圖像進(jìn)行差分相減，就可以提取出眼部瞳孔的位置和大小。再用PERCLOS法則計(jì)算眼睛的閉合程度來(lái)判斷疲勞的程度。使用此裝置能比較準(zhǔn)確地定位出人眼然后進(jìn)行疲勞判斷。(4)2000年1月明尼蘇達(dá)大學(xué)計(jì)算機(jī)科學(xué)與工程系的NikolaosP.Papanikolopoulos教授成功開(kāi)發(fā)了一套駕駛員眼睛的追蹤和定位系統(tǒng)，通過(guò)安置在車(chē)內(nèi)的一個(gè)CCD攝像頭監(jiān)視駕駛員的臉部，用快速簡(jiǎn)單的算法確定駕駛員眼睛在臉部圖像中的確切位置，追蹤多幅圖像來(lái)監(jiān)控駕駛員是否駕駛疲勞。同年3月，他對(duì)上述系統(tǒng)進(jìn)行了改進(jìn)，改用紅外線彩色攝像頭并加濾波器濾除圖像的噪聲和非臉部的圖像，使搜索臉部圖像的次數(shù)減少，加快了處理圖像的速度。(5)日本成功研制了電子“清醒帶”，固定在駕駛員頭部，將其一端的插頭插入車(chē)內(nèi)點(diǎn)煙器的插座，裝在帶子里的半導(dǎo)體溫差電偶使平展在前額部位的鋁片變涼，使駕駛員睡意消除，精神振作。(6)日本先鋒公司最近開(kāi)發(fā)出防止駕駛員開(kāi)車(chē)打磕睡的系統(tǒng)。它可通過(guò)心跳感應(yīng)器每隔巧秒檢測(cè)司機(jī)的心跳速度，監(jiān)測(cè)司機(jī)駕駛員是否打磕睡，在睡意來(lái)臨巧分鐘前提醒司機(jī)注意，防止發(fā)生事故。先鋒公司還研究了通過(guò)測(cè)量眨眼頻率和車(chē)體搖晃頻率監(jiān)測(cè)司機(jī)是否磕睡的系統(tǒng)。(7)西班牙的防磕睡系統(tǒng)(Anti-DrowsinessSystem)，測(cè)量駕駛時(shí)手對(duì)方向盤(pán)的握力，一旦檢測(cè)到疲勞發(fā)生，利用汽車(chē)的燈不停的閃爍，提醒周?chē)慕煌ㄜ?chē)輛。(8)澳大利亞的頭部位置測(cè)量跟蹤系統(tǒng)與沃爾沃合作，通過(guò)測(cè)量頭部位置、閉眼和眨眼評(píng)估疲勞駕駛，但是它要求在司機(jī)的臉上作一些標(biāo)記，給司機(jī)帶來(lái)極大的不便。(9)2005年，澳大利亞的研究人員們推出了一款眼鏡，它可以檢測(cè)出司機(jī)是否已經(jīng)處于疲勞狀態(tài)，并及時(shí)提出警告。原理是通過(guò)紅外線傳感器監(jiān)測(cè)司機(jī)的眼瞼活動(dòng)和眨眼頻率，據(jù)此判斷司機(jī)是否己經(jīng)處于疲勞狀態(tài)。(10)轉(zhuǎn)向盤(pán)監(jiān)視系統(tǒng)S.A.M(SteeringAttentionMonitor)，一種監(jiān)測(cè)方向盤(pán)非正常運(yùn)動(dòng)的傳感器系統(tǒng)，當(dāng)方向盤(pán)正常運(yùn)動(dòng)時(shí)傳感器系統(tǒng)不報(bào)警，若轉(zhuǎn)向盤(pán)4s不運(yùn)動(dòng)就會(huì)發(fā)出報(bào)警聲直到轉(zhuǎn)向盤(pán)繼續(xù)正常運(yùn)止。該系統(tǒng)固定在車(chē)內(nèi)錄音機(jī)旁，轉(zhuǎn)向盤(pán)下面的桿上裝有一條磁性帶，用以監(jiān)測(cè)轉(zhuǎn)向盤(pán)的運(yùn)動(dòng)。(11)頭部位置測(cè)量?jī)x(ASCIAdvancedSafetyConceptsInc研制)。傳感器設(shè)計(jì)安裝在司機(jī)座位上方，每個(gè)傳感器都能輸出司機(jī)頭部距離傳感器的位置，利用三角代數(shù)算法就可以計(jì)算出頭在X,Y,Z三維空間中的位置，也能夠?qū)崟r(shí)跟蹤頭部的位置，同時(shí)利用各個(gè)時(shí)間段頭部位置的變化特征，可以表現(xiàn)出司機(jī)處于清醒還是磕睡狀態(tài)。該傳感器物理特點(diǎn)基于傳感器電極屏蔽之間的電容，通過(guò)人這個(gè)高導(dǎo)體可以改變電極之間的電容，通過(guò)測(cè)量電壓計(jì)算頭部與傳感器之間的距離。當(dāng)人進(jìn)入電容區(qū)域時(shí)，臨近的電容改變同距離之間的關(guān)系是，利用3個(gè)傳感器，就可利用三角代數(shù)計(jì)算出頭的X,Y,Z的坐標(biāo)。并對(duì)司機(jī)的頭部位置進(jìn)行實(shí)時(shí)跟蹤，并且根據(jù)頭部位置的變化規(guī)律判定司機(jī)是否磕睡，發(fā)現(xiàn)點(diǎn)頭的動(dòng)作和磕睡有非常好的相關(guān)性。(12)法國(guó)圖盧茨西門(mén)子汽車(chē)公司投資1700萬(wàn)法郎研制的一整套疲勞檢測(cè)系統(tǒng)。他們?cè)谄?chē)上裝上5種傳感器:汽車(chē)速度傳感器(監(jiān)測(cè)汽車(chē)是否超速)、腳踏板傳感器(監(jiān)控腳踏板上壓力的情況，是否在預(yù)定時(shí)間內(nèi)沒(méi)有壓力變化)、方向盤(pán)傳感器(監(jiān)測(cè)方向盤(pán)情況)、車(chē)尾CCD傳感器(測(cè)量汽車(chē)和馬路上旁側(cè)或中間的白線距離)、眼睛傳感器(專門(mén)監(jiān)控眼部的疲勞特征)。這套系統(tǒng)主要是從多方面情況來(lái)聯(lián)合監(jiān)控駕駛員的情況，運(yùn)用傳感器融合的原理來(lái)綜合判斷駕駛員的情況，在實(shí)時(shí)性、準(zhǔn)確性上有很大的保障。2.1.2國(guó)內(nèi)疲勞駕駛檢測(cè)系統(tǒng)的研究現(xiàn)狀國(guó)內(nèi)的疲勞駕駛預(yù)警系統(tǒng)的研究還處于起步階段，相對(duì)國(guó)外來(lái)說(shuō)還比較落后。我國(guó)對(duì)疲勞駕駛的研究最早始于20世紀(jì)60年代，其中主要以高校居多。到目前為止，還沒(méi)有很成熟的產(chǎn)品問(wèn)世。目前的檢測(cè)方法主要有:(1)江蘇大學(xué)汽車(chē)與交通工程學(xué)院的葛如海教授等〔5]人設(shè)計(jì)的一套疲勞監(jiān)控系統(tǒng)，運(yùn)用圖像差分、灰度直方圖等一系列圖像處理方法，定位駕駛員眼睛睜開(kāi)閉合狀態(tài)，再用PERCLOS指標(biāo)衡量駕駛員的疲勞狀態(tài)。(2)上海交通大學(xué)石堅(jiān)、吳遠(yuǎn)鵬等人通過(guò)在車(chē)上安裝傳感器來(lái)測(cè)量方向盤(pán)、踏板壓力等情況間接或許駕駛員的疲勞信息，當(dāng)踏板或方向盤(pán)長(zhǎng)時(shí)間不動(dòng)的時(shí)候，駕駛員可能有疲勞的跡象，但是這和駕駛員的駕駛經(jīng)驗(yàn)和習(xí)慣有關(guān)，準(zhǔn)確性不高。(3)中南大學(xué)對(duì)駕駛員駕駛時(shí)的疲勞檢測(cè)方法進(jìn)行了研究，設(shè)計(jì)出了一套眼睛跟蹤系統(tǒng)，可達(dá)到實(shí)時(shí)的跟蹤效果，同時(shí)研究了疲勞時(shí)眼睛的閉眼時(shí)間、快眨眼次數(shù)、慢眨眼時(shí)間和次數(shù)的特征模式。(4)航空醫(yī)學(xué)研究所的俞夢(mèng)孫、周俞斌等司利用人眼在特定波長(zhǎng)的紅外光照射下的不同成像特點(diǎn)，設(shè)計(jì)了適用于全天候的疲勞檢測(cè)系統(tǒng)。(5)西南大學(xué)的姜德美提取駕駛員駕駛時(shí)的反應(yīng)時(shí)間和方向盤(pán)轉(zhuǎn)動(dòng)角度作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，來(lái)進(jìn)行仿真驗(yàn)證。(6)浙江大學(xué)正在研究駕駛防磕睡裝置，該裝置通過(guò)實(shí)時(shí)監(jiān)測(cè)一段時(shí)間內(nèi)駕駛?cè)藛T眼睛的活動(dòng)如眼睛的閉合時(shí)間、閉合頻率等參數(shù)，來(lái)判斷當(dāng)前駕駛?cè)藛T的注意力程度，從而識(shí)別駕駛員是否疲勞。(7)中國(guó)農(nóng)業(yè)大學(xué)車(chē)輛與交通工程學(xué)院正在進(jìn)行機(jī)動(dòng)車(chē)駕駛員疲勞測(cè)評(píng)方法的研究，他們使用CCD攝像頭來(lái)采集圖像數(shù)據(jù)，數(shù)據(jù)采集到計(jì)算機(jī)后，先利用高斯膚色模型進(jìn)行駕駛員人臉定位，然后根據(jù)人臉圖像的灰度分布檢測(cè)出眼睛在圖像中的具體位置，最后利用模板匹配技術(shù)判斷出人眼的開(kāi)閉狀態(tài)，并計(jì)算出眼睛的閉合時(shí)間和PERCLOS，當(dāng)眼睛的持續(xù)閉合時(shí)間大于3秒，PERCLOS大于80%時(shí)，就認(rèn)為駕駛員處于疲勞駕駛狀態(tài)，發(fā)出警告。(8)吉林大學(xué)的王榮本等與中國(guó)業(yè)大學(xué)鄭培等，利用機(jī)器視覺(jué)的方法對(duì)駕駛員的眼睛特征進(jìn)行實(shí)時(shí)跟蹤從而判斷駕駛員的精神狀態(tài)。(9)深圳長(zhǎng)途汽車(chē)公司的周鵬應(yīng)用人體生理學(xué)、現(xiàn)代神經(jīng)學(xué)、電子工程學(xué)分析了駕駛員疲勞事故隱患的起因，提出了消除疲勞事故隱患必須消除司機(jī)開(kāi)車(chē)時(shí)的異常疲勞和大腦麻痹。根據(jù)這一思想他研究了佩戴于司機(jī)小腿部與手腕部的“司機(jī)疲勞事故預(yù)防器”。(10)中國(guó)的金吉公司制造了一種像戒指一樣的測(cè)量裝置，利用人的皮膚阻抗的變化，司機(jī)磕睡時(shí)，通過(guò)聲音提醒司機(jī)當(dāng)前的狀態(tài)，由于特異性和準(zhǔn)確度不高，誤報(bào)率和漏報(bào)率都很高。綜合國(guó)內(nèi)外的現(xiàn)狀來(lái)看，能做到實(shí)時(shí)、有效、簡(jiǎn)單地檢測(cè)駕駛員的疲勞情況是目前研究的重點(diǎn)和熱點(diǎn)，但是目前市場(chǎng)上還沒(méi)有非常成熟的產(chǎn)品投入到市場(chǎng)上進(jìn)行實(shí)際的應(yīng)用，這主要存在著以下的困難:首先產(chǎn)品的投入成本比較高，汽車(chē)廠商研制出了較好的預(yù)警系統(tǒng)但是卻無(wú)法很好地進(jìn)行商業(yè)化的推廣;其次目前疲勞的判斷沒(méi)有確切的定義，因此在進(jìn)行疲勞檢測(cè)的時(shí)候可能會(huì)出現(xiàn)誤判等情況:再者諸如EEG,“清醒帶”、監(jiān)測(cè)眼鏡等方法的有效性良好，但是由于是接觸性的裝置，大大影響了駕駛員了自由活動(dòng);最后還因?yàn)閭€(gè)體和環(huán)境的差異(諸如男女性別、近視眼鏡、光照情況、路況等)受到不同的影響。總體看來(lái)，駕駛員疲勞檢測(cè)是個(gè)復(fù)雜的過(guò)程，我國(guó)的駕駛疲勞檢測(cè)的方法同發(fā)達(dá)國(guó)家相比，還存在較大的差距。研究表明，眼睛狀態(tài)和疲勞有很大的關(guān)聯(lián)性，現(xiàn)階段隨著數(shù)碼相機(jī)和網(wǎng)絡(luò)攝像頭的價(jià)格越來(lái)越便宜，通過(guò)監(jiān)測(cè)駕駛員的眼睛狀態(tài)來(lái)判斷駕駛員是否疲勞的技術(shù)正逐步成為熱點(diǎn)。因此，研究如何利用機(jī)器視覺(jué)技術(shù)、圖像處理技術(shù)、人臉識(shí)別技術(shù)PERCLOS疲勞檢測(cè)方法相結(jié)合，開(kāi)發(fā)出一種車(chē)載的、非接觸式的、實(shí)時(shí)的員疲勞檢測(cè)系統(tǒng)是當(dāng)前的一個(gè)研究熱點(diǎn)，這就是本課題研究的初衷。2.2疲勞駕駛檢測(cè)系統(tǒng)淺析經(jīng)過(guò)幾十年的研究疲勞檢測(cè)技術(shù)仍遠(yuǎn)未達(dá)到成熟、完善的地步國(guó)內(nèi)外主要研究成果如下(1)利用方向盤(pán)內(nèi)置傳感器感應(yīng)駕駛員對(duì)航向糾正的速率若對(duì)方向的掌控遲鈍則判為疲勞駕駛并發(fā)出警報(bào)但這個(gè)系統(tǒng)并未充分考慮長(zhǎng)距直路、路況好的情況。(2)利用內(nèi)置攝像頭偵測(cè)駕駛員眼部狀態(tài)包括:眼瞼、瞳孔變化及眨眼頻率等來(lái)判斷駕駛員是否疲勞。但這個(gè)系統(tǒng)并未充分考慮人眼特征差異，比如:眼眼小的人、睡覺(jué)睜眼的人戴眼鏡的人等。(3)利用連續(xù)駕車(chē)時(shí)間來(lái)判斷駕駛員是否疲勞。這種方法很難扼制短暫停車(chē)?yán)^續(xù)駕駛的人。(4)利用后視鏡傳感器檢測(cè)車(chē)輛是否偏離車(chē)道若車(chē)輛非線性行駛則判為疲勞駕駛并發(fā)出警報(bào)。該系統(tǒng)不適合崎嶇、顛簸的道路。(5)利用駕駛員臉部膚色變化來(lái)判斷是否疲勞駕駛這種方法受光照強(qiáng)度的影響很大。其他如通過(guò)檢測(cè)心跳、血壓、明視持久度、能見(jiàn)度、調(diào)節(jié)時(shí)間變動(dòng)率、閃光融合頻率、腦電圖、心電圖、肌電圖等判定疲勞的方法形式單一多信息融合系統(tǒng)隨之產(chǎn)生擔(dān)其準(zhǔn)確性、可靠性有待完善。2.2.1神經(jīng)傳導(dǎo)速度測(cè)定方法疲勞直接反映了神經(jīng)的傳導(dǎo)時(shí)間人在疲勞時(shí)房使神經(jīng)傳導(dǎo)時(shí)間明顯延時(shí)。所以神經(jīng)傳導(dǎo)速度可作為反應(yīng)駕駛員是否疲勞駕馬史的基本生理參數(shù)。1.感覺(jué)神經(jīng)傳導(dǎo)速度測(cè)定方法疲勞早期駕駛員主要是感覺(jué)障礙基本無(wú)運(yùn)動(dòng)障礙和肌肉萎縮問(wèn)此時(shí)測(cè)定感覺(jué)神經(jīng)傳導(dǎo)速度對(duì)于預(yù)防疲勞駕駛、避免交通事故的發(fā)生具有重要意義。根據(jù)如下公式計(jì)算出感覺(jué)神經(jīng)傳導(dǎo)速度:檢測(cè)方法如下(以撓神經(jīng)為例)使用指環(huán)電極作為刺激電極，使用表面電極作為記錄電極，刺激位置為拇指接近虎口的指關(guān)節(jié)，記錄位置選擇手腕撓測(cè)或前臂下1/3}}a測(cè)出刺激點(diǎn)與記錄點(diǎn)之間的距離S并測(cè)出刺激開(kāi)始至感覺(jué)神經(jīng)收縮產(chǎn)生動(dòng)作電位的潛伏期T。2.運(yùn)動(dòng)神經(jīng)傳導(dǎo)速度測(cè)定方法運(yùn)動(dòng)神經(jīng)傳導(dǎo)速度檢查能直接測(cè)定運(yùn)動(dòng)神經(jīng)的傳導(dǎo)性。根據(jù)刺激點(diǎn)與記錄電極之間的距離差及潛伏期間隔來(lái)推算該段距離內(nèi)的運(yùn)動(dòng)神經(jīng)傳導(dǎo)速度。根據(jù)如下公式計(jì)算出運(yùn)動(dòng)神經(jīng)傳導(dǎo)速度：2.2.2系統(tǒng)設(shè)計(jì)本系統(tǒng)主要靠檢測(cè)、計(jì)算出的神經(jīng)傳導(dǎo)速度與參考值作比較來(lái)判斷駕駛員是否疲勞。通過(guò)內(nèi)嵌在方向盤(pán)內(nèi)的電極及腕、肘部的電極來(lái)測(cè)得神經(jīng)傳導(dǎo)速度的關(guān)鍵參數(shù)并傳入控制系統(tǒng),由控制系統(tǒng)通過(guò)計(jì)算、與參考值進(jìn)行比較最終對(duì)是否疲勞作出裁決廠旦認(rèn)定疲勞駕駛,便啟動(dòng)聲、光報(bào)警系統(tǒng)甚至自動(dòng)剎車(chē)系統(tǒng),以避免交通事故的發(fā)生。2.3駕駛員疲勞檢測(cè)系統(tǒng)的研究為了減少由于駕駛員疲勞駕駛引起的交通事故，提出駕駛員疲勞狀態(tài)檢測(cè)系統(tǒng)的方案。使用3×3中值濾波去除噪聲和光照對(duì)圖像的影響，通過(guò)對(duì)AdaBoost算法的強(qiáng)分類器訓(xùn)練算法改進(jìn)、級(jí)聯(lián)分類器優(yōu)化實(shí)現(xiàn)人臉的快速檢測(cè)，在檢測(cè)到的人臉區(qū)域，通過(guò)積分灰度投影和從粗到細(xì)改進(jìn)的模板匹配方法對(duì)人眼進(jìn)行準(zhǔn)確定位；通過(guò)PERCLOS、眼睛閉合時(shí)間、眼睛眨眼頻率、嘴巴張開(kāi)程度、頭部運(yùn)動(dòng)的計(jì)算，進(jìn)行駕駛員疲勞程度的綜合判定。實(shí)驗(yàn)結(jié)果表明，該方法準(zhǔn)確率高，兼具了良好的實(shí)時(shí)性和魯棒性。2.3.1人臉檢測(cè)1.圖像預(yù)處理由于自然條件下的噪聲和光照影響等一些因素，會(huì)給人臉圖像的處理帶來(lái)一定的干擾，所以需要找到合適的方法濾除噪聲和改善非均勻光照的影響。經(jīng)實(shí)驗(yàn)驗(yàn)證，3×3中值濾波法可達(dá)到很好的預(yù)處理效果。2.改進(jìn)的AdaBoost檢測(cè)方法1995年，F(xiàn)reend和Schapire提出AdaBoost算法，ViolaP和JonesM提出的與基于積分圖的Haar-like特征快速計(jì)算算法相結(jié)合的AdaBoost算法，在歷史上第一次真正實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)檢測(cè)。這個(gè)算法的基本思想就是將大量的分類能力一般的弱分類器通過(guò)一定方法疊加起來(lái)，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器，且算法不需要任何關(guān)于弱分類器性能的先驗(yàn)知識(shí)，很容易應(yīng)用到實(shí)際問(wèn)題中。AdaBoost算法流程如圖2所示。ViolaP和JonesM提出的基于AdaBoost的快速目標(biāo)檢測(cè)方法，雖然得到了廣泛的應(yīng)用，但是該算法還存在很多問(wèn)題。如：雖然AdaBoost系統(tǒng)檢測(cè)速度很高，但是由于AdaBoost算法本身訓(xùn)練比較耗時(shí)，整個(gè)系統(tǒng)的訓(xùn)練時(shí)間非常驚人。根據(jù)文獻(xiàn)[7]，其系統(tǒng)在訓(xùn)練上花費(fèi)了數(shù)周的時(shí)間。在分析這些問(wèn)題的基礎(chǔ)之上，本文提出了改進(jìn)的AdaBoost目標(biāo)檢測(cè)算法，極大降低了檢查的時(shí)間。（1）強(qiáng)分類器訓(xùn)練改進(jìn)算法基于AdaBoost的快速目標(biāo)檢測(cè)算法在計(jì)算Haar-like特征時(shí)使用積分圖的方式進(jìn)行了快速計(jì)算，根據(jù)文獻(xiàn)[8]的統(tǒng)計(jì)，24×24的搜索窗口雖然有18萬(wàn)的特征，但是過(guò)半的矩形特征面積非常?。ㄐ∮?×2），這些特征在實(shí)際目標(biāo)檢測(cè)的性能很差，使訓(xùn)練的特征不具有很好的泛化能力。本文在進(jìn)行特征選取的時(shí)候?qū)⑦@些小面積矩形特征進(jìn)行過(guò)濾，避免了此類特征的計(jì)算，在保證分類器檢測(cè)率的同時(shí)，提高了分類器的訓(xùn)練速度。由AdaBoost訓(xùn)練強(qiáng)分類器的訓(xùn)練算法可以看出，該算法是選擇單個(gè)特征作為弱分類器，且選擇弱分類器的標(biāo)準(zhǔn)是弱分類的檢測(cè)準(zhǔn)確率略大于隨機(jī)猜測(cè)（即略大約0.5），則將該弱分類器保留。但是在訓(xùn)練的過(guò)程中，很可能出現(xiàn)非常相似的特征，這類相似的特征對(duì)分類器的性能沒(méi)有提高的作用，而且不利于分類器的泛化能力。（3）級(jí)聯(lián)檢測(cè)技術(shù)的優(yōu)化AdaBoost算法能夠完成實(shí)時(shí)性檢測(cè)的原因除了通過(guò)積分圖進(jìn)行快速特征計(jì)算之外，另一個(gè)重要原因是該算法在進(jìn)行檢測(cè)目標(biāo)時(shí)采用了級(jí)聯(lián)分類器。級(jí)聯(lián)結(jié)構(gòu)分類器如圖3所示。在將訓(xùn)練出強(qiáng)分類器串聯(lián)在一起形成層疊分類器時(shí)，應(yīng)遵循“先重后輕”的分級(jí)分類器思想，將由重要特征構(gòu)成的結(jié)構(gòu)較簡(jiǎn)單強(qiáng)分類器放在前面。這樣可以先排除大量假樣本，從而提高檢查速度。AdaBoost算法在進(jìn)行級(jí)聯(lián)分類器訓(xùn)練的時(shí)候，對(duì)每一級(jí)強(qiáng)分類器都進(jìn)行了重新訓(xùn)練，訓(xùn)練比較耗時(shí)。已經(jīng)證明：“隨著弱分類器數(shù)量的增加，通過(guò)AdaBoost構(gòu)建的強(qiáng)分類器的檢測(cè)率也會(huì)不斷提高”。本文為了提高訓(xùn)練速度，在對(duì)級(jí)聯(lián)分類器訓(xùn)練時(shí)，后一級(jí)的強(qiáng)分類器會(huì)重復(fù)利用前一級(jí)已經(jīng)訓(xùn)練好的弱分類器，并在此基礎(chǔ)上通過(guò)增加弱分類器的數(shù)量來(lái)提高強(qiáng)分類器的性能。這樣可以大大減少?gòu)?qiáng)分類器的訓(xùn)練時(shí)間。2.3.2人眼定位1.灰度積分投影確定準(zhǔn)眼睛區(qū)域在準(zhǔn)確定位臉部位置后，根據(jù)人臉的面部器官的分布，人眼在臉部的上半部，所以首先截取人臉區(qū)域是上半部進(jìn)行處理。人臉圖像中眼睛部位的灰度值通常比周?chē)鷧^(qū)的灰度值小，利用該特征常使用積分投影的方法來(lái)定位眼睛。最為常用的投影函數(shù)是積分投影函數(shù)。2.改進(jìn)的模板匹配精確定位眼睛模板匹配方法是假設(shè)待搜索圖像S的尺寸為W′H，模板T的尺寸為M′N，通過(guò)一定的算法在大圖像（即待搜索圖像S）中搜索與模板T具有相近的尺寸、方向和圖像的子圖，并確定其坐標(biāo)位置?；谙嗨贫鹊哪０迤ヅ渌惴ㄒ愿骶植繄D像作為模板，先在人臉集中手工提取各種狀態(tài)的眼睛圖像作為模板。一幅眼睛圖片為一個(gè)模板，即一個(gè)二維矩陣，利用眼睛模板與人臉圖像作相關(guān)匹配，匹配函數(shù)如下：當(dāng)模板匹配的相關(guān)系數(shù)R(ij)等于1的時(shí)候，說(shuō)明搜索子圖與模板完全匹配。這只是一個(gè)理想值，模板匹配的過(guò)程中主要是尋找相關(guān)系數(shù)的最大值，此時(shí)它所對(duì)應(yīng)的搜索子圖便是所要尋找的目標(biāo)子圖。顯然，用這種公式做圖像匹配計(jì)算量大、速度慢。可以使用另外一種算法來(lái)衡量T和Sij的誤差，其公式為：計(jì)算兩個(gè)圖像的向量誤差，可以增加計(jì)算速度，根據(jù)不同的匹配方向選取一個(gè)誤差閥值E0，當(dāng)E(ij)>E0時(shí)就停止該點(diǎn)的計(jì)算，繼續(xù)下一點(diǎn)的計(jì)算。2.3.3疲勞程度的綜合判定駕駛員疲勞的判定會(huì)因錯(cuò)誤檢查帶來(lái)不良影響，本文采用PERCLOS、眼睛閉合時(shí)間、眼睛眨眼頻率、嘴巴張開(kāi)程度、頭部運(yùn)動(dòng)的計(jì)算，進(jìn)行疲勞程度的綜合判定，準(zhǔn)確、有效地進(jìn)行駕駛員疲勞的檢測(cè)。1.PERCLOSPERCLOS（PercentageofeyelidClosureoverthepupilovertime）是指眼睛閉合時(shí)間占某一特定時(shí)間的百分率。PERCLOS方法有P70，P80和EM三種判定標(biāo)準(zhǔn)。研究表明P80與疲勞程度間具有最好的相關(guān)性。2.嘴巴張開(kāi)程度嘴巴的狀態(tài)通常有三種，閉合，說(shuō)話及打哈欠，在疲勞狀態(tài)下，人會(huì)頻繁地打哈欠。在人臉下半部分進(jìn)行水平灰度投影，觀察不同單人圖像的水平灰度投影曲線，會(huì)發(fā)現(xiàn)該區(qū)域下半部分的水平灰度投影曲線有一個(gè)波谷，即為嘴唇間位置。對(duì)人臉下半部分區(qū)域二值化，從嘴唇間向上、下計(jì)算連通區(qū)域（連通區(qū)域可以防止鼻孔及胡須對(duì)計(jì)算帶來(lái)影響）的像素值，即可得到嘴巴的張開(kāi)程度。3.眼睛高度D及嘴巴高度H補(bǔ)償在上眼瞼到下眼瞼的垂直距離D及上嘴唇到下嘴唇的垂直距離為H時(shí)，由于駕駛員頭部相對(duì)于檢測(cè)設(shè)備有位置移動(dòng)，因此為了實(shí)現(xiàn)駕駛員眼睛高度和嘴巴高度的準(zhǔn)確計(jì)算，需要修正眼睛、嘴巴與檢測(cè)設(shè)備距離相對(duì)變化引起的D及H變化。眼睛閉合時(shí)間眼睛閉合時(shí)間，一般用眼睛閉合到睜開(kāi)所經(jīng)歷的時(shí)間來(lái)表示。人處于正常清醒狀態(tài)時(shí)，眼睛閉合時(shí)間是很短的，會(huì)迅速睜開(kāi)眼。而當(dāng)疲勞時(shí)，眼睛閉合時(shí)間會(huì)明顯變長(zhǎng)，因此眼睛閉合時(shí)間能直接反映駕駛員的精神狀態(tài)。本文采用計(jì)算從眼睛閉合D/3到睜開(kāi)D/3的最大幀數(shù)，幀數(shù)越多，閉合時(shí)間就越長(zhǎng)，則疲勞程度就越嚴(yán)重。5.眼睛眨眼頻率人在疲勞狀態(tài)下，眨眼頻率會(huì)比清醒狀態(tài)下頻率高。本文也將其作為一項(xiàng)參數(shù)作為疲勞判斷的依據(jù)。眼睛閉合D/3到睜開(kāi)D/3為眨眼一次。累加一段時(shí)間內(nèi)眨眼次數(shù)，作為疲勞判斷的一項(xiàng)參數(shù)。6.頭部運(yùn)動(dòng)的疲勞參數(shù)駕駛員在疲勞狀態(tài)下會(huì)出現(xiàn)頻繁點(diǎn)頭，頭部向前傾。本文通過(guò)水平灰度積分投影得到眼睛瞳孔、嘴角的水平位置。d1為瞳孔水平位置到采集圖片的上邊緣距離，d2為嘴角的水平位置到采集圖片的下邊緣距離。在駕駛員疲勞出現(xiàn)點(diǎn)頭情況，則d1增大且d2減小。駕駛員疲勞時(shí)，頭部向前傾，則d1增大且d2增大。點(diǎn)頭和頭部向前傾可以作為疲勞判斷的一項(xiàng)重要的依據(jù)。3.基于人臉特征的列車(chē)司機(jī)疲勞駕駛檢測(cè)與識(shí)別系統(tǒng)研究3.1研究?jī)?nèi)容及目標(biāo)本章的目標(biāo)是開(kāi)發(fā)一套基于人臉特征識(shí)別的非接觸式列車(chē)司機(jī)疲勞駕駛實(shí)時(shí)檢測(cè)預(yù)警裝置。本文的研究?jī)?nèi)容為:結(jié)合列車(chē)司機(jī)駕駛的特點(diǎn)和規(guī)律,利用模式識(shí)別與圖像處理知識(shí)分析列車(chē)司機(jī)疲勞駕駛時(shí)的臉部特征,研究適合于列車(chē)運(yùn)行時(shí)駕駛室光照情況復(fù)雜多變及高頻低幅振動(dòng)環(huán)境下的列車(chē)司機(jī)疲勞檢測(cè)和識(shí)別算法,并在以DSP數(shù)字信號(hào)處理芯片為核心的硬件平臺(tái)上實(shí)現(xiàn)檢測(cè)與識(shí)別算法,以達(dá)到系統(tǒng)實(shí)時(shí)檢測(cè)的性能要求。主要完成以下研究?jī)?nèi)容:1.實(shí)現(xiàn)由攝像頭實(shí)時(shí)捕捉視頻數(shù)據(jù);2.提出適合列車(chē)駕駛室環(huán)境的人臉檢測(cè)算法,使其對(duì)振動(dòng)環(huán)境和光照變化有較強(qiáng)的魯棒性;3.提出人眼檢測(cè)算法,及判斷眼睛睜開(kāi)/閉合的狀態(tài)識(shí)別分析算法;4.根據(jù)眼睛睜開(kāi)/閉合數(shù)據(jù),基于PERCLOS的P80模型,給出列車(chē)司機(jī)疲勞駕駛的判定算法;5.在以DSP為核心的硬件平臺(tái)上,將列車(chē)司機(jī)疲勞駕駛檢測(cè)與識(shí)別算法移植到DSP芯片中,提高算法的檢測(cè)速度。本識(shí)別系統(tǒng)的開(kāi)發(fā)主要分為兩大階段進(jìn)行:1.檢測(cè)與識(shí)別算法開(kāi)發(fā):在PC上進(jìn)行基于人臉特征的列車(chē)司機(jī)疲勞檢測(cè)與識(shí)別算法開(kāi)發(fā)。主要完成基于Adaboost算法的人臉與人眼分類器訓(xùn)練,以及人眼狀態(tài)識(shí)別算法開(kāi)發(fā);2.基于DSP的疲勞檢測(cè)與識(shí)別算法移植:將PC上的非實(shí)時(shí)疲勞駕駛檢測(cè)與識(shí)別算法移植到基于DSP的高速數(shù)據(jù)處理嵌入式系統(tǒng),使算法達(dá)到實(shí)時(shí)檢測(cè)與識(shí)別的要求。3.1.1基于人臉特征的疲勞駕駛檢測(cè)與識(shí)別算法開(kāi)發(fā)本階段的主要任務(wù)是:結(jié)合列車(chē)司機(jī)駕駛的特點(diǎn)和規(guī)律,分析列車(chē)司機(jī)疲勞駕駛時(shí)的臉部特征,研究適合于列車(chē)運(yùn)行時(shí)駕駛室光照情況復(fù)雜多變及高頻低幅振動(dòng)環(huán)境下的列車(chē)司機(jī)疲勞駕駛檢測(cè)與識(shí)別算法。整個(gè)檢測(cè)與識(shí)別系統(tǒng)必須準(zhǔn)確地檢測(cè)和定位眼睛,根據(jù)查閱的相關(guān)技術(shù)資料,最終確定本階段算法開(kāi)發(fā)分為三個(gè)步驟進(jìn)行:l)檢測(cè)視頻中的人臉;2)在人臉區(qū)域中定位人眼;3)對(duì)人眼狀態(tài)進(jìn)行識(shí)別,確定其狀態(tài),睜開(kāi)或閉合。采用先檢測(cè)人臉,再檢測(cè)人眼的策略,可以減少檢測(cè)算法的計(jì)算量,同時(shí)提高人眼檢測(cè)的準(zhǔn)確率。3.1.2疲勞駕駛檢測(cè)與識(shí)別算法OSP移植根據(jù)國(guó)內(nèi)外研究人員發(fā)表的論文或技術(shù)資料顯示:采用Adaboost算法開(kāi)發(fā)的人臉檢測(cè)系統(tǒng),計(jì)算量大,在對(duì)視頻進(jìn)行檢測(cè)時(shí),實(shí)時(shí)性方面表現(xiàn)不盡理想,而且本系統(tǒng)在人臉與人眼檢測(cè)階段均采用Adaboost算法,同時(shí)考慮到本系統(tǒng)設(shè)備便攜式的要求,所以將算法移植到具有高速數(shù)據(jù)處理性能的DSP嵌入式系統(tǒng)中,提高系統(tǒng)檢測(cè)與識(shí)別速度。疲勞駕駛檢測(cè)算法的DSP移植及優(yōu)化,首先完成基于DSP舊105最小視頻輸入輸出系統(tǒng)程序,然后將疲勞檢測(cè)算法從PC移植到.DSP系統(tǒng),并完成移植過(guò)程涉及到的相關(guān)算法優(yōu)化及線性匯編優(yōu)化等工作,使系統(tǒng)達(dá)到實(shí)時(shí)檢測(cè)與識(shí)別的要求。3.2基于Adaboost算法的人臉檢測(cè)整個(gè)疲勞檢測(cè)系統(tǒng)首先必須準(zhǔn)確地檢測(cè)到人眼位置,我們采用先確定人臉區(qū)域,然后在人臉區(qū)域內(nèi)進(jìn)一步檢測(cè)、定位人眼的方法,這樣可以使得人眼的檢測(cè)與定位更準(zhǔn)確一些。3.2.1人臉檢測(cè)技術(shù)概述人臉檢測(cè)采用的方法大致可分為基于統(tǒng)計(jì)和基于知識(shí)兩種類型[5]。基于統(tǒng)計(jì)的方法將人臉圖像視為一個(gè)多維向量,從而將人臉檢測(cè)問(wèn)題轉(zhuǎn)化為多維空間中分布信號(hào)的檢測(cè)問(wèn)題;而基于知識(shí)的方法則利用人臉特征先驗(yàn)知識(shí)定義若干規(guī)則,建立相應(yīng)的數(shù)學(xué)模型,從而將人臉檢測(cè)問(wèn)題轉(zhuǎn)化為假設(shè)和驗(yàn)證問(wèn)題,比如利用人臉膚色和幾何結(jié)構(gòu)等。從表2一1可以看出,每種人臉檢測(cè)方法都有一定的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)合。基于知識(shí)建模的方法,一般對(duì)建模的假設(shè)條件依賴性強(qiáng),而基于統(tǒng)計(jì)的方法,一般精度較高、魯棒性強(qiáng),但運(yùn)算量大。對(duì)于本系統(tǒng),列車(chē)駕駛室光照環(huán)境變化迅速,同時(shí)帶有一定程度的震動(dòng),很難保證一個(gè)穩(wěn)定的建模假設(shè)環(huán)境。例如,列車(chē)的光照環(huán)境不能保證基于膚色的檢測(cè)算法要求的光照穩(wěn)定的建模條件,而列車(chē)的震動(dòng)環(huán)境也不能保證基于運(yùn)動(dòng)的檢測(cè)算法要求的背景穩(wěn)定的建模條件。基于統(tǒng)計(jì)的檢測(cè)方法,通過(guò)模式識(shí)別的訓(xùn)練過(guò)程,提取人臉樣本中的大量人臉本質(zhì)特征,在光照不理想的情況下,即使缺失少部分特征,仍可以正確識(shí)別人臉。t一般來(lái)說(shuō),基于統(tǒng)計(jì)的人臉檢測(cè)方法只需要當(dāng)前幀圖像,對(duì)振動(dòng)環(huán)境并不是很敏感,帶來(lái)的只是少許圖像噪聲,對(duì)算法檢測(cè)性能影響不大。由于本系統(tǒng)采用高速DSP數(shù)字信號(hào)處理芯片,在很大程度上解決了基于統(tǒng)計(jì)的人臉檢測(cè)算法計(jì)算量大的問(wèn)題。從上面的分析,可以看出基于統(tǒng)計(jì)的算法對(duì)列車(chē)復(fù)雜多變的光照、振動(dòng)環(huán)境都有較強(qiáng)的適應(yīng)性。在基于統(tǒng)計(jì)的人臉檢測(cè)算法中,我們最終選擇了基于Adaboost算法的人臉檢測(cè)算法。3.2.2Adaboost人臉檢測(cè)算法1.集成學(xué)習(xí)算法集成學(xué)習(xí)中一個(gè)關(guān)鍵問(wèn)題就是弱分類器的集成問(wèn)題。大部分機(jī)器學(xué)習(xí)算法只是通過(guò)單個(gè)分類器的生成來(lái)對(duì)新的樣本做出預(yù)測(cè),而集成學(xué)習(xí)則是多個(gè)弱分類器的結(jié)合,每一個(gè)弱分類器都可能是一種傳統(tǒng)的機(jī)器學(xué)習(xí)模型。對(duì)一個(gè)新樣本分類,集成分類器把這個(gè)新樣本交給其多個(gè)弱分類器,再把各個(gè)弱分類器對(duì)新樣本的分類結(jié)果通過(guò)某種方式(比如投票或求均值)組合來(lái)得到集成學(xué)習(xí)的預(yù)測(cè)結(jié)果。Hansen等研究發(fā)現(xiàn),集成學(xué)習(xí)算法生成的分類器要比參與集成的那些單分類器的準(zhǔn)確度高許多。我們也可以說(shuō)成集成學(xué)習(xí)的優(yōu)點(diǎn)是集成分類器的性能比單個(gè)弱分類器具有更好的表達(dá)能力。在眾多的集成學(xué)習(xí)算法中,Adaboost算法因其有以下優(yōu)點(diǎn)而被廣泛使用:（1）算法速度快;（2）除了訓(xùn)練輪數(shù)參數(shù)T外,不需要調(diào)節(jié)任何參數(shù);（3）不需要知道任何關(guān)于弱分類器的先驗(yàn)知識(shí);（4）對(duì)弱分類器的性能要求不高,只需要比隨機(jī)猜測(cè)性能稍好即可,這種弱分類器在實(shí)際情況下很容易獲得,從而降低了算法的復(fù)雜度,提高了效率;（5）在弱分類器的構(gòu)成上可以兼容多種方法,這些弱分類器可以是神經(jīng)網(wǎng)路、決策樹(shù)、最近鄰域分類器、經(jīng)驗(yàn)規(guī)則等;（6）訓(xùn)練數(shù)據(jù)可以是文本、數(shù)字、離散值等,并且Adaboost算法很容易被推廣到多類目標(biāo)的分類問(wèn)題中去。2.Adaboost算法Adaboost算法的訓(xùn)練過(guò)程是一個(gè)樣本權(quán)重的迭代更新過(guò)程。在Adaboost算法中每個(gè)樣本的權(quán)重值表示該樣本被錯(cuò)分次數(shù)的多少,在每一輪權(quán)重更新的過(guò)程中,被錯(cuò)分樣本的權(quán)重會(huì)變大,在下一輪循環(huán)中算法就會(huì)更加關(guān)注上一輪被分錯(cuò)的樣本。如果一個(gè)樣本被錯(cuò)分了很多次,那么這個(gè)樣本的權(quán)重就會(huì)越來(lái)越大,我們就稱這樣的樣本為“困難樣本”。通過(guò)這樣的方式Adaboost算法能夠“聚集于”那些困難(更富有信息)的樣本上。下面按照集成學(xué)習(xí)算法的兩個(gè)關(guān)鍵問(wèn)題介紹Adaboost算法,首先是Adaboost算法應(yīng)用于人臉檢測(cè)的弱分類器H~like特征,然后介紹Adaboost的集成方法,即由Haar一like特征組成的弱分類器生成強(qiáng)分類器,最終獲得級(jí)聯(lián)分類器的方法。3.3基于Adaboost算法的人臉檢測(cè)軟件實(shí)現(xiàn)Adaboost分類器實(shí)現(xiàn)主要分兩部分:Haar一like特征的選擇過(guò)程,即樣本訓(xùn)練過(guò)程;檢測(cè)過(guò)程,即利用得到的Haar一like特征進(jìn)行人臉檢測(cè)。下面分別給出樣本訓(xùn)練過(guò)程及檢測(cè)過(guò)程的軟件邏輯實(shí)現(xiàn)。3.3.1.樣本訓(xùn)練過(guò)程樣本訓(xùn)練過(guò)程的主要目的是從過(guò)完全的弱特征中獲取分類能力較好的少量弱特征,進(jìn)而生成強(qiáng)分類器和級(jí)聯(lián)分類器。下面詳細(xì)介紹樣本訓(xùn)練過(guò)程。在樣本訓(xùn)練過(guò)程中,首先需要解決的就是人臉樣本庫(kù)的選擇及預(yù)處理。3.3.2人臉檢測(cè)程序人臉檢測(cè)程序主要是利用基于Adaboost學(xué)習(xí)算法訓(xùn)練得到的人臉級(jí)聯(lián)分類器,進(jìn)行實(shí)際的人臉檢測(cè)。人臉檢測(cè)程序流程包括圖像預(yù)處理、積分圖生成、特征值計(jì)算、級(jí)聯(lián)分類器判斷等步驟。下面給出級(jí)聯(lián)分類器人臉檢測(cè)程序的流程圖,以及程序關(guān)鍵代碼。3.4人眼檢測(cè)與人眼狀態(tài)分析算法3.4.1基于Adaboost的人眼檢測(cè)算法人眼訓(xùn)練過(guò)程需要人眼庫(kù),因?yàn)闆](méi)有現(xiàn)成的人眼庫(kù),所以只能自己收集人眼樣本,建立人眼庫(kù)。人眼樣本,主要裁剪自人臉庫(kù)樣本以及一些互聯(lián)網(wǎng)下載人臉圖片中。樣本被統(tǒng)一縮放到20x12像素,樣本庫(kù)共包括1000個(gè)人眼樣本和1500個(gè)非人眼樣本3.4.2人眼級(jí)聯(lián)分類器效果分析利用人眼檢測(cè)程序進(jìn)行了大量圖片檢測(cè),發(fā)現(xiàn)人眼檢測(cè)正確率非常高,只要能夠正確定位人臉,人眼檢測(cè)幾乎可以達(dá)到100%。經(jīng)過(guò)分析,可以發(fā)現(xiàn),這是由人眼特征決定的。首先,人眼特征簡(jiǎn)單、變化小,不像人臉特征多、變化大。其次人眼搜索區(qū)域小,人眼的搜索區(qū)域?yàn)橄惹岸ㄎ坏娜四槄^(qū)域,而人臉?biāo)阉鲄^(qū)域?yàn)檎鶊D像。特征簡(jiǎn)單、搜索區(qū)域小,導(dǎo)致人眼檢測(cè)正確率高,基本不會(huì)出現(xiàn)漏檢和誤檢。3.4.3人眼狀態(tài)分析算法人眼狀態(tài)分析是疲勞狀態(tài)識(shí)別最關(guān)鍵的步驟,也是一個(gè)主觀的定義過(guò)程。人眼狀態(tài)分析算法可以分為基于統(tǒng)計(jì)和基于知識(shí)建模兩種方法。因?yàn)槿搜坶_(kāi)閉狀態(tài)連續(xù),狀態(tài)確定主觀,而基于統(tǒng)計(jì)的人眼狀態(tài)分析方法(模板匹配,Fisher法等)固有的離散特點(diǎn),使得基于統(tǒng)計(jì)的方法樣本選擇難度大,使用靈活性很差,因此本系統(tǒng)優(yōu)先考慮基于知識(shí)建模的方法,該方法最大的特點(diǎn)就是模型參數(shù)可調(diào),所以可以通過(guò)調(diào)節(jié)參數(shù),盡量達(dá)到PERCLOS的P80模型的要求。最常見(jiàn)的兩種基于知識(shí)建模的人眼狀態(tài)分析基本方法是:Hough找圓法和灰度投影法。1.Hough找圓法Hough變換是圖像處理中從圖像中識(shí)別幾何形狀的基本方法之一。Hough變換的基本原理在于利用點(diǎn)與線的對(duì)偶性,將原始圖像空間給定的曲線通過(guò)曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。這樣就把原始圖像中給定曲線的檢測(cè)問(wèn)題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問(wèn)題。簡(jiǎn)而言之,Hough變換思想為:比如檢測(cè)圖像中的一條直線,在原始坐標(biāo)系下的一個(gè)點(diǎn)對(duì)應(yīng)了參數(shù)坐標(biāo)系中的一條直線,同樣參數(shù)坐標(biāo)系的一條直線對(duì)應(yīng)了原始坐標(biāo)系下的一個(gè)點(diǎn)。原始坐標(biāo)系下呈現(xiàn)直線的所有點(diǎn),它們的斜率和截距是相同的,所以它們?cè)趨?shù)坐標(biāo)系下對(duì)應(yīng)于同一個(gè)點(diǎn)。這樣在將原始坐標(biāo)系下的各個(gè)點(diǎn)投影到參數(shù)坐標(biāo)系下之后,看參數(shù)坐標(biāo)系下有沒(méi)有聚集點(diǎn),這樣的聚集點(diǎn)就對(duì)應(yīng)了原始坐標(biāo)系下的直線。2.灰度投影法灰度投影法基本原理:若人眼睜開(kāi),黑色瞳孔未被眼瞼遮蓋,則其垂直灰度投影在瞳孔位置形成一個(gè)波峰。若人眼閉合,黑色瞳孔被眼瞼遮蓋,則其垂直灰度投影基本呈水平直線。對(duì)眼睛部位進(jìn)行垂直灰度投影,得到其灰度投影圖,然后判斷投影圖是否具有明顯的波峰,就可以判定眼睛狀態(tài)?；叶韧队胺ㄍ瑯用媾RHough找圓法同樣的問(wèn)題,需要圖像的質(zhì)量較高和準(zhǔn)確的人眼定位,否則就不能獲得明顯的波峰,甚至可能出現(xiàn)兩個(gè)較小波峰的情況,導(dǎo)致灰度均值較大等異常情況,導(dǎo)致?tīng)顟B(tài)分析錯(cuò)誤。其次灰度投影法需要較復(fù)雜的前處理步驟,以消除噪聲,才能得到很好的灰度投影圖(即明顯的單波峰,或小均值呈直線形式)。3.區(qū)域灰度特征比較法鑒于上述Hough找圓法、灰度投影法兩種基于知識(shí)建模方法固有的過(guò)分依賴其假設(shè)條件,需要精確幾何模型、魯棒性較差的缺點(diǎn),我們提出了一種區(qū)域灰度比較法,即使得眼睛狀態(tài)分析具有基于知識(shí)建模方法的連續(xù)性、參數(shù)可調(diào)性,而且不需要精確的幾何模型,同時(shí)也使得狀態(tài)分析具有不錯(cuò)的魯棒性。4.基于貝葉斯網(wǎng)絡(luò)的駕駛疲勞程度識(shí)別模型4.1基于貝葉斯網(wǎng)絡(luò)模型的駕駛疲勞程度識(shí)別駕駛疲勞作為一個(gè)不可直接觀測(cè)的研究對(duì)象，其影響因素非常多且難以定量，各類度量指標(biāo)對(duì)駕駛疲勞的界定又沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)。因此，判斷駕駛疲勞程度是一個(gè)非常復(fù)雜的系統(tǒng)問(wèn)題。與酒后駕駛的檢測(cè)指標(biāo)不同，所有用來(lái)檢測(cè)駕駛疲勞的指標(biāo)在獲取過(guò)程中均會(huì)受到不同程度的干擾。目前，還沒(méi)有一種方法能夠?qū)︸{駛疲勞程度進(jìn)行準(zhǔn)確無(wú)誤的檢測(cè)。因此，使用概率論的方法對(duì)駕駛疲勞程度進(jìn)行識(shí)別具有一定的合理性。貝葉斯網(wǎng)絡(luò)模型的基本思想是：在信息不完備的情況下，通過(guò)可觀察隨機(jī)變量(證據(jù)變量)推斷不可觀察隨機(jī)變量(隱含變量)，進(jìn)行概率推理。利用貝葉斯網(wǎng)絡(luò)求解駕駛疲勞程度識(shí)別的問(wèn)題可以表述為：在已知疲勞度量指標(biāo)測(cè)定結(jié)果的情況下，利用貝葉斯網(wǎng)絡(luò)方法求解在一定影響因素條件下，疲勞狀態(tài)處于各種程度(清醒、輕度疲勞、重度疲勞)時(shí)的概率。駕駛疲勞貝葉斯網(wǎng)絡(luò)的構(gòu)建包括兩個(gè)主要內(nèi)容：1)確定網(wǎng)絡(luò)節(jié)點(diǎn)；2)計(jì)算節(jié)點(diǎn)間的先驗(yàn)概率。其中，網(wǎng)絡(luò)節(jié)點(diǎn)的選擇取決于疲勞的各種特征及影響因素，而節(jié)點(diǎn)先驗(yàn)概率的確定則依賴于某個(gè)特征或因素對(duì)判斷疲勞程度的可能性。4.2駕駛疲勞程度識(shí)別模型4.2.1駕駛疲勞貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)駕駛疲勞作為系統(tǒng)的核心，其復(fù)雜的影響因素即該系統(tǒng)的輸入，在生理、眼動(dòng)及駕駛績(jī)效等方面表現(xiàn)出來(lái)的特征即該系統(tǒng)的輸出。將駕駛疲勞的影響因素分為三類:駕駛環(huán)境屬性、駕駛?cè)藗€(gè)體屬性以及原始疲勞屬性。各類影響因素的具體度量指標(biāo)見(jiàn)圖1。其中，溫度、天氣等變量是駕駛環(huán)境變量的父節(jié)點(diǎn)，相應(yīng)的駕駛環(huán)境變量是溫度、天氣等變量的子節(jié)點(diǎn)，以此類推。4.2.2貝葉斯網(wǎng)絡(luò)條件概率表的確定在建立的駕駛疲勞貝葉斯網(wǎng)絡(luò)模型中，條件概率分為兩類：一類是輸入層變量與隱含層變量之間的條件概率，另一類是隱含層變量與輸出層變量之間的條件概率。4.2.3駕駛疲勞程度貝葉斯網(wǎng)絡(luò)識(shí)別模型輸入層變量和輸出層變量統(tǒng)稱為貝葉斯網(wǎng)絡(luò)中的證據(jù)變量。利用貝葉斯網(wǎng)絡(luò)建立駕駛疲勞程度識(shí)別模型的原理是在已知網(wǎng)絡(luò)中各節(jié)點(diǎn)先驗(yàn)概率的前提下，結(jié)合證據(jù)變量的取值，根據(jù)貝葉斯公式計(jì)算不同駕駛疲勞程度的后驗(yàn)概率。4.3模型有效性驗(yàn)證采用模擬駕駛的方法進(jìn)行實(shí)驗(yàn)設(shè)計(jì)。實(shí)驗(yàn)設(shè)備包括模擬駕駛仿真實(shí)驗(yàn)平臺(tái)—AS1300卡車(chē)駕駛模擬系統(tǒng)、多通道生物生理記錄儀、攝像機(jī)等。同時(shí)采用斯坦福嗜睡量表(StanfordSIeepinessScale,SSS)對(duì)駕駛?cè)说闹饔^疲勞狀況進(jìn)行問(wèn)卷調(diào)查，以了解駕駛過(guò)程中駕駛?cè)藢?duì)疲勞的主觀感受。5基于FPGA的疲勞駕駛檢測(cè)系統(tǒng)設(shè)計(jì)5.1疲勞駕駛檢測(cè)系統(tǒng)總體設(shè)計(jì)方案5.1.1系統(tǒng)紅外光源原理主動(dòng)紅外光源理論的內(nèi)容:人眼視網(wǎng)膜對(duì)不同波長(zhǎng)紅外光的反射率不同,對(duì)850nm波長(zhǎng)紅外光的反射率是90%,對(duì)940nm紅外光的反射率是40%,紅外波長(zhǎng)在880士80nm范圍之內(nèi)時(shí),人臉的其他部分對(duì)于紅外光的反射程度基本一致。這樣通過(guò)控制這兩組LED燈的閃爍頻率得到亮瞳孔和暗瞳孔圖像,將這兩幅圖像經(jīng)過(guò)差分獲得瞳孔明顯的幾乎沒(méi)有背景干擾的以人臉為主體的差分圖像,大大簡(jiǎn)化了整體算法的復(fù)雜度。如圖2.1所示:獲得了差分圖像后,對(duì)其在水平和垂直方向上進(jìn)行投影,通過(guò)確定人臉的上、下、左、右邊界來(lái)定位出人臉區(qū)域。依據(jù)人眼和人臉的固定幾何關(guān)系來(lái)定位出人眼的大致區(qū)域,接著在此區(qū)域內(nèi)利用復(fù)雜度算法檢測(cè)到瞳孔。人眼睛睜開(kāi)時(shí)瞳孔面積大,當(dāng)人閉眼時(shí),瞳孔面積隨閉眼程度變化,當(dāng)完全閉眼時(shí)瞳孔面積為0,所以通過(guò)統(tǒng)計(jì)瞳孔面積可以判斷當(dāng)前采集到圖像中駕駛員是睜眼還是閉眼。最后通過(guò)統(tǒng)計(jì)一段時(shí)間內(nèi)閉眼幀數(shù)占總幀數(shù)的比例得到眨眼頻率進(jìn)行駕駛員是否疲勞的判斷。P80疲勞算法定義了閉眼的標(biāo)準(zhǔn)和疲勞判斷的標(biāo)準(zhǔn)。閉眼標(biāo)準(zhǔn)為:眼臉遮住瞳孔的面積超過(guò)80%;疲勞標(biāo)準(zhǔn)是:一段時(shí)間內(nèi)閉眼幀數(shù)己:`總幀數(shù)的比例大于40%。5.1.2系統(tǒng)總體設(shè)計(jì)本系統(tǒng)主要集成了圖像采集、存儲(chǔ)、算法處理、報(bào)警和顯示模塊,組成了以FPGA為核心控制器的疲勞駕駛檢測(cè)系統(tǒng)。系統(tǒng)的總體方案圖如圖2.2所示。本設(shè)計(jì)中的圖像處理算法都是在FPGA上實(shí)現(xiàn)的,算法處理速度達(dá)到了視頻源25幀每秒的速度,解決了現(xiàn)有疲勞駕駛系統(tǒng)領(lǐng)域普遍存在的難以滿足實(shí)時(shí)性的問(wèn)題。5.2系統(tǒng)硬件設(shè)計(jì)與實(shí)現(xiàn)5.2.1系統(tǒng)硬件總體架構(gòu)整體硬件電路根據(jù)功能劃分為三部分,完成圖像輸入功能的圖像采集板、完成系統(tǒng)控制、圖像存儲(chǔ)以及其他功能模塊的主控電路板、實(shí)現(xiàn)圖像數(shù)據(jù)模擬轉(zhuǎn)數(shù)字以及數(shù)字轉(zhuǎn)模擬的輔助電路。下面分模塊介紹硬件電路的具體實(shí)現(xiàn)。5.2.2圖像采集電路設(shè)計(jì)圖像采集板上集成的元器件由圖像傳感器、外圍電路元件和LED燈,設(shè)計(jì)并不復(fù)雜,所以我們?cè)O(shè)計(jì)為雙層板?？紤]到本系統(tǒng)主要是基于主動(dòng)紅外光源原理,所以圖像傳感器的選型以及LED燈的布局結(jié)構(gòu)設(shè)計(jì)對(duì)整個(gè)系統(tǒng)的功能實(shí)現(xiàn)有重要影響。1.圖像采集電路原理圖設(shè)計(jì)該模塊包括兩部分:CMOS圖像傳感器電路和LED電路。(1)CMOS圖像傳感器電路：CMOS圖像傳感器的外圍電路主要由控制電路、石英晶振組成,它正常工作所需要的5v電壓則主要由主控板提供。(2)LED電路：本設(shè)計(jì)用到了兩種波長(zhǎng)的LED燈:850nm和940nm。其原理圖如3.3所示:這兩燈的參數(shù)是:工作電壓為1.5一1.65V,工作電流為5一20mA,發(fā)光角度為30一45度。850nm波長(zhǎng)LED燈的數(shù)量是32個(gè),940nm波長(zhǎng)LED燈的數(shù)量是28個(gè),兩種紅外燈的數(shù)量存在差別主要是為了保證兩種燈的照度大致相等。圖中限流電阻大小是470歐姆,保證了LED燈可以正常工作。2.圖像采集電路PCB設(shè)計(jì)在CMOS圖像傳感器電路里,外圍電路不是很復(fù)雜,布局時(shí)注意:晶振應(yīng)盡量靠近芯片的時(shí)鐘輸入管腳。另外,每個(gè)電源管腳接的電容要盡量靠近其管腳放置,這樣才`能有效的起到抗干擾的作用。LED燈電路的布局設(shè)計(jì)主要考慮了紅外光源原理,該原理得以實(shí)現(xiàn)并出現(xiàn)亮瞳孔和暗瞳孔的前提條件是:紅外光源必須沿透鏡光軸位置,而且要保證產(chǎn)生暗瞳孔圖像時(shí)兩幅圖像有相同的光照度,實(shí)際操作中這一點(diǎn)很難實(shí)現(xiàn),所以如何布局這兩組LED燈是該系統(tǒng)功能是否成功實(shí)現(xiàn)的關(guān)鍵。通過(guò)多次實(shí)驗(yàn)論證,本文將紅外光源設(shè)計(jì)為環(huán)形,圓心和圖像傳感器的幾何中心重疊,外圓直徑為61.93mm,內(nèi)圓直徑為41.24mm,內(nèi)圓上放置940nm的LED燈,外圓上放置850nm的LED燈,取得了不錯(cuò)的效果。5.2.3主控板設(shè)計(jì)1.主控板原理圖設(shè)計(jì)原理圖的設(shè)計(jì)必須保證其正確性和可靠性,并且盡量使繪制的原理圖清晰、流暢。電路原理圖的兩個(gè)基本要求是:直觀;能表示電路的電器連接。繪制原理圖前有很多準(zhǔn)備工作,下面主要對(duì)器件如何選型進(jìn)行說(shuō)明:對(duì)于每個(gè)模塊來(lái)說(shuō),首先是基準(zhǔn)件的選擇,也就是該模塊的核心元件。選擇的時(shí)候考慮了以下幾點(diǎn):第一:性價(jià)比高,這對(duì)于節(jié)省產(chǎn)品的成本來(lái)說(shuō)很重要;第二:容易開(kāi)發(fā):主要體現(xiàn)在硬件調(diào)試工具多,參考設(shè)計(jì)多,成功的案例多;第三:可擴(kuò)展性好。其次,對(duì)于核心元件周?chē)耐鈬骷倪x擇考慮了以下幾點(diǎn):第一:普遍性原則:盡量少使用冷芯片,而是使用被廣泛驗(yàn)證過(guò)的元器件,這樣可以減少設(shè)計(jì)風(fēng)險(xiǎn);第二:可替代原則:盡量選擇管腳之間兼容種類多的器件;第三:方便采購(gòu)的原則:這樣才能在預(yù)期的時(shí)間內(nèi)完成工作;第四:資源節(jié)約原則:盡量用上器件的全部功能和管腳。2.主控板PCB設(shè)計(jì)(l)元件布局(2)布線5.2.4輔助電路設(shè)計(jì)輔助電路板上實(shí)現(xiàn)的功能模塊包括:電源電路、視頻解碼電路、視頻編碼電路以及串口電路。它的主要作用是配合主控板完成整體所需功能。沒(méi)有將輔助電路板上面實(shí)現(xiàn)的功能放在主控板上主要是基于以下的考慮:首先,為了保證產(chǎn)品的小型化,必須限制板子的尺寸,所以將兩個(gè)板子通過(guò)插槽連接起來(lái),通過(guò)主控板上引出的管腳來(lái)控制輔助電路板信號(hào),使得面積盡量的做小;其次,主控板是6層板,布線的復(fù)雜度比較高,如果將輔助板的功能放在上面使得難度加大。再次,這樣設(shè)計(jì)是為以后做打算,現(xiàn)在系統(tǒng)使用的是模擬攝像頭,所以需要視頻解碼芯片,如果將來(lái)使用數(shù)字?jǐn)z像頭,這部分就可以削減掉。視頻編碼電路主要是為了將圖像通過(guò)VGA接口顯示到電腦上,如果以后該部分換作小型液晶屏來(lái)顯示,這部分也可以消減。串口模塊的作月J主要是將讀取圖像數(shù)據(jù)通過(guò)串口傳到PC機(jī)上,然后借助Matlab工具分析圖像數(shù)據(jù)為加速尋找到適合FPGA實(shí)現(xiàn)的圖像算法做準(zhǔn)備。所以對(duì)于以后的產(chǎn)品優(yōu)化來(lái)說(shuō),這部分也可以根據(jù)需要進(jìn)行取舍。另外,主控板上和輔助電路板上都設(shè)計(jì)了電源模塊也考慮到將來(lái)整個(gè)系統(tǒng)功能只在主控板上實(shí)現(xiàn)來(lái)降低成本以及設(shè)計(jì)的復(fù)雜度。5.2.5系統(tǒng)硬件電路的物理測(cè)試電路板制作好后,利用萬(wàn)用表、示波器等儀器完成了硬件電路的物理測(cè)試。物理測(cè)試包括:測(cè)試電源模塊出來(lái)的電壓是否正確、電源和地之間有沒(méi)有短路,元器件有沒(méi)有虛焊的情況、電源電壓正確后有源品振輸出的時(shí)鐘是否正確等。對(duì)于集成芯片,先測(cè)試其電壓和地有無(wú)短路,沒(méi)有則通電并測(cè)試其內(nèi)部的參考電壓是否正確。本電路在調(diào)試的時(shí)候出現(xiàn)以下問(wèn)題:電源模塊的FPGA內(nèi)核電壓不正確,查明原因是接的電阻太大,沒(méi)有滿足工作電流的要求,后用500歐姆電阻替換后,電壓正確。蜂鳴器不工作,問(wèn)題就在畫(huà)封裝的時(shí)候,兩個(gè)管腳的網(wǎng)絡(luò)定義反了,修改后工作正常。6基于NiosII多核駕駛疲勞檢測(cè)系統(tǒng)設(shè)計(jì)6.1系統(tǒng)介紹系統(tǒng)中配置了雙NiosII軟核CPU，兩個(gè)CPU同在一塊SDRAM內(nèi)存中運(yùn)行，由Avalon總線模塊提供仲裁機(jī)制實(shí)現(xiàn)雙CPU對(duì)SDRAM的分時(shí)訪問(wèn)。CPU_A主要負(fù)責(zé)圖像數(shù)據(jù)實(shí)時(shí)采集與SD卡的數(shù)據(jù)寫(xiě)入等任務(wù)；CPU_B則完成圖像數(shù)據(jù)處理與發(fā)出控制信號(hào)。兩個(gè)CPU通過(guò)郵箱建立相互通信。CPU_A把采集到的數(shù)據(jù)存入到SRAM中。SRAM有兩塊地址固定的數(shù)據(jù)存儲(chǔ)區(qū)A與B。當(dāng)CPU_A采集一幀圖像數(shù)據(jù)并存儲(chǔ)在A區(qū)后便產(chǎn)生中斷信號(hào)通知郵箱，CPU_B開(kāi)始讀取A區(qū)的數(shù)據(jù)，數(shù)據(jù)送至CPU_B的圖像預(yù)處理與人臉檢測(cè)模塊進(jìn)行人臉檢測(cè)與定位。當(dāng)CPU_B在讀取A區(qū)數(shù)據(jù)的時(shí)候攝像頭采集模塊繼續(xù)傳來(lái)數(shù)據(jù)，這時(shí)CPU_A將接收的數(shù)據(jù)存儲(chǔ)到B區(qū)中，當(dāng)B區(qū)寫(xiě)滿后CPU_B則開(kāi)始讀取B區(qū)，CPU_A又開(kāi)始寫(xiě)A區(qū)，因此CPU_B讀取數(shù)據(jù)區(qū)數(shù)據(jù)與CPU_A寫(xiě)入數(shù)據(jù)區(qū)數(shù)據(jù)不會(huì)產(chǎn)生沖突。人臉檢測(cè)模塊完成人臉定位后的數(shù)據(jù)通過(guò)總線送至CPU_B，繼續(xù)進(jìn)行人眼檢測(cè)與特征值提取，最后經(jīng)過(guò)計(jì)算判斷駕駛員的狀態(tài)，并通過(guò)郵箱通知CPU_A把狀態(tài)數(shù)據(jù)寫(xiě)入SD卡。系統(tǒng)的框圖如圖1所示。6.2系統(tǒng)關(guān)鍵模塊設(shè)計(jì)本系統(tǒng)主要由圖像采集、圖像數(shù)據(jù)處理、SD卡存儲(chǔ)3大關(guān)鍵模塊組成。系統(tǒng)的硬件平臺(tái)采用Altera公司CycloneII2C35FPGA芯片(DE2開(kāi)發(fā)板)，采用SOPC技術(shù)將NiosII軟核、圖像采集模塊IP核、圖像數(shù)據(jù)處理模塊、存儲(chǔ)器、功能接口和擴(kuò)展I/O口等集成在一塊FPGA芯片上，外圍擴(kuò)展了CMOS攝像頭、SD卡存儲(chǔ)器等硬件來(lái)實(shí)現(xiàn)系統(tǒng)的整體架構(gòu)。6.2.1圖像采集模塊設(shè)計(jì)本設(shè)計(jì)采用Micron公司的130萬(wàn)像素CMOS圖像傳感器MT9M011進(jìn)行圖像采集。該圖像傳感器具有可編程的增益控制、曝光控制和黑標(biāo)準(zhǔn)校正，可以在保持流暢、連續(xù)的動(dòng)態(tài)圖像的同時(shí)，在50mW的能耗下，以最高30幀/秒的幀率，進(jìn)行任意大小的圖像捕捉。為了實(shí)現(xiàn)NiosII處理器能對(duì)攝像頭進(jìn)行控制，獲取攝像頭采集到圖像數(shù)據(jù)，因此需要設(shè)計(jì)攝像頭圖像采集控制器IP核。該控制器核采用VerilogHDL自行設(shè)計(jì)，圖像數(shù)據(jù)能夠通過(guò)Avalon總線主端口的塊傳輸方式進(jìn)行傳輸，利用DMA控制器實(shí)現(xiàn)從片上YCrCb_FIFO到SRAM的自動(dòng)寫(xiě)入。該圖像采集控制器IP主要由3個(gè)部分組成：接口模塊、內(nèi)存模塊和變換處理模塊。6.2.2圖像處理算法該部分主要由以下4個(gè)步驟組成：圖像數(shù)據(jù)預(yù)處理、人臉檢測(cè)、眼睛檢測(cè)與跟蹤、狀態(tài)判斷。圖像數(shù)據(jù)預(yù)處理包括噪聲消除與圖像增強(qiáng)處理?？紤]到中值濾波與梯度銳化在圖像預(yù)處理中的優(yōu)點(diǎn)，我們采用中值濾波與梯度銳化實(shí)現(xiàn)圖像的預(yù)處理。本系統(tǒng)還采用改進(jìn)的層次型AdaBoost檢測(cè)算法實(shí)現(xiàn)人臉的檢測(cè)，該部分采用FPGA實(shí)現(xiàn)。在定位好人臉后開(kāi)始眼睛檢測(cè)，這里采用了Hough變換找眼球和眼瞼、累積差分幀相結(jié)合的方法來(lái)檢測(cè)眼睛，然后通過(guò)眼睛跟蹤得到相應(yīng)的眼睛位置，提取相關(guān)參數(shù)后用眼瞼的寬度來(lái)判斷眼睛的開(kāi)閉。6.2.3圖像處理算法硬件加速的實(shí)現(xiàn)系統(tǒng)中用到的圖像處理算法多且復(fù)雜，在單CPU上用純軟件實(shí)現(xiàn)該算法耗時(shí)較長(zhǎng)，不能達(dá)到實(shí)時(shí)檢測(cè)的目的，因此在系統(tǒng)中配置了一個(gè)CPU_B來(lái)專門(mén)完成圖像處理任務(wù)。同時(shí)采用了NiosII處理器定制指令的方法與C2H加速編譯器工具對(duì)部分算法進(jìn)行硬件加速，以此提高系統(tǒng)的整體性能。NiosII處理器定制指令是把用戶自定義的功能模塊直接添加到NiosIICPU的算術(shù)邏輯單元(ALU)中，來(lái)加快專項(xiàng)任務(wù)的執(zhí)行速度。定制指令邏輯和NiosII的連接在SoPCBuilder中完成。系統(tǒng)生成時(shí)，NiosIIIDE為每條用戶指令產(chǎn)生一個(gè)在系統(tǒng)頭文件中定義的宏，可以在C或C++應(yīng)用程序代碼中直接調(diào)用這個(gè)宏進(jìn)行程序設(shè)計(jì)。6.2.4數(shù)據(jù)存儲(chǔ)模塊設(shè)計(jì)本設(shè)計(jì)選用SD卡作為外接存儲(chǔ)硬盤(pán)。SD存儲(chǔ)卡具有大容量、高性能、安全性好等特點(diǎn)的多功能存儲(chǔ)卡，被廣泛用于數(shù)碼相機(jī)、掌上電腦和手機(jī)等便攜式設(shè)備中。SD卡上所有單元由內(nèi)部時(shí)鐘發(fā)生器提供時(shí)鐘，接口驅(qū)動(dòng)單元同步外部時(shí)鐘的DAT和CMD信號(hào)到內(nèi)部所用時(shí)鐘。SD卡有兩種通信協(xié)議，即SD通信協(xié)議和SPI通信協(xié)議，與SPI通信協(xié)議相比，SD通信協(xié)議的最大優(yōu)點(diǎn)是讀寫(xiě)速度快，單根數(shù)據(jù)線理論上可以達(dá)到25MB/秒，四線傳輸可以達(dá)到100M/s，本設(shè)計(jì)采用的是四線SD通信協(xié)議。本設(shè)計(jì)中對(duì)SD卡的協(xié)議采用軟件編寫(xiě)：首先在SOPCBuilder里定義了6個(gè)可編程I/O口：SD_CMD、SD_DAT0-DAT3、SD_CLK，分別對(duì)應(yīng)SD卡的命令、數(shù)據(jù)、時(shí)鐘端口，然后在NiosIIIDE上按照SD卡的傳輸協(xié)議編寫(xiě)C程序來(lái)對(duì)6個(gè)I/O口進(jìn)行操作，以此來(lái)實(shí)現(xiàn)SD卡的傳輸協(xié)議。7.疲勞駕駛預(yù)警系統(tǒng)的研究進(jìn)展7.1預(yù)警系統(tǒng)的組成及工作原理生理學(xué)研究表明!駕駛員疲勞駕駛時(shí)腦電、心電、肌電信號(hào)會(huì)發(fā)生異常!并伴有頻繁眨眼、點(diǎn)頭、打呵欠等面部疲勞特征!同時(shí)轉(zhuǎn)向盤(pán)、油門(mén)和制動(dòng)踏板長(zhǎng)時(shí)間不動(dòng)!甚至車(chē)輛會(huì)出現(xiàn)蛇形、前方車(chē)距過(guò)小等危險(xiǎn)駕駛行為"為準(zhǔn)確、可靠、實(shí)時(shí)地識(shí)別出駕駛員的疲勞特征并及時(shí)給駕駛員以警示!疲勞駕駛預(yù)警系統(tǒng)一般由以下模塊組成%信號(hào)采集模塊、特征提取、信息融合、疲勞判決和輸出報(bào)警模塊"系統(tǒng)的工作原理為%利用多種傳感器!如圖像、激光雷達(dá)、壓力、角位移傳感器等!對(duì)上述典型疲勞特征信息進(jìn)行實(shí)時(shí)采集和處理!運(yùn)用各種信號(hào)處理方法提取和識(shí)別駕駛疲勞特征信息!應(yīng)用多傳感器信息融合理論!對(duì)互補(bǔ)或冗余的疲勞特征信息進(jìn)行有機(jī)融合!進(jìn)而建立疲勞駕駛智能決策模型對(duì)駕駛員是否疲勞駕駛進(jìn)行準(zhǔn)確可靠判斷!最后輸出報(bào)警模塊可將檢測(cè)結(jié)果實(shí)時(shí)顯示!并通過(guò)聲光報(bào)警裝置提醒駕駛員注意行車(chē)安全"預(yù)警系統(tǒng)的功能結(jié)構(gòu)如圖所示。7.2典型的疲勞駕駛預(yù)警系統(tǒng)盡管研究人員提出了很多疲勞檢測(cè)方法!但由于很多方法的實(shí)驗(yàn)條件有其局限性!故很難利用其研制成有效實(shí)用的預(yù)警系統(tǒng)!下面介紹幾種比較成功的預(yù)警系統(tǒng)。1.心跳速度檢測(cè)儀2.頭部位置檢測(cè)儀3.車(chē)道偏離報(bào)警系統(tǒng)DAS20004.轉(zhuǎn)向盤(pán)監(jiān)測(cè)系統(tǒng)5.駕駛員警示系統(tǒng)6.PERCLOS系統(tǒng)7.QiqngJi等研發(fā)的預(yù)警系統(tǒng)8.FaceLAB系統(tǒng)9.Copilot系統(tǒng)10.AWAKE系統(tǒng)7.3疲勞駕駛預(yù)警系統(tǒng)比較從20世紀(jì)90年代開(kāi)始，基于各種物理傳感器的疲勞駕駛檢測(cè)方法成為預(yù)警系統(tǒng)的研究重點(diǎn)。進(jìn)入21世紀(jì)以來(lái)，隨著計(jì)算機(jī)技術(shù)和集成電路制造技術(shù)的發(fā)展，疲勞駕駛預(yù)警系統(tǒng)在實(shí)時(shí)性、可靠性、舒適度和集成度等方面有了較人的改善和提高，表1詳細(xì)列出了幾種典型疲勞駕駛預(yù)警系統(tǒng)的性能對(duì)比情況。通過(guò)對(duì)疲勞駕駛預(yù)警系統(tǒng)的對(duì)比分析可以得出以卜結(jié)論。1)在這些疲勞駕駛監(jiān)測(cè)設(shè)備中，應(yīng)用最為)廣泛的是車(chē)道偏離報(bào)警系統(tǒng)，但是該報(bào)警系統(tǒng)屬于間接監(jiān)測(cè)，對(duì)駕駛疲勞的敏感度不高，在夜晚或冰封的雨雪天氣監(jiān)測(cè)容易失敗。2)隨著圖像處理技術(shù)的不斷發(fā)展，使基于機(jī)器視覺(jué)的駕駛疲勞監(jiān)測(cè)系統(tǒng)成為流行，視覺(jué)檢測(cè)具有非接觸、檢測(cè)范圍)‘一、信息容量人、可擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，但其在夜晚無(wú)光和強(qiáng)光干擾卜系統(tǒng)可靠性明顯卜降。3)各種根據(jù)眼部狀態(tài)檢測(cè)疲勞的車(chē)載報(bào)警裝置應(yīng)運(yùn)而生，成為當(dāng)前車(chē)載疲勞預(yù)警系統(tǒng)中的主流產(chǎn)品。其中尤以基于PERCLOS的眼部疲勞狀態(tài)預(yù)警系統(tǒng)可靠性最強(qiáng)，但其對(duì)于少數(shù)駕駛員磕睡時(shí)眼睛睜開(kāi)、戴眼鏡駕駛時(shí)測(cè)量難度較人，誤報(bào)警率較高。4)基于多傳感器信息融合技術(shù)的疲勞駕駛智能監(jiān)測(cè)系統(tǒng)己在市場(chǎng)上初現(xiàn)端倪，但其在實(shí)時(shí)性、可靠性及疲勞特征的有機(jī)融合方面還需進(jìn)行更深入的研究。7.4發(fā)展趨勢(shì)目前，疲勞駕駛預(yù)警系統(tǒng)的研究方興未艾，雖然對(duì)其進(jìn)行研究逐漸引起許多國(guó)家的關(guān)注和重視，但到目前為止，實(shí)用的產(chǎn)品尚未推出，系統(tǒng)監(jiān)測(cè)的準(zhǔn)確性、可靠性和有效性亟待提高，今后其發(fā)展將呈現(xiàn)以卜趨勢(shì)。1)深入認(rèn)識(shí)研究疲勞駕駛的特性及形成機(jī)理。人們將會(huì)結(jié)合心理學(xué)的最新研究成果，從生理學(xué)、生物化學(xué)、人機(jī)工程學(xué)、行為科學(xué)等多門(mén)學(xué)科的角度，深入研究駕駛員疲勞的形成機(jī)理，并揭示其形成機(jī)理的木質(zhì)，為系統(tǒng)實(shí)時(shí)檢測(cè)駕駛員的疲勞狀態(tài)提供理論依據(jù)。2)準(zhǔn)確建立起描述駕駛行為與疲勞之間關(guān)系的數(shù)學(xué)模型。利用目前常用的接觸式檢測(cè)方法，找出疲勞駕駛的表征及原因，為實(shí)時(shí)的、客觀的非接觸式檢測(cè)方法確定合理的疲勞駕駛檢測(cè)標(biāo)準(zhǔn)。3)建立可靠的駕駛疲勞評(píng)價(jià)體系。隨著腦成像技術(shù)以及認(rèn)知神經(jīng)科學(xué)的飛速發(fā)展，系統(tǒng)地研究認(rèn)知疲勞過(guò)程和功能狀態(tài)，并通過(guò)人量的實(shí)驗(yàn)研究，探討確定詳細(xì)的駕駛疲勞評(píng)價(jià)標(biāo)準(zhǔn)。4)進(jìn)一步融合多種信息，提高疲勞駕駛監(jiān)測(cè)系統(tǒng)的可靠性，將是今后的重點(diǎn)研究方向之一。隨著智能傳感器、數(shù)字圖像處理、移動(dòng)通信、模式識(shí)別、計(jì)算機(jī)科學(xué)、白動(dòng)控制、信息處理、DSP等技術(shù)的大力推廣和發(fā)展，使其能對(duì)駕駛員疲勞程度進(jìn)行定性和定量相結(jié)合的檢測(cè)，以達(dá)到提高檢測(cè)準(zhǔn)確性的目的。5)設(shè)計(jì)可靠、低廉、有效、便攜的疲勞駕駛監(jiān)測(cè)系統(tǒng)，促進(jìn)疲勞駕駛預(yù)警系統(tǒng)的產(chǎn)品化和商品化要在汽車(chē)上普及，成功安裝、使用疲勞駕駛預(yù)警系統(tǒng)，首先是對(duì)駕駛員的駕駛行為不產(chǎn)生干擾，方便駕駛員的駕駛;其次是必須絕對(duì)準(zhǔn)確、可靠;最后必須保證價(jià)格低廉，使有關(guān)公司及車(chē)主在費(fèi)用上能輕松承擔(dān)。6)利用數(shù)字移動(dòng)通信和無(wú)線傳感技術(shù)開(kāi)發(fā)駕駛員疲勞駕駛網(wǎng)絡(luò)監(jiān)控系統(tǒng)，擴(kuò)人疲勞駕駛監(jiān)控系統(tǒng)的時(shí)空覆蓋范圍，加強(qiáng)交通管理部門(mén)的監(jiān)管，將是今后疲勞駕駛監(jiān)測(cè)系統(tǒng)的一個(gè)重要發(fā)展方向8.新型多功能駕駛員狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)8.1無(wú)線腦電信號(hào)采集和分析1924年德國(guó)精神病學(xué)家、耶那大學(xué)的HansBerger教授首次發(fā)現(xiàn)并捕捉到人腦有規(guī)則的電活動(dòng)，即腦電信號(hào)(EEG)，就是腦部神經(jīng)細(xì)胞電位變化的信號(hào)頻率。當(dāng)前大多數(shù)腦電信號(hào)采集使用單片、DSP、ARM、FPGA等作為處理器，這些屬于有線傳輸。依據(jù)腦電圖儀記錄的數(shù)據(jù)分析和臨床生理學(xué)會(huì)國(guó)際聯(lián)盟的分類，腦電信號(hào)的頻率分為：α波(8~13Hz，20~100uV)、β波(13~30Hz，5~20uV)、δ波(0.5~4HZ，20~200uV)、θ波(4~8Hz，100uv~150uV)4個(gè)頻段。腦電信號(hào)非常微弱，一般只有50μV左右，幅值范圍為5μV~100μV。所以，腦電信號(hào)放大增益要比一般的信號(hào)高得多，一般要放大20000倍左右。系統(tǒng)分為數(shù)據(jù)采集傳輸、濾波放大、電源設(shè)計(jì)和數(shù)據(jù)處理四個(gè)模塊。數(shù)據(jù)采集傳輸與處理模塊采用MSP430系列單片機(jī)作為控制器，無(wú)線收發(fā)模塊CC2500作為數(shù)據(jù)傳輸,MSP430單片機(jī)通過(guò)SPI口進(jìn)行數(shù)據(jù)的發(fā)送與接收，然后把接收到的腦電數(shù)據(jù)通過(guò)UART轉(zhuǎn)USB芯片傳輸給數(shù)據(jù)處理服務(wù)器進(jìn)行數(shù)據(jù)處理。濾波放大模塊采用前置放大器AD620作為主放大器，前級(jí)采用兩個(gè)單運(yùn)放OP07運(yùn)放放大器組成并聯(lián)型差動(dòng)放大器，采用無(wú)源高通濾波(阻容耦合電路)，采用集成芯片MAX280作為低通濾波，采用反相放大器進(jìn)行后級(jí)放大。電源設(shè)計(jì)模塊采用兩種供電模式：1)四節(jié)干電池供電，中間接地，將另一端拉至-3v。2)采用單電源供電，可直接使用汽車(chē)電源接口轉(zhuǎn)換為3v。8.1.1情緒預(yù)警駕駛員在憤怒、亢奮、悲傷等情緒狀態(tài)下發(fā)生交通事故的幾率遠(yuǎn)遠(yuǎn)高于正常情況，據(jù)統(tǒng)計(jì)由情緒化駕駛引起的交通事故約占事故總數(shù)的9.2%～14.8%。有效的實(shí)時(shí)監(jiān)測(cè)駕駛員情緒狀態(tài)對(duì)車(chē)輛人員安全和遏制交通事故具有一定的應(yīng)用價(jià)值。腦電采集的關(guān)鍵參數(shù)設(shè)置：采樣率為500Hz;取0.53～60Hz之間的腦電信號(hào);低通40Hz，高通0.35Hz；采用EDF數(shù)據(jù)存儲(chǔ)；電極通道選用：額葉區(qū)H1，H2和H3，H4，頂葉區(qū)D1，D2，枕葉區(qū)Z1，Z2，顳葉區(qū)S1，S2；參考電極為左右耳部電極C1，C2為參考。分別采集當(dāng)駕駛員處于平靜、興奮和悲傷情緒狀態(tài)模擬駕駛時(shí)的四個(gè)區(qū)的腦電信號(hào)。采用Neroscan4.3軟件對(duì)采集的腦電信號(hào)進(jìn)行分析和偽跡剔除發(fā)現(xiàn)，駕駛員在平靜、興奮和悲傷情緒狀態(tài)模擬駕駛時(shí)，前額葉區(qū)H1，H2的腦電信號(hào)變化明顯，對(duì)識(shí)別有重要價(jià)值。8.1.2疲勞監(jiān)測(cè)經(jīng)實(shí)驗(yàn)分析發(fā)現(xiàn)，駕駛疲勞狀態(tài)腦電特征與α波、θ波、β波均有關(guān)系，因此把C＝(α+θ)/β作為檢測(cè)駕駛疲勞的參考指標(biāo)。實(shí)驗(yàn)從1.00逐步增大到最大值1.65，腦電曲線在后期變化較大。經(jīng)主觀評(píng)測(cè)及腦電數(shù)據(jù)對(duì)比分析得到：1)駕駛員在清醒狀態(tài)時(shí)，其C值為在1.14以下，數(shù)值較小。2)駕駛員在疲勞狀態(tài)時(shí)，其C值為在[1.14，1.46]之間。3)駕駛員在瞌睡狀態(tài)時(shí)，其C值逐步增大，達(dá)到1.46以上。值得注意的是，R值的變化曲線可能隨駕駛員調(diào)整、疲勞緩解而變化，出現(xiàn)反復(fù)漸進(jìn)的過(guò)程，有時(shí)出現(xiàn)時(shí)有時(shí)無(wú)，高低起伏的波動(dòng)，可設(shè)定在一定時(shí)間段內(nèi)疲勞或瞌睡狀態(tài)出現(xiàn)的次數(shù)達(dá)到3次以上報(bào)警。8.1.3突發(fā)疾病監(jiān)測(cè)隨著工作節(jié)湊加快，壓力增大，越來(lái)越多的人出現(xiàn)各種突發(fā)疾病，甚至猝死，駕駛員出現(xiàn)突發(fā)性疾病將帶來(lái)極其嚴(yán)重的后果。通過(guò)腦電信號(hào)實(shí)時(shí)監(jiān)測(cè)到疾病信號(hào)好，及時(shí)發(fā)出報(bào)警，對(duì)預(yù)防此類交通事故有很好的價(jià)值。判定突發(fā)疾病的腦電信號(hào)參數(shù)：輕度異常：α波頻率差超過(guò)24.5Hz，波幅不對(duì)稱，兩側(cè)波幅差超過(guò)30%，枕區(qū)超過(guò)50%，生理反應(yīng)不明顯或不對(duì)稱；α波頻率減慢至8Hz，波幅達(dá)100μV以上且調(diào)節(jié)不佳；β波增多，波幅達(dá)50~100μV；額區(qū)或顳區(qū)中幅θ波達(dá)20%，低幅δ波達(dá)10%；過(guò)度換氣誘發(fā)出θ波大于70μV或δ波大于25μV。2)中度異常：α波頻率減慢為7~8Hz，枕區(qū)原有α波消失或一側(cè)減少消失；額、顳區(qū)有陣發(fā)性波幅較高的α活動(dòng)；中波幅θ活動(dòng)數(shù)量達(dá)50%；出現(xiàn)少量棘波、尖波、棘或尖-慢綜合波等；過(guò)度換氣誘發(fā)出高幅δ波。3)重度異常：高波幅θ或δ波為主要節(jié)律，α波消失或僅存少量8Hzα波散在；自發(fā)或誘發(fā)長(zhǎng)程或反復(fù)出現(xiàn)高幅棘波、尖波、棘或尖-慢綜合波等；高度失律、爆發(fā)性抑制、周期性發(fā)放等；持續(xù)性廣泛性扁平電位。8.2酒精監(jiān)測(cè)駕駛員酒后駕駛檢測(cè)一般分為血液檢測(cè)和呼氣式酒精氣體檢測(cè)兩種。本系統(tǒng)采用汽車(chē)嵌入式酒精氣體檢測(cè)方法，通過(guò)酒精傳感器檢測(cè)駕駛員呼出氣體中的酒精濃度值判定駕駛員的飲酒程度。采用高靈敏度的MQ-3酒精傳感器，5V直流供電，如圖2所示。選擇AOUT，模擬量輸出，直接將AOUT腳接AD轉(zhuǎn)換的輸入端。在沒(méi)有被測(cè)氣體的環(huán)境中，設(shè)定傳感器輸出電壓值為參考電壓，AOUT端的電壓在1V左右，當(dāng)傳感器檢測(cè)到被測(cè)氣體時(shí)，電壓每升高0.1V，實(shí)際被測(cè)氣體的濃度增加20ppm（1ppm=1mg/kg=1mg/L=1×0.000001常用來(lái)表示氣體濃度，或者溶液濃度），根據(jù)這個(gè)參數(shù)就可以在單片機(jī)里面將測(cè)得的模擬量電壓值轉(zhuǎn)換為濃度值。9.多源信息融合在駕駛疲勞檢測(cè)中的應(yīng)用9.1駕駛疲勞特征醫(yī)學(xué)上把人體困頓、倦怠的感覺(jué)定義為疲勞，并作為一種信號(hào)來(lái)提醒人們休息和放松。駕駛疲勞，則是指駕駛?cè)嗽陂L(zhǎng)時(shí)間連續(xù)行車(chē)后，產(chǎn)生生理機(jī)能和心理機(jī)能的失調(diào)，而在客觀上出現(xiàn)駕駛技能下降的現(xiàn)象。駕駛疲勞會(huì)影響到駕駛?cè)说淖⒁饬Α⒏杏X(jué)、知覺(jué)、思維、判斷、意志、決定和運(yùn)動(dòng)等諸方而。9.1.1PERCLOS值的計(jì)算眼睛的狀態(tài)變化已經(jīng)被研究證明是反映人疲勞最為直接和有效的表征?？谇盎谘劬Φ南嚓P(guān)檢測(cè)方法主要有PERCLOS法、眨眼頻率檢測(cè)法、瞳孔大小的檢測(cè)和眼睛視線方向檢測(cè)法等幾種。其中PERCLOS法已經(jīng)被公認(rèn)為疲勞檢測(cè)最好的視覺(jué)參數(shù)。而其他幾種眼睛的檢測(cè)方法也都基于視覺(jué)，處理方法類似，因此在文中我們只選取了PERCLOS值作為融合的其中一個(gè)參數(shù)。PERCLOS(percentageofeyelidclosureoverthepupilovertime)是指眼睛閉合時(shí)間占某一特定時(shí)間的百分比。PER-CLOS法是1994年Wierwille等根據(jù)在駕駛模擬器上的實(shí)驗(yàn)結(jié)果確立的。其中眼睛閉合還設(shè)定了三種標(biāo)準(zhǔn)，分別為70%、80%和完全閉合，通過(guò)實(shí)驗(yàn)證明80%標(biāo)準(zhǔn)是效果最好。9.1.2行駛方向改變與駕駛員反應(yīng)不一致情況在人體工程學(xué)原理中提到，當(dāng)駕駛員進(jìn)入疲勞狀態(tài)后，反應(yīng)遲鈍、注意力不集中。當(dāng)車(chē)輛轉(zhuǎn)彎時(shí)，行駛路線改變，此時(shí)如果轉(zhuǎn)向燈并未開(kāi)啟，則可以間接認(rèn)為是駕駛員由于疲勞過(guò)度或精神不集中造成。因此把識(shí)別行駛方向變化和駕駛員反應(yīng)的不一致情況也作為判斷的一個(gè)因素。檢測(cè)汽車(chē)的轉(zhuǎn)向我們通過(guò)方向盤(pán)轉(zhuǎn)向傳感器來(lái)實(shí)現(xiàn)，同時(shí)通過(guò)檢測(cè)轉(zhuǎn)向燈的開(kāi)關(guān)電壓值來(lái)判斷轉(zhuǎn)向燈是否開(kāi)啟。而最后通過(guò)計(jì)算檢測(cè)這一不一致情況發(fā)生的次數(shù)，將此次數(shù)作為信息融合的參數(shù)，根據(jù)次數(shù)的多少來(lái)判斷疲勞程度。由于車(chē)輛何時(shí)轉(zhuǎn)向是不定問(wèn)題，而檢測(cè)得的數(shù)據(jù)又希望是對(duì)疲勞的實(shí)時(shí)反映，因此對(duì)次數(shù)的統(tǒng)計(jì)，我們以檢測(cè)前5分鐘作為統(tǒng)訓(xùn)一時(shí)間。9.1.3方向盤(pán)動(dòng)作狀態(tài)通常，駕駛員在行車(chē)過(guò)程中，需要不斷對(duì)方向作出調(diào)整，即使在筆直的道路上行駛，也總是需要對(duì)方向盤(pán)做一些輕微的轉(zhuǎn)動(dòng)。而根據(jù)駕駛疲勞的定義及其從生理表現(xiàn)上考慮，當(dāng)駕駛員處于駕駛疲勞狀態(tài)時(shí)會(huì)出現(xiàn)注意力不集中，操縱停頓等現(xiàn)象，因此通過(guò)監(jiān)測(cè)方向盤(pán)的動(dòng)作狀態(tài)可以間接反映駕駛員是否處于疲勞狀態(tài)，如果在經(jīng)歷一定時(shí)間內(nèi)方向盤(pán)沒(méi)有任何動(dòng)作，就可以判斷為動(dòng)作疲勞，方向盤(pán)動(dòng)作狀態(tài)異常，而且該疲勞的程度與方向盤(pán)無(wú)動(dòng)作的時(shí)間成正比關(guān)系。根據(jù)方向盤(pán)監(jiān)視裝置S.A.M中的理論，方向盤(pán)不動(dòng)以4、為判斷閡值，當(dāng)檢測(cè)到方向盤(pán)持續(xù)不動(dòng)時(shí)間超過(guò)4、時(shí)，可以判定為駕駛疲勞。9.1.4連續(xù)駕駛時(shí)間駕駛疲勞產(chǎn)生的一個(gè)原因是駕駛員連續(xù)行車(chē)時(shí)間過(guò)長(zhǎng)，導(dǎo)致生理機(jī)能和心理機(jī)能的失調(diào)。根據(jù)我國(guó)國(guó)家交通法規(guī)定，機(jī)動(dòng)車(chē)駕駛?cè)嗽谶B續(xù)駕駛時(shí)間達(dá)4小時(shí)，就必須休息20分鐘。由此可以相信連續(xù)駕駛時(shí)間過(guò)長(zhǎng)也可以作為駕駛員疲勞的間接原因，因此當(dāng)駕駛員連續(xù)駕駛時(shí)間超過(guò)一定時(shí)間，可以作為判斷駕駛疲勞的依據(jù)之一，而且疲勞程度也與該時(shí)間成正比關(guān)系。9.1.5實(shí)際時(shí)間參數(shù)由于圖像處理技術(shù)在光線條件差的情況下無(wú)法獲取信息，因此在光線條件差的情況下我們不能把PERCLOS值作為檢測(cè)疲勞的重要依據(jù)，而主要作為參考的是其他非圖像手段獲取的疲勞特征信息。因此我們需要對(duì)時(shí)間進(jìn)行分段考慮，文中我們簡(jiǎn)單的分成白天和夜晚兩個(gè)時(shí)間段，上午8點(diǎn)至下午5點(diǎn)為一個(gè)時(shí)間段，其余為另一個(gè)時(shí)間段。9.2模糊神經(jīng)網(wǎng)絡(luò)疲勞識(shí)別我們描述了5種常用的駕駛疲勞檢測(cè)特征參數(shù)，各檢測(cè)方法能夠一定程度地檢測(cè)出疲勞，但由于在實(shí)際行車(chē)過(guò)程中，情況復(fù)雜，因此各自檢測(cè)的可靠性均存在不同程度的疑問(wèn)，也都存在較高的誤報(bào)情況。PERCLOS值由于依靠圖像處理方法檢測(cè)，受光線等影響較大，因此不同時(shí)間其可靠性不夠，另外在眨眼上，不同的人的差異也較大;而對(duì)行駛方向改變與司機(jī)反應(yīng)不一致情況和方向盤(pán)動(dòng)作狀態(tài)單一檢測(cè)，則由于不同駕駛習(xí)慣的區(qū)別其檢測(cè)可靠性也難以滿足要求。在分析以上方法單一檢測(cè)的情況后，針對(duì)其存在的問(wèn)題，再結(jié)合模糊邏輯在處理不確定性和非線性問(wèn)題的優(yōu)勢(shì)，以及神經(jīng)網(wǎng)絡(luò)容錯(cuò)能力強(qiáng)且具備自適應(yīng)學(xué)習(xí)能力