李明潤(rùn)

[摘? ? 要]疲勞駕駛是指駕駛?cè)嗽陂L(zhǎng)時(shí)間連續(xù)行車后，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，并且最關(guān)鍵的是，司機(jī)自己經(jīng)常無(wú)法發(fā)現(xiàn)自己已經(jīng)疲勞。文章提出的安全系統(tǒng)方案是，通過兩個(gè)部分來(lái)綜合判斷司機(jī)是否已經(jīng)處于疲勞狀態(tài)。如果其中一個(gè)判斷司機(jī)已經(jīng)疲勞，那么系統(tǒng)就會(huì)出發(fā)提醒，防止交通事故的發(fā)生，并且最后還通過模擬試驗(yàn)來(lái)驗(yàn)證了這個(gè)系統(tǒng)的有效性。

[關(guān)鍵詞]疲勞駕駛;人臉識(shí)別;姿態(tài)識(shí)別;加速度傳感器

[中圖分類號(hào)]U270 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2021）09–0–02

[Abstract]We can often hear traffic accidents caused by fatigue driving in life and news. Among them， fatigue driving refers to the imbalance of physiological and psychological functions of the driver after a long time of continuous driving， and the phenomenon of decreased driving skills objectively occurs， and the most important thing is that the driver himself often cannot find himself tired. The solution proposed by the article is that we use two parts to comprehensively judge whether the driver is already in a state of fatigue. If one of them judges that the driver is tired， then our system will send out a reminder to prevent the occurrence of traffic accidents， and finally we also verify the effectiveness of our system through simulation experiments.

[Keywords]fatigue driving; face recognition; gesture recognition; acceleration sensor

1 創(chuàng)新點(diǎn)

（1）通過攝像頭進(jìn)行人臉識(shí)別，并對(duì)閉眼時(shí)間判斷是否疲勞駕駛。其中人臉姿態(tài)識(shí)別：采用了最高效敏感的姿態(tài)識(shí)別的算法來(lái)對(duì)人的疲勞進(jìn)行判斷識(shí)別。

（2）通過在方向盤上增加加速度傳感器來(lái)綜合判斷司機(jī)是否疲勞，從而防止人臉識(shí)別不準(zhǔn)確而誤判司機(jī)疲勞駕駛。疲勞駕駛狀態(tài)的判斷機(jī)制：基于感知姿態(tài)數(shù)據(jù)，基于統(tǒng)計(jì)學(xué)方法建立起分析疲勞駕駛狀態(tài)的判斷機(jī)制，防止誤判。

（3）直接通過警報(bào)來(lái)提醒駕駛員疲勞駕駛，比起開窗通風(fēng)等緩解疲勞，警報(bào)更為有效安全。采用了雙向測(cè)試的檢測(cè)，從而確保檢測(cè)結(jié)果準(zhǔn)確。并且基于疲勞駕駛判斷結(jié)果，考慮駕駛環(huán)境，預(yù)采用柔和的報(bào)警聲代替緊促的報(bào)警聲，防止駕駛員在狀態(tài)變化過程中發(fā)生意外。

2 硬件設(shè)計(jì)

首先用攝像頭識(shí)別人臉，對(duì)人臉特征點(diǎn)進(jìn)行識(shí)別然后傳入信號(hào)處理器通過算法進(jìn)行計(jì)算，當(dāng)被判定為疲勞駕駛時(shí)蜂鳴器將發(fā)出警報(bào)，如圖1所示。

3 軟件設(shè)計(jì)

安全系統(tǒng)是由這些攝像頭對(duì)人體的姿態(tài)進(jìn)行識(shí)別從而做出判斷的，同時(shí)還通過方向盤上的各種傳感器來(lái)進(jìn)行是否瞌睡的判斷。當(dāng)2個(gè)都同時(shí)判斷成功的時(shí)候，才認(rèn)定司機(jī)處于疲憊狀態(tài)，便會(huì)發(fā)出警報(bào)提醒。其安全系統(tǒng)軟件部分主要由以下兩部分組成。

3.1 姿態(tài)識(shí)別

3.1.1 原理介紹

如2圖所示，模型的基本框架基于強(qiáng)大的CNN，避免了姿態(tài)去建立主要模型，而是從大量的數(shù)據(jù)中學(xué)習(xí)模型和特征。

而在本文中使用的是OpenPose。OpenPose人體姿態(tài)識(shí)別項(xiàng)目是美國(guó)卡耐基梅隆大學(xué)（CMU）基于卷積神經(jīng)網(wǎng)絡(luò)和監(jiān)督學(xué)習(xí)并以caffe為框架開發(fā)的開源庫(kù)?？梢詫?shí)現(xiàn)人體動(dòng)作、面部表情、手指運(yùn)動(dòng)等姿態(tài)估計(jì)。適用于單人和多人，具有極好的魯棒性。是世界上首個(gè)基于深度學(xué)習(xí)的實(shí)時(shí)多人二維姿態(tài)估計(jì)應(yīng)用，基于它的實(shí)例如雨后春筍般涌現(xiàn)。人體姿態(tài)估計(jì)技術(shù)在體育健身、動(dòng)作采集、3D試衣、輿情監(jiān)測(cè)等領(lǐng)域具有廣闊的應(yīng)用前景，人們更加熟悉的應(yīng)用就是抖音尬舞機(jī)。

3.1.2 人臉識(shí)別

大部分用戶不需要調(diào)用OpenPose的C++和Python的開發(fā)接口，這些用戶只需要運(yùn)行OpenPose Demo即可。OpenPose Demo是為了便于處理圖片、視頻或者網(wǎng)絡(luò)攝像頭的視頻流，并展示和處理結(jié)果。

其中校準(zhǔn)工具即三維的OpenPose處理和其他立體視覺處理任務(wù)需要便捷校準(zhǔn)攝像機(jī)。OpenPose C++ API：如果想定制開發(fā)讀取特定內(nèi)容的接口、增加個(gè)性定制的后處理功能或者展示存儲(chǔ)功能，點(diǎn)擊這個(gè)鏈接查看C++的API接口。examples/tutorial_api_cpp/和doc/library_introduction.md?？梢栽黾幼约旱拇aexamples/user_code/使用Cmake快速編譯整個(gè)項(xiàng)目。

其中獨(dú)立的臉部和手指檢測(cè)：不對(duì)身體關(guān)鍵點(diǎn)進(jìn)行識(shí)別，僅對(duì)臉部關(guān)鍵點(diǎn)識(shí)別。使用自己的臉部和手部識(shí)別工具：與身體關(guān)鍵點(diǎn)識(shí)別不同，可以使用自己的臉部和手部識(shí)別工具。比方說，在手指能看清但身體看不清的時(shí)候使用（OpenPose的識(shí)別器不能正常工作）。

4 實(shí)物組裝圖

對(duì)防疲勞駕駛裝置進(jìn)行了組裝，整個(gè)裝置主要分為電子部分和機(jī)械部分，如圖3所示。電子部分主要包括傳感器（運(yùn)動(dòng)傳感器和壓力傳感器），基于Arduino UNO的控制中樞以及提示作用的蜂鳴器，機(jī)械部分則利用3D打印機(jī)制成了模擬方向盤。

本文設(shè)計(jì)的安全裝置充分考慮了司機(jī)的操作習(xí)慣。規(guī)范的習(xí)慣是雙手控制方向盤的轉(zhuǎn)向，那么在打方向的過程中必定對(duì)方向盤有一定的握持力度。將基于機(jī)械按鍵的壓力傳感器放置在方向盤的左右兩側(cè)，能夠很好地感知到司機(jī)在打方向的過程中壓力數(shù)據(jù)輸入。接下來(lái)，傳感系統(tǒng)的核心部分——基于運(yùn)動(dòng)傳感器MPU6050模塊裝置在方向盤的中央，能夠很好地感知在打方向過程中方向盤變化的角度數(shù)據(jù)。這兩部分?jǐn)?shù)據(jù)能夠?qū)崟r(shí)地被Arduino UNO采集，做預(yù)處理。

5 試驗(yàn)部分

5.1 試驗(yàn)設(shè)計(jì)

（1）試驗(yàn)?zāi)康模浩跔顟B(tài)監(jiān)測(cè)與邏輯分析試驗(yàn)。

（2）試驗(yàn)方法：模擬駕駛。

（3）試驗(yàn)設(shè)備：防疲勞方向盤。

（4）理論知識(shí)：首先要了解RPY模型（Roll-Pitch-Yaw），這個(gè)模型表示飛行器當(dāng)前飛行姿態(tài)的一個(gè)通用模型，即建立圖4所示坐標(biāo)系，并用Roll表示繞x軸的旋轉(zhuǎn)，Pitch表示繞y軸的旋轉(zhuǎn)，Yaw表示繞z軸的旋轉(zhuǎn)。這里借鑒了這個(gè)模型，將其用在反映駕駛方向盤的狀態(tài)上。

使用四個(gè)量來(lái)表示空間直角坐標(biāo)系的位置。常見的是6個(gè)量，分別是單位矢量i，j，k，以及點(diǎn)坐標(biāo)x，y，z。而四元素則表示為：

四元數(shù)姿態(tài)解算算法式（2）將傳感器原始數(shù)據(jù)加速度a，角速度ω和三軸RPY模型轉(zhuǎn)向姿態(tài)角隨時(shí)間的變化率聯(lián)系起來(lái)。于是，通過學(xué)習(xí)了基于四元素算法的庫(kù)文件，對(duì)MPU6050原始數(shù)據(jù)進(jìn)行解算。

5.2 試驗(yàn)結(jié)果

5.2.1 期望

通過對(duì)按鍵數(shù)據(jù)的采集，發(fā)現(xiàn)按鍵數(shù)據(jù)主要分布在0～1，如果長(zhǎng)時(shí)間握持方向盤，按下按鍵，那么數(shù)據(jù)均值趨向于1;相反，如果處于疲勞狀態(tài)，可能長(zhǎng)時(shí)間沒有按壓，那么數(shù)據(jù)均值趨向于0。于是用統(tǒng)計(jì)學(xué)中的期望概念去描述按鍵的狀態(tài)。

5.2.2 標(biāo)準(zhǔn)差

通過對(duì)運(yùn)動(dòng)傳感器數(shù)據(jù)的采集，發(fā)現(xiàn)如果司機(jī)一直在打方向盤，那么姿態(tài)數(shù)據(jù)波動(dòng)較大;相反，波動(dòng)較小。于是數(shù)據(jù)波動(dòng)大小是判斷司機(jī)疲勞駕駛的必要條件。用統(tǒng)計(jì)學(xué)中的標(biāo)準(zhǔn)差概念去描述運(yùn)動(dòng)數(shù)據(jù)的波動(dòng)。

6 結(jié)論

經(jīng)試驗(yàn)，各項(xiàng)數(shù)據(jù)如預(yù)期可以正常運(yùn)行，且達(dá)到了預(yù)期的目的。

參考文獻(xiàn)

[1] 陳瑜，李錦濤，徐軍莉，等.基于眼動(dòng)特征的駕駛員疲勞預(yù)警系統(tǒng)設(shè)計(jì)[J].軟件導(dǎo)刊，2020，19（5）：116-119.

[2] 史瑞鵬，錢屹，蔣丹妮.一種基于卷積神經(jīng)網(wǎng)絡(luò)的疲勞駕駛檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究，37（11）：6.

[3] 丁紅林.汽車駕駛員心理素質(zhì)對(duì)行車安全的影響研究[J].科技與創(chuàng)新，2019（23）：124-125.

[4] 曹昱聰.基于多特征融合的疲勞駕駛檢測(cè)系統(tǒng)研究[C].2019中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集，2019.