周萬根　黃雋

摘 要 本研究設(shè)計(jì)了一種疲勞駕駛檢測系統(tǒng)，硬件主要采用DSP芯片和紅外攝像頭，軟件利用OpenCV開源庫，進(jìn)行人臉識(shí)別和人眼信息檢測，從而進(jìn)行疲勞檢測。該系統(tǒng)的檢測效果較好，對疲勞特征進(jìn)行融合加權(quán)之后可以達(dá)到92%的準(zhǔn)確率，檢測幀率普遍維持在24FPS左右，完全滿足疲勞檢測對實(shí)時(shí)性的要求。

關(guān)鍵詞 疲勞駕駛 人臉識(shí)別 人眼定位 DPS芯片

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0745（2022）03-0001-03

疲勞駕駛作為影響駕駛安全的重要因素之一，已成為熱門研究課題。國內(nèi)外對疲勞駕駛檢測的研究方法總體上可以分為兩大類：主觀檢測方法[1]和客觀檢測方法[2]。主觀檢測方法包括評價(jià)性檢測與生理反應(yīng)檢測。然而，主觀方法存在自身的局限性，只能用于疲勞判定，難以用于汽車行駛環(huán)境。本文采用人臉識(shí)別分析人眼特征的疲勞檢測算法，適合于汽車行駛的場合，具有較高的便捷性、實(shí)用性和經(jīng)濟(jì)性，可接受性強(qiáng)，并且檢測準(zhǔn)確率高，因而具有較好的研究價(jià)值和社會(huì)價(jià)值。

1 系統(tǒng)的工作原理

如圖1所示，在DSP的硬件平臺(tái)，軟件利用Op- enCV提供的框架提取視頻文件，從視頻流循環(huán)中讀取圖像;對圖像做維度擴(kuò)大，并進(jìn)灰度化;提取幀圖像檢測人臉，用矩形框標(biāo)注人臉，并對人臉圖像標(biāo)識(shí) 68 個(gè)關(guān)鍵特征點(diǎn);將臉部位置特征信息轉(zhuǎn)換為數(shù)組格式，分別提取左右眼坐標(biāo)，構(gòu)造函數(shù)計(jì)算眼部特征EAR值;根據(jù)EAR值實(shí)時(shí)計(jì)算PERCLOS值，再結(jié)合非疲勞時(shí)的EAR，兩者實(shí)時(shí)對比，即可判定為是否疲勞狀態(tài)，超過疲勞閾值則發(fā)出疲勞示警。

2 硬件設(shè)計(jì)

采用DSP芯片TMS320C6748搭建圖像采集與處理的硬件系統(tǒng)，其中還有紅外CCD（DH-S10-1080P）、聲光預(yù)警電路和3.5寸LCD屏，組成了一套具備實(shí)時(shí)采集、處理、圖像顯示的系統(tǒng)。紅外攝像頭安裝在駕駛臺(tái)上前方，通過USB把圖像傳輸給DSP，在夜晚也能采集駕駛員臉部圖像。硬件系統(tǒng)的組成如圖2所示，紅外攝像頭安裝在駕駛臺(tái)上前方，通過 USB 端口把圖

像數(shù)據(jù)傳輸?shù)紻SP芯片內(nèi)部，在光線較差的夜晚也能較清楚的采集到駕駛員臉部的圖像信息。DSP內(nèi)部運(yùn)行調(diào)用OpenCV圖像識(shí)別開源庫，進(jìn)行人臉識(shí)別，將采集的圖像顯示在3.5寸的液晶屏上，其中可以根據(jù)參數(shù)設(shè)置選擇是直接顯示采集的圖像和帶有測試點(diǎn)的圖像信息，帶有測試點(diǎn)的顯示模式便于程序調(diào)試。SD卡作為存儲(chǔ)元件，是保存駕駛員的人臉特征信息，尤其是精神飽滿時(shí)的特征值，以便于實(shí)時(shí)判別其疲勞狀態(tài)。

3 軟件設(shè)計(jì)

3.1 人臉定位

利用 OpenCV 讀寫視頻流，循環(huán)出圖像幀，初始化 DLIB 的人臉檢測器（HOG），然后創(chuàng)建面部標(biāo)志物預(yù)測。引入并使用人臉識(shí)別算法應(yīng)用中的開源檢測器工具dlib.get_frontal_face_detector 和 dlib.shape_predictor 構(gòu)建人臉位置檢測器[3]，再獲取人臉特征關(guān)鍵點(diǎn)。對從視頻流中循環(huán)讀取出的幀圖像做維度擴(kuò)大，并灰度化。使用 detector（gray，0）進(jìn)行人臉位置檢測，使用predictor（gray，0）獲取人臉特征關(guān)鍵點(diǎn)的位置信息，參數(shù)gray表示灰度圖。將獲取的信息轉(zhuǎn)換為array 數(shù)組格式。再使用 cv2.convexHull 獲取數(shù)組array的凸包位置，畫出人臉輪廓位置，進(jìn)行畫圖操作。使用 shape_predictor_68_face_landmarks.dat，可以得到 68 個(gè)特征點(diǎn)位置的坐標(biāo)，其中人臉外輪庫的標(biāo)記點(diǎn)的序號(hào)為0-16，共計(jì)17點(diǎn)，右眉毛的特征點(diǎn)序號(hào)為17-21共5個(gè)點(diǎn)，左眉為22-25，鼻部的特征點(diǎn)的序號(hào)為27-35，右眼特征點(diǎn)序號(hào)36-41，左眼為42-47，48-67均為嘴唇的特征點(diǎn)。這些特征點(diǎn)的坐標(biāo)值就可以用于一些相關(guān)信息的計(jì)算，其中36-47可以作為雙眼睜閉信息的識(shí)別。

3.2 人眼信息識(shí)別及PERCLOS值計(jì)算

根據(jù)已經(jīng)得到的 68 個(gè)特征點(diǎn)位置的坐標(biāo)，參照以上描述的人臉各個(gè)重點(diǎn)部位的特征點(diǎn)序號(hào)，右眼36-41或者左眼42-47可獲得1個(gè)眼長和2個(gè)眼寬參數(shù)，以右眼為例眼長為36與39之間橫向差值，眼寬共有兩個(gè)，寬1為37與41的縱向差值，寬2為38與40的縱向差值，并計(jì)算眼睛長寬比EAR值如式（1）所示：

用EAR大小判定眼睛的睜閉狀態(tài)，還可以求得眼皮遮擋眼球率，用于計(jì)算一定時(shí)間內(nèi)閉眼所占的比例值，即PERCLOS值[4]，從而進(jìn)行疲勞判斷。如圖3所示，圖中的t1為眼睛睜開最大程度至閉合眼度20%的時(shí)間，也稱為睜開程度80%的時(shí)間，t2是從最大睜開度到閉合度80%的時(shí)間，t3為從最大睜開度到閉合度100%，再到睜開度為20%的時(shí)間和，而t4則可以認(rèn)為是整個(gè)閉眼動(dòng)作的全周期的基礎(chǔ)上減去t1的值。

PERCLOS疲勞檢測式通過計(jì)算人眼的睜開閉合程度，用來衡量疲勞的標(biāo)準(zhǔn)。PERCLOS的具體概念為在規(guī)定的時(shí)間內(nèi)人眼閉合某個(gè)程度的時(shí)間所占總時(shí)間的百分比，故有一個(gè)閾值用于判斷人眼是否閉合，對于這個(gè)閾值有三個(gè)標(biāo)準(zhǔn)，即P70、P80和EM[5]等標(biāo)準(zhǔn)值。它們具體含義為：P70，遮擋眼球面積大于70%，判定為閉眼;P80，遮擋大于80%;EM，遮擋大于50%，即判定為閉眼。選擇任一標(biāo)準(zhǔn)，然后計(jì)算眼睛閉合時(shí)間比例。PERCLOS的理論值f，需要計(jì)算時(shí)間值t1～t4，f值的公式如式（2）所示：

在實(shí)際檢測中，時(shí)間的精準(zhǔn)度難以保證，主控芯片需要實(shí)時(shí)讀取攝像頭的圖像數(shù)據(jù)，將圖像信息發(fā)送至液晶屏顯示，而且還需要運(yùn)行OpenCV 庫代碼進(jìn)行人臉識(shí)別，上述三個(gè)任務(wù)讓DSP消費(fèi)的時(shí)間很難精確到毫秒級甚至微秒級別，因此用直觀的時(shí)間概念來計(jì)算PERCLOS的理論值f有點(diǎn)不切實(shí)際，故采用檢測幀數(shù)的計(jì)數(shù)結(jié)果作為時(shí)間的參照替代參數(shù)，從而便有了PECLOS實(shí)際值，或稱為PECLOS近似值的計(jì)算，其計(jì)算方式以檢測幀數(shù)為參數(shù)進(jìn)行描述，表示見式（3）：

每次開啟系統(tǒng)，一般認(rèn)為是駕駛員精神最佳狀態(tài)，此時(shí)人眼活動(dòng)可以作為聚類學(xué)習(xí)的庫，采集3～5分鐘的人眼信息后，進(jìn)行聚類分析，可以得到眼睛的最大睜開特征值和固定眨眼頻率參數(shù)等，將其保存起來，再采集50個(gè)眼睛睜開特征值，求得平均值作為疲勞判定閾值，就可以用于后續(xù)行駛過程中實(shí)時(shí)判斷駕駛員的疲勞狀態(tài)。

4 系統(tǒng)測試結(jié)果

在室內(nèi)自然光和黑暗無光環(huán)境均進(jìn)行了測試，紅外攝像頭均可以采集到駕駛員的臉部圖像，在灰度顯示模式下，同一個(gè)駕駛員的臉部信息的采集受到外界光源的影響較小。在以DSP TMS320C6748為主芯片的Analog Devices Visual DSP++平臺(tái)下，運(yùn)行OpenCV視頻流讀寫庫，能夠?qū)崟r(shí)采集人臉信息，識(shí)別出人臉的68個(gè)特征點(diǎn)，對于同一個(gè)駕駛員在疲勞和非疲勞狀態(tài)，在68個(gè)特征點(diǎn)中的雙眼12個(gè)特征點(diǎn)的相對位置變化較為頻繁，嘴部特征點(diǎn)也有一些細(xì)微變化，其他部位的36個(gè)點(diǎn)均較為穩(wěn)定，通過實(shí)時(shí)計(jì)算人眼的特征值，實(shí)現(xiàn)疲勞檢測的功能，并能發(fā)出警示聲光。實(shí)驗(yàn)結(jié)果表明本系統(tǒng)能實(shí)現(xiàn)疲勞駕駛的檢測功能，能達(dá)到92%的準(zhǔn)確率，檢測幀率普遍維持在24FPS左右，完全滿足疲勞檢測對實(shí)時(shí)性的要求。

5 結(jié)語

本文基于DSP平臺(tái)，采用OpenCV開源資源對駕駛?cè)诉M(jìn)行人臉識(shí)別，實(shí)現(xiàn)了實(shí)時(shí)疲勞告警的功能需求，因其設(shè)備便攜度高，可以廣泛應(yīng)用于汽車出行。該系統(tǒng)具備良好的可維護(hù)性和可拓展性，經(jīng)過進(jìn)一步訓(xùn)練與改進(jìn)，能夠成為一個(gè)功能更加完備、人機(jī)交互更加舒適的疲勞駕駛檢測系統(tǒng)。

參考文獻(xiàn)：

[1] 張娟萍.人臉識(shí)別與對比技術(shù)在物聯(lián)網(wǎng)智能交通中的應(yīng)用[J].電子技術(shù)與軟件工程，2019（16）：166-167.

[2] 張廷，熊章錦，周小凱，等.基于云平臺(tái)的疲勞駕駛檢測系統(tǒng)[J].中央民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，29 （03）：61-66，70.

[3] 戴燕玲.基于人臉識(shí)別技術(shù)的汽車防疲勞駕駛系統(tǒng)[J].電子技術(shù)與軟件工程，2020（12）：119-120.

[4] 朱名流，李頂根.基于人臉特征點(diǎn)的疲勞檢測方法研究[J].計(jì)算機(jī)應(yīng)用研究，2020，37（S2）：305-307.

[5] 鐘馬馳，張俊朗，藍(lán)揚(yáng)波，等.基于人臉檢測和模糊綜合評判的在線教育專注度研究[J].計(jì)算機(jī)科學(xué)，20 20，47（z2）：196-203.