基于人脸识别的防疲劳智能驾驶系统

金谷香，盛文祥，彭元龙，龚博，胡啸，张小彤

（合肥职业技术学院，安徽合肥，230012）

在每年的交通事故中，因驾驶员驾驶技能不合格、驾驶习惯差、酒后驾驶、疲劳驾驶等原因引起的交通事故占交通事故的50%以上。交通事故不仅造成大量人员伤亡，而且给数以万计的家庭带来不幸，对社会经济的发展和稳定带来不可忽略的影响。疲劳是造成重大交通事故的重要原因，对司机疲劳状态进行实时监测对有效减少交通事故和人员伤亡具有十分重要的现实意义。

对于醉酒驾驶，目前实施的法律法规只能对经过的车辆进行定点检测，用以检测司机是否醉酒，但是不能从源头上阻止司机醉酒驾驶。本系统在司机打开车门上车时，使用基于STM32单片机的酒精传感器，检测汽车内空气中的酒精浓度，如果已经达到酒后驾驶的标准，立即采取相应的措施。与此同时，司机疲劳驾驶也是导致交通事故发生的主要原因之一。在司机驾驶的过程中，休息不足和过度疲劳会导致司机注意力不集中、反应迟缓等现象。在行车途中，若司机不能正确及时地做出反应，则很容易造成交通事故，重则危害人身安全。本系统利用基于图像识别的人脸特征点和人脸特征点的定位记录司机的连续驾驶时间，从而判断司机是否为疲劳驾驶。当检测到的数据达到阈值，则本系统会语音发出警报，及时提醒司机注意行车安全、需要停车休息。本系统采用模式识别技术，在方向盘上安装变压器角位移传感器、GPS模块和嵌入式模式识别系统。其中，变压器角位移传感器用于采集方向盘角的电压变化，然后嵌入式系统针对检测数据对连续变化的电压构成的波形进行模式识别，用以确定司机的疲劳程度。本系统还分析GPS数据的变化来确定车辆的停车或动作等状态，用以控制算法中连续行驶时间的周期。本系统结合变压器角位移传感器采集方向盘角的电压变化数据和GPS数据为疲劳驾驶提供预警，以便更有效地防止司机疲劳驾驶。

1 系统架构设计

1.1 基于STM32的酒精传感器

设置反醉酒驾驶室，规定驾驶员血液中的酒精含量阈值为20mg/100ml，若司机血液中酒精含量大于等于阈值，则属于酒后驾驶。根据数据调研情况[2]可以估计，在缓慢饮酒的情况下，饮用三瓶啤酒后8.6小时内驾驶车辆是违反标准的情况。

在本检测模块中，主要使用的是基于STM32单片机的酒精传感器。当车辆车门打开的时候，传感器装置立即进入工作状态，以便检测车辆内空气酒精浓度。若达到醉酒驾驶的阈值，车辆点火装置的电源将立即被切断，汽车无法启动。

本检测模块采用MQ3型酒精传感器，用以检测车辆驾驶室内空气中酒精的浓度。MQ3型酒精传感器对酒精乙醇蒸汽具有较高的灵敏性和较好的甄别性[3]，其导电率随空气中酒精乙醇浓度的增大而增加。MQ3型酒精传感器工作时，将酒精浓度转换成电信号，将传感器元件的A0端连接到单片机的模拟电压输出端。

图1 酒精传感器检测模块流程图

1.2 基于人脸识别的防疲劳驾驶检测系统

在进行图像处理智能分析时，因为涉及到大量的视频图像和其他数据，因此利用图像智能分析技术对采集系统中的视频图像数据进行处理。智能图像分析与处理技术采用智能神经网络技术，通过分层处理将有用的对象从视频图像中分离出来。该技术借助计算机强大的数据处理功能，能够快速分析视频图像数据，并且过滤掉其他多余的信息。视频源中的关键信息将自动分析和提取，这些数据都是对驾驶员进行疲劳分析的重要参数。比如：利用图像识别技术传递的数据识别车辆的车牌号等。在进行图像搜索的过程中，能够利用车辆的基础特征来搜索车辆。则利用该技术可以通过分析驾驶员的相对应视频参数，分析驾驶员是否疲劳驾驶。

图像识别广泛应用于我们的日常生活当中。随着计算机技术和电子技术的飞快发展，计算机能够实时处理图像，高效的图像处理算法和图像识别技术在智能交通领域中占据很重要的地位。图像恢复技术[4]是基于图像的主要技术。在图像识别过程中，必须对图像进行预处理，除去图像的冗余信息，提取关键的特征信息。然后对检测样本进行分类，得到分类组，最后对识别出的图像进行分类识别。

图2 人脸识别检测模块流程图

1.2.1 数据处理技术

由于系统中数据量大，同时数据的多样性和异构性，数据处理一般需要实时性和准确性。因此，采用数据融合、数据挖掘、数据激活、数据可视化等数据处理技术。因为本检测系统中检测存储有大量的视频图像等数据，故采用图像智能分析技术对智能交通中的视频图像数据进行处理。智能图像分析与处理技术采用智能神经网络技术，通过分层处理将视频图像中有用的对象分离出来。该项技术借助计算机强大的数据处理功能，可以对视频图像数据进行快速分析，并对图像进行过滤冗余信息。视频源中关键信息的自动分析和提取将为监控提供有用的信息。如：基于图像识别技术，能够利用通行数据识别车辆车牌号、车辆属于何种品牌等。如果要搜索图片，还能够通过截取车辆特征来搜索车辆。通过分析驾驶员驾车时的视频，能够判断出司机是否为疲劳驾驶。

1.2.2 图像识别技术

随着计算机技术和电子技术的飞速发展，计算机不仅可以实现实时处理图像，还可以提供高效的图像处理算法和图像识别技术，图像识别广泛应用于我们的日常生活中。图像识别技术是主要是基于图像的特征，在图像识别过程中，对图像进行预处理，除去图像中的冗余信息，以便提取关键的人物信息。然后对图像样本进行分类，得到不同特征的分类组，最后对识别出的图像进行识别分类。

为了提高检测模块的识别率，第一步要进行图像处理。图像预处理可以有效地减少图像中没有识别出的值冗余信息，消除原始图像的噪声。图像预处理单元由照相机、扫描仪和其他采集设备输入到计算机。一般的图像预处理步骤包括灰度化、二值化、去噪、图像分割等。

1.2.3 图像灰度级

由于彩色图像调色板的内容较复杂，无法处理许多图像算法，因此有必要对彩色图像的灰度值[5]进行处理。图像中每个像素的R、G、B分量的灰度图像值相等。一般的图像的灰度值是对图像的R、G、B三个分量进行加权，使用最终得到的灰度值。常用的计算灰度值的方法有平均法、最大法和加权平均法。本检测单元采用平均法计算每个像素R、G、B的平均亮度，取这三个分量的平均亮度作为该像素的灰度值，即：

该像素点的两个值是根据一定的标准将图像中的像素分为两种对比度较大的颜色。一般计算灰度值的方法有自适应阈值和给定阈值的方法。本检测单元计算灰度值采用阈值法，其基本原理是设置图像f(x,y)，灰度范围为(α1, α2)，在α1和α2之间选取合适的灰度值p，p∈(α1, α2)：

其中为(x,y)像素点图标，P为阈值。F(x,y)是经过该像素点两个值处理的灰度图像，G(x,y)是原始灰度图像。当g(x,y)＜P时，f(x,y)=0，设该点为背景图像点；当g(x,y)≥P时，f(x,y)=1，设该点为目标像点。当P太大时，偶然出现的物体会被认为是背景；当P太小时，该值会与噪声相混合。在自适应阈值化的方法中，根据所选阈值对图像进行二值化处理。处理对象是黑色的，背景是白色的。

1.2.4 图像分割

在进行图像分割之前，采用滤波处理，从而给图像进行去噪。根据噪声的类别可以选择中值滤波、自适应滤波和均值滤波。在对图像的研究和应用中，常从应用图像中分离和提取出特定的区域。目前的图像分割算法一般可分为基于像素数据的神经网络算法和基于特征数据的神经网络算法。

图像特征是不同图像之间的区别特征，可以通过图像特征区分不同的对象。提取图像特征就是从匹配图像中找到属于图像本身的特征，包括色彩、纹理、形状等。

根据实验结果，不断改进我们疲劳检测的方法。实验测试的疲劳判断和分心判断的准确率和响应时间，如表1，表2所示。

表1 疲劳判断实验结果

表2 分心判断实验结果

通过检测模块进行试验，得出的数据表明，本安全驾驶系统对驾驶员疲劳状态的识别率为91.3%，分心状态的识别率为90.1%，平均响应时间为1s，模块检测具有较高的准确率，具有一定的应用价值。

基于驾驶员面部表情与特征的检测方法是以机器视觉为手段，通过图像传感器采集驾驶员面部表情的图像，通过分析驾驶员的面部特征来判断司机是否处于疲劳状态。该方法是一种比较成熟和广泛应用的技术，能够达到一定的识别精度，且在检测过程中不会对驾驶员造成任何干扰。但是驾驶员驾驶车辆的操作不仅与其是否疲劳有关，还受到道路环境、驾驶速度、行驶天气、个人习惯、操作技巧等影响，因此不能仅依赖该检测模块判断司机是否为疲劳驾驶。为了提高本安全驾驶系统的精度和鲁棒性，通过与上述两个检测模块提供的参数做对比，我们改进了安装在方向盘上的变压器角位移传感器、GPS模块和嵌入式系统来提高检测司机疲劳驾驶的准确率。

1.3 具有防疲劳驾驶功能的方向盘

当驾驶员疲劳驾驶时，司机会进入大脑缺氧的疲惫状态。驾驶员在方向盘上的操作会出现突然左转或右转的现象[6]。当驾驶员直线行驶时，方向盘角度变化量小、变化频率快；当驾驶员转弯或回圈时，方向盘角度的变化是单向的；当驾驶员疲劳驾驶时，方向盘角度的变化值比较大，且变化频率比较慢，具有一定的规律性。驾驶经验和研究数据都表明方向盘行驶轨迹修正特性与疲劳驾驶[7]之间存在很好的关联性。该检测模块利用内置变压器式角位移传感器采集航向修正时方向盘角度电压变化，利用模式识别技术构建电压波形特征率。在司机疲劳驾驶的情况下，电压波形会与正常驾驶时不同，变得缓慢且突然。通过与正常驾驶特性值的比较，可以确定司机为疲劳驾驶。

图3 方向盘电压波形特征率比较流程图

2 结论

本系统使用三个检测模块来构建防疲劳驾驶安全系统。第一个检测模块使用基于STM32单片机的酒精传感器，检测汽车内空气中的酒精浓度，若检测值大于等于设定阈值，车辆点火装置的电源将立即被切断，汽车无法启动；第二个检测模块使用图像处理与分析技术分析驾驶员行驶途中的面部特征与表情，从而判断司机是否疲劳驾驶，若判定司机疲劳驾驶，则立即发出事先录制好的亲人语音警报，并对最近服务区的距离进行提醒，可有效减少司机疲劳驾驶的情况；第三个检测模块在方向盘上安装内置变压器式角位移传感器，用来采集航向修正时方向盘角度电压变化，通过与正常驾驶特性值的比较，可以确定司机是否为疲劳驾驶。若判定驾驶员为疲劳驾驶，则播报亲人语音提醒。

3 应用前景

本系统的设计虽然已经考虑到了许多方面的因素，但由于每个人的生活习惯与身体状况都不一样，所设计的算法并不是完全精确，因此考虑将目前已有的防疲劳驾驶软件与大数据库相结合，构造一个可以精确到个人的基于大数据库下的防疲劳驾驶系统。从车主购买产品时开始计算，将其平时的行为习惯都记录在内，如果行车时发现异于平常并符合我们的算法的行为，则可以精确的认定其为疲劳驾驶，然后发出警报。为减少疲劳驾驶所带来的危害，该系统可以给驾驶员发送语音或振动信号，及时提醒驾驶员纠正当前的驾驶行为，从而防止事故的发生。