專利名稱：一種駕駛員疲勞駕駛監(jiān)控裝置的制作方法
技術領域：
本實用新型涉及一種監(jiān)控裝置，特別涉及一種駕駛員疲勞駕駛監(jiān)控裝置。
背景技術：
目前，汽車工業(yè)的發(fā)展為廣大人民的生活帶來了極大的方便。但同時，汽車所引起的社會問題也隨之而來。機動車輛與日俱增，交通安全越來越受到世人的關注。由于超速和疲勞駕駛引發(fā)的交通事故數量不斷上升。據美國國家公路交通安全管理局保守估計，每年因疲勞駕駛導致的車禍至少達10萬起；法國國家警察總署事故報告表明，因疲勞駕駛導致的意外占人身傷害事故的14. 9%;我國因疲勞駕駛而造成的交通事故占事故總數的20% 左右，占特大交通事故的40%以上，占交通事故死亡率的83%。由此可見，疲勞駕駛已成為一個嚴重的交通安全問題。針對疲勞駕駛，我國2004年5月1日實行的《中華人民共和國道路交通安全法》中規(guī)定“駕駛員連續(xù)駕駛時間不得超過4小時”。因此，怎樣準確、有效地判斷駕駛員的身份、監(jiān)測其疲勞程度，如何有效地利用科技手段預防疲勞駕駛，是當前亟需解決的問題。目前對駕駛員身份識別及疲勞駕駛的控制方式主要通過IC卡、RFID卡以及指紋識別，但均需在駕駛員高度自覺、車輛管理方規(guī)范化管理的情況下才能發(fā)揮作用。鑒于疲勞駕駛的危害性，國內外都在進行疲勞駕駛監(jiān)控與預防的研究，目前檢測疲勞駕駛的方法主要有三種1)、監(jiān)測司機個體行為特征，如眼瞼的活動，點頭的動作，閉眼，握力等；2)、監(jiān)測司機的生理信號，如心電圖、腦電圖、肌肉活動情況等；3)、監(jiān)測車輛參數，如速度、加速度等。在監(jiān)測車輛參數的研究方向上，曾提出過基于LIN總線的疲勞駕駛綜合測試系統；國外各大汽車生產廠商也針對此研究方向做出了大量的研究，并已經有相關的系統應用到相關的高端車型上。但由于這種檢測車輛參數方法誤判率高、預警性也并不理想，近年來已經不是主流的研究方向。在監(jiān)測司機的生理信號的研究方向上，此種檢測方式實施成本高，目前國內有關的研究較少。監(jiān)測司機個體行為，已經成為現階段疲勞駕駛檢測的主要研究方向，其研究方向是基于PERCL0S法，即通過判斷Percentage of Eye Closure值(眼睛閉合時間占某特定時間的百分率)，來判定疲勞駕駛。目前在此研究方向上可實現的硬件平臺有PC、ARM、FPGA 以及DSP等，雖然近年來在FPGA以及DSP上的研究逐漸增多，但多數研究停留在PC平臺上。 大連理工大學的趙巧云已經提出了基于FPGA的PERCL0S法平臺。在實現算法上，美國卡內基梅隆大學的Grace，R. Byrne提出了基于神經網絡的PERCL0S值判定算法；國內中南大學的楊秋芬、桂衛(wèi)華等也提出了基于ICA算法結合隱馬爾可夫模型(HMM)的PERCL0S值判定算法。以上相關領域的研究主要集中在基于視頻信號的駕駛人面部生理特征的研究方面，而且目前各種算法在識別精度、可靠性、實時性等基礎性能方面尚存在一定的問題，急
φ占蓋商?？?ο

實用新型內容本實用新型的目的是針對上述現有技術的不足之處，提供一種駕駛員疲勞駕駛監(jiān)控裝置，解決駕駛員身份的識別與監(jiān)控并限制駕駛員超時駕駛的問題，能有效的解決上述現有技術存在的問題。為解決上述技術問題，本實用新型是通過以下技術方案實現的一種駕駛員疲勞駕駛監(jiān)控裝置，其包括車載電腦、人臉識別裝置和駕駛員疲勞駕駛監(jiān)控模塊，所述人臉識別裝置通過3G通信模塊與駕駛員疲勞駕駛監(jiān)控模塊相連接，所述人臉識別裝置包括車載終端、專用攝像頭、3G通信模塊和揚聲器，所述車載終端分別與專用攝像頭、3G通信模塊和揚聲器相連接，所述專用攝像頭與車載電腦相連接。作為一種優(yōu)選方式所述車載終端包括人臉定位模塊、人臉特征提取模塊、眼疲勞識別模塊和終端數據庫管理模塊。作為一種優(yōu)選方式所述駕駛員疲勞駕駛監(jiān)控模塊包括超時駕駛即時報警及記錄模塊、疲勞駕駛即時報警及記錄模塊、非在職駕駛報警及記錄模塊、疲勞駕駛遠程監(jiān)控模塊和疲勞駕駛報表統計及分析模塊。作為一種優(yōu)選方式所述揚聲器的輸出端與聲光報警和語音提示的輸入端相連。與現有技術相比，本實用新型的有益效果是采用先進的圖像識別技術監(jiān)測駕駛員個體的特征，如眼瞼的活動、點頭的動作、閉眼等多項生物行為特征。在對駕駛員行為進行監(jiān)控時，利用攝像頭提取連續(xù)的眼部圖像特征數據，進行動態(tài)局部特征分析，確定駕駛員持續(xù)閉眼時間，由于正常情況下人眼瞼持續(xù)閉合時間與疲勞狀態(tài)下的閉眼持續(xù)時間有著明顯的差異，從而可以判斷出駕駛員的疲勞狀態(tài)。通過獲取駕駛員臉部特征，追蹤多幅正面臉部特征圖像來判斷駕駛員是否駕駛疲勞。所有這些數據與控制系統相連接并完成所有數據記錄。一旦駕駛員出現疲勞狀態(tài)或者超時駕駛，系統將聲光報警和語音提示。通過對駕駛員身份的識別與監(jiān)控并限制駕駛員超時駕駛，能夠有效地防止因駕駛員疲勞駕駛而引發(fā)交通安全事故。

圖1為本實用新型駕駛員疲勞駕駛監(jiān)控裝置的模塊組成結構示意圖；圖2為本實用新型駕駛員疲勞駕駛監(jiān)控裝置中車載終端的模塊組成結構示意圖；圖3為本實用新型駕駛員疲勞駕駛監(jiān)控裝置中駕駛員疲勞駕駛監(jiān)控模塊的模塊組成結構示意圖；圖4為本實用新型駕駛員疲勞駕駛監(jiān)控裝置中人臉識別裝置中的眼睛狀態(tài)計算的測量原理示意圖；圖5為本實用新型駕駛員疲勞駕駛監(jiān)控裝置中駕駛員疲勞駕駛監(jiān)控模塊的算法流程圖。
具體實施方式
[0023]
以下結合附圖及具體實施例對本實用新型作進一步的詳細說明。如圖1、圖2、圖3所示，本實用新型駕駛員疲勞駕駛監(jiān)控裝置包括車載電腦、人臉識別裝置和駕駛員疲勞駕駛監(jiān)控模塊，所述人臉識別裝置包括車載終端、專用攝像頭、3G通信模塊和揚聲器，所述車載終端分別與專用攝像頭、3G通信模塊和揚聲器相連接，所述專用攝像頭與車載電腦相連接，所述人臉識別裝置通過3G通信模塊與駕駛員疲勞駕駛監(jiān)控模塊相連接。所述車載終端包括人臉定位模塊、人臉特征提取模塊、眼疲勞識別模塊和終端數據庫管理模塊；所述駕駛員疲勞駕駛監(jiān)控模塊包括超時駕駛即時報警及記錄模塊、疲勞駕駛即時報警及記錄模塊、非在職駕駛報警及記錄模塊、疲勞駕駛遠程監(jiān)控模塊和疲勞駕駛報表統計及分析模塊；所述揚聲器的輸出端與聲光報警和語音提示的輸入端相連。人臉識別裝置的體積小，可安裝于駕駛室內駕駛臺上，不影響駕駛員的正常駕駛活動。車載電腦與攝像頭相連接，實時獲取駕駛員的面部信息、情緒活動、持續(xù)閉眼時間和持續(xù)駕駛時間等疲勞數據，確定駕駛員的身份，并實時跟蹤駕駛員的駕駛狀態(tài)，計算連續(xù)駕駛時間，同時判斷駕駛員是否處于疲勞狀態(tài)。一旦駕駛員超時駕駛或出現疲勞狀態(tài)，該人臉識別裝置通過其中設置的揚聲器對駕駛員進行聲光報警和語音提示。該裝置通過3G通信模塊與駕駛員疲勞駕駛監(jiān)控系統相連接，實時向監(jiān)控系統上傳和接收信息。本實用新型駕駛員疲勞駕駛監(jiān)控裝置主要實現以下幾點主要功能1、超時駕駛即時報警及記錄；2、疲勞駕駛即時報警及記錄；3、非在職駕駛員開車報警及記錄；4、疲勞駕駛遠程監(jiān)控；5、疲勞駕駛報表統計及分析。為了實現上述主要功能，本實用新型駕駛員疲勞駕駛監(jiān)控裝置的內部系統支撐結構包括人臉定位技術采用一種融入彩色梯度特征的方法來改進原始的主動形狀模型算法，(主動形狀模型=Active Shape Model，縮寫為ASM，ASM是一種物體形狀描述技術，是Cootes提出的用于解決圖像中的目標搜尋的形狀統計模型，被廣泛應用于醫(yī)學圖像處理、數字圖像理解和計算機視覺等領域。)，并在人臉庫上進行對比實驗，實驗結果表明改進的算法性能較原始 ASM算法有大幅提高。ASM的思想最早可以追溯到1987年Kass等人提出的snake方法，該方法主要用于邊界檢定與圖像分割。1989年，Yuille等人提出使用參數化的可變形模板來代替snake模型。1995年，Cootes等人提出ASM算法，ASM采用參數化的采樣形狀來構成對象形狀模型， 并利用PCA (主成分分析，Principal Component Analysis，簡稱PCA，是一種掌握事物主要矛盾的統計分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質，簡化復雜的問題)方法建立描述形狀的控制點的運動模型，最后利用一組參數組來控制形狀控制點的位置變化，從而逼近當前對象的形狀。ASM的基本思想是選取一組訓練樣本，用一組特征點來描述樣本的形狀，然后對各樣本的形狀進行配準使得形狀盡可能地相似，對這些配準后的形狀向量利用主分量分析方法進行統計建模得到物體形狀的統計學描述，最后利用建立的模型在新的圖像中搜索物體輪廓，從而定位出目標物體。ASM依靠一個由人工標定特征點的訓練集來得到一個平均的人臉形狀(Mean Shape)之后，在平均形狀點的鄰接區(qū)域進行搜索得到目標形狀(Siape)。由ASM訓練得到的平均形狀模型能很好地覆蓋各種人臉幾何外形子空間，具有較高的定位精度；同時，采用灰度和梯度信息指導形狀模型收斂速度也較快，并且可以提高收斂的概率。人臉特征提取技術采用動態(tài)局部特征分析技術(Dynamic Local Feature Analysis，DLFA)識別人臉特征，并結合多光源條件的人臉識別技術與識別算法，將臉形和人臉皮膚肌理(即膚紋)兩種信息組合再用局部特征分析(LFA)算法來比對、統計臉部多個特征點。動態(tài)局部特征分析技術，首先進行人臉照片的預處理，目的是為了去除照片過高的噪聲，將輸入的人臉照片用邊緣適應檢測的方法轉換成二進位的照片，再提取出人臉皮膚肌理，然后使用局部特征分析方法來處理臉部的邊緣陰影和膚紋，從而識別人臉。局部特征分析算法局部特征分析技術是由洛克菲勒大學(Rockefeller University)的艾提克 (Atick)等人提出的。LFA在本質上是一種基于統計的低維對象描述方法，與只能提取全局特征而且不能保留局部拓撲結構的PCA相比，LFA在全局PCA描述的基礎上提取的特征是局部的，并能夠同時保留全局拓撲信息，從而具有更佳的描述和判別能力。局部特征分析(LFA)是一種用局部特征表示的類似于搭建積木統計的技術，基于所有的人臉都可由很多簡化的結構單元塊綜合而成。LFA使用32到50個單元塊區(qū)域來辨別一個人臉，選用的最通常的點包括鼻子、眼睛、嘴巴和特定的骨骼曲率差，如臉頰。這些單元塊是使用復雜的統計技術而形成的，它們代表了整個人臉，通?？缭蕉鄠€像素并代表了普遍的臉部形狀，但并不是通常意義上的臉部特征。要確定一個人臉不僅僅取決于特性單元塊，還決定于它們的幾何結構(如形狀和相關位置)。通過這種方式，LFA將人臉的特性對應為一種復雜的數字表達式，就可以進行人臉識別了。眼疲勞識別技術采用PERCL0S原理確定眼疲勞駕駛。PERCLOS (Percent eye Closure)是指在一定的時間內眼睛閉合時所占的時間比例。實驗表明，眼睛閉合時間的長短與疲勞程度有密切關系，駕駛員眼睛閉合時間越長，疲勞程度越嚴重。因此可以通過測量眼睛閉合長短來確定駕駛疲勞的程度。眼睛定位和狀態(tài)檢測是PERCLOS判斷方法的根本所在。在檢測出人臉的基礎上， 可以判斷眼睛大概位于臉部的上半部分。然后應用基于水平投影法和Hough (Hough變換的實質是將圖像空間內具有一定關系的像元進行聚類，尋找能把這些像元用某一解析形式聯系起來的參數空間累積對應點)查找圓法的眼睛狀態(tài)識別方法，即先用二值化水平投影法進行眼睛狀態(tài)識別，再用Hough變換查找眼珠的方法，最后用Hough變換查找眼睛上眼瞼的方法對眼睛的狀態(tài)進行識別，來判定眼睛是睜開還是閉合，這樣可縮短計算時間，并且提高人眼狀態(tài)識別的精確度和魯棒性。最后由連續(xù)的圖像序列，就可以計算出PERCLOS值。在實際駕駛中，連續(xù)檢測司機的PERCLOS和眼睛持續(xù)閉合時間，如果有，就判定該司機處于疲勞狀態(tài)，必須對其警告，甚至強行剎車?；赟OA應用架構技術[0049]S0A，面向服務的體系結構(service-oriented architecture)，是一個組件模型， 它將應用程序的不同功能單元(稱為服務)通過這些服務之間定義良好的接口和契約聯系起來。將系統中地理分析、數據通訊傳輸、業(yè)務應用分析等關鍵應用以服務方式進行封裝， 以Web服務的方式向內部系統與外圍相關系統提供數據與功能服務。利用服務對象數據 (Service Data Object, SD0)使用統一的抽象代替了傳統的數據訪問模型來創(chuàng)建、檢索、更新和刪除供服務實現使用的業(yè)務數據。系統應用由松耦合的服務構成，由靈活的運行時業(yè)務流程實現彈性應用，最終實現可以滿足不斷變化的業(yè)務需求的、靈活的SOA應用基礎設施?；跊Q策圖的Web數據庫訪問優(yōu)化技術這種基于圖形結構的優(yōu)化方法借助了香農信息論手段，能夠減少數據訪問的時間，實現對大型數據庫的快速查詢，降低數據庫的設計成本。經測試，獲得100000個數據庫連接，平均用時4. 88毫秒。本監(jiān)控裝置的內部系統是基于一種交互式查詢，通過查詢用戶可以確定Web數據庫信息中的特定資源。在產生一個查詢式時，基本的準則是用戶能夠通過較少的選擇性提問，最快地獲得所期望的結果。因此，采用什么樣的查詢序列是提高數據庫訪問性能的關鍵。決策圖優(yōu)化策略的基本思想是預先將Web數據庫轉化為一般的決策表；再運用信息論的觀點，計算各決策變量的熵值，按熵值大小選擇決策變量，構造相應的決策圖；最后，根據決策圖生成查詢序列。這種對數據庫訪問優(yōu)化的過程?；赑ERCL0S原理的眼睛狀態(tài)的計算PERCL0S的原理是測量在一定的時間內眼睛閉合時間所占的比例。眼睛狀態(tài)計算的測量原理如圖4所示。大量的實驗結果顯示眼睛閉合時間的長短與疲勞程度之間有著密切關系，駕駛員眼睛閉合的時間越長，疲勞程度越嚴重。PERCL0S被公認為是檢測人類疲勞或警覺性最可靠和最有效的方法，而PERCL0S系列算法中的P80與駕駛疲勞程度的相關性最好。通常 PERCL0S方法有三種標準。(1)P70 指眼瞼遮住瞳孔的面積超過70%就計為眼睛閉合，統計在一定時間內眼睛閉合時所占的時間比例。(2)P80 指眼瞼遮住瞳孔的面積超過80%就計為眼睛閉合，統計在一定時間內眼睛閉合時所占的時間比例。(3) EM:指眼瞼遮住瞳孔的面積超過一半就計為眼睛閉合，統計在一定時間內眼睛閉合時所占的時間比例。實驗結果顯示P80與疲勞發(fā)展程度的相關性較好，所以本項目經過眼睛狀態(tài)識別確定眼睛是睜開還是閉合的；定義眼瞼遮住瞳孔的面積超過80%就計為眼睛閉合，統計在一定時間內眼睛閉合時所占的時間比例。P80大于0.4時則認為駕駛員處于疲勞狀態(tài)，并提出相應警告。報警機制本實用新型駕駛員疲勞駕駛監(jiān)控裝置的內部系統通訊模式采用UDP/TCP(TCP， Transmission Control Protocol，提供IP環(huán)境下的數據可靠傳輸，它提供的服務包括數據流傳送、可靠性、有效流控、全雙工操作和多路復用，通過面向連接、端到端和可靠的數據包發(fā)送，通俗說，它是事先為所發(fā)送的數據開辟出連接好的通道，然后再進行數據發(fā)送；UDP， User Datagram Protocol，不為IP提供可靠性、流控或差錯恢復功能；一般來說，TCP對應的是可靠性要求高的應用，而UDP對應的則是可靠性要求低、傳輸經濟的應用)相結合的方式，將報警信息采用UDP專門通道傳輸，保證數據傳輸的及時性。此外，終端機與系統服務器擁有專門的指令轉發(fā)模塊，且建立完備的轉發(fā)提示機制與自動補包方式，保證信息轉發(fā)的準確性。另一方面，系統具有疲勞駕駛即時報警、超時駕駛即時報警、非在職駕駛員開車報警等一系列報警功能，提升安全駕駛能力。另外，在本系統中采用SOA架構，SOA是與技術無關的。在系統環(huán)境中，每一個功能都被定義為獨立的服務，它們都具有良好定義的調用接口，可以按照業(yè)務流程需要的順利被依次調用。這樣實現兩個最關鍵的特性首先，服務是真正獨立的；其次，它們是可管理的。另外，為了準確地識別駕駛員并判斷駕駛員是否疲勞，采用了如下的算法流程如圖5所示算法啟動時，系統從視頻序列按順序取一幀圖像，進行人臉檢測，然后根據需要再進行特征提取與人眼定位。特征提取后與圖像數據庫對應ID的圖像對比確認，當采集的圖像與數據庫對應ID的圖像不匹配時即發(fā)生非在職駕駛員開車，則觸發(fā)報警系統。反之，如果為在職駕駛員，則繼續(xù)具體定位眼睛，用PERCL0S原理確定是否為疲勞駕駛，若滿足疲勞條件，則觸發(fā)報警系統。反之，則系統繼續(xù)取下一幀進行跟蹤檢測。人臉檢測問題是預警系統的第一步，也是關鍵一步，人臉定位檢測失敗將導致后面工作無法進行。事實上，對大多數方法而言，人臉的檢測過程也就是人臉特征識別的生成過程，而且檢測算法也是與識別算法密切相關的。而人臉關鍵特征點的自動標定目的是檢測人眼，根據人眼坐標把人臉圖象歸一化。本項目采用主動形狀模型(Active Shape Model, ASM)算法進行人臉定位檢測。 其基本思想是對訓練失敗的訓練樣本賦以較大的權值，讓學習算法在后續(xù)的學習中集中對比較困難的訓練樣本進行學習，最后將挑選出的若干個訓練樣本加權相加。同時，采用動態(tài)局部特征分析技術(Dynamic Local Feature Analysis, DLFA)識別人臉特征，并結合多光源條件的人臉識別技術與識別算法對人臉圖像進行分析和理解。因此，本實用新型采用先進的圖像識別技術監(jiān)測駕駛員個體的特征，如眼瞼的活動、點頭的動作、閉眼等多項生物行為特征。在對駕駛員行為進行監(jiān)控時，利用攝像頭提取連續(xù)的眼部圖像特征數據，進行動態(tài)局部特征分析，確定駕駛員持續(xù)閉眼時間，由于正常情況下人眼瞼持續(xù)閉合時間與疲勞狀態(tài)下的閉眼持續(xù)時間有著明顯的差異，從而可以判斷出駕駛員的疲勞狀態(tài)。通過獲取駕駛員臉部特征，追蹤多幅正面臉部特征圖像來判斷駕駛員是否駕駛疲勞。所有這些數據與控制系統相連接并完成所有數據記錄。一旦駕駛員出現疲勞狀態(tài)或者超時駕駛，系統將聲光報警和語音提示。通過對駕駛員身份的識別與監(jiān)控并限制駕駛員超時駕駛，能夠有效地防止因駕駛員疲勞駕駛而引發(fā)交通安全事故。如熟悉此技術的人員所了解的，以上所述本實用新型的較佳實施例僅用于幫助了解本實用新型的實施，本實用新型不限于上述實施方式，本領域普通技術人員所做出的對上述實施方式任何顯而易見的改進或變更，都不會超出本實用新型的構思和所附權利要求的保護范圍。
權利要求1.一種駕駛員疲勞駕駛監(jiān)控裝置，包括車載電腦，其特征在于還包括人臉識別裝置和駕駛員疲勞駕駛監(jiān)控模塊，所述人臉識別裝置通過3G通信模塊與駕駛員疲勞駕駛監(jiān)控模塊相連接，所述人臉識別裝置包括車載終端、專用攝像頭、3G通信模塊和揚聲器，所述車載終端分別與專用攝像頭、3G通信模塊和揚聲器相連接，所述專用攝像頭與車載電腦相連接。
2.根據權利要求1所述的駕駛員疲勞駕駛監(jiān)控裝置，其特征在于所述車載終端包括人臉定位模塊、人臉特征提取模塊、眼疲勞識別模塊和終端數據庫管理模塊。
3.根據權利要求1所述的駕駛員疲勞駕駛監(jiān)控裝置，其特征在于所述駕駛員疲勞駕駛監(jiān)控模塊包括超時駕駛即時報警及記錄模塊、疲勞駕駛即時報警及記錄模塊、非在職駕駛報警及記錄模塊、疲勞駕駛遠程監(jiān)控模塊和疲勞駕駛報表統計及分析模塊。
4.根據權利要求1所述的駕駛員疲勞駕駛監(jiān)控裝置，其特征在于所述揚聲器的輸出端與聲光報警和語音提示的輸入端相連。
專利摘要本實用新型公開了一種駕駛員疲勞駕駛監(jiān)控裝置，其包括車載電腦、人臉識別裝置和駕駛員疲勞駕駛監(jiān)控模塊，所述人臉識別裝置包括車載終端、專用攝像頭、3G通信模塊和揚聲器，所述車載終端分別與專用攝像頭、3G通信模塊和揚聲器相連接，所述專用攝像頭與車載電腦相連接，所述人臉識別裝置通過3G通信模塊與駕駛員疲勞駕駛監(jiān)控模塊相連接。采用先進的圖像識別技術監(jiān)測駕駛員個體的特征，對駕駛員行為進行監(jiān)控，判斷出駕駛員的疲勞狀態(tài)，所有這些數據與控制系統相連接并完成所有數據記錄。通過對駕駛員身份的識別與監(jiān)控并限制駕駛員超時駕駛，能夠有效地防止因駕駛員疲勞駕駛而引發(fā)交通安全事故。
文檔編號B60K28/02GK202130312SQ20112027463
公開日2012年2月1日 申請日期2011年7月29日 優(yōu)先權日2011年7月29日
發(fā)明者余成清, 劉代敏, 寧大權, 白得軍, 趙強 申請人:四川中唯交通科技有限公司