專利名稱：一種汽車智能安全駕駛的實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及安全駕駛技術(shù)領(lǐng)域，特別是一種汽車智能安全駕駛的實(shí)現(xiàn)方法。
背景技術(shù)：
隨著社會(huì)的發(fā)展，汽車已經(jīng)成為人們出行必不可少的交通工具；但是隨著汽車數(shù)量的增多，汽車的安全駕駛已成為社會(huì)極為關(guān)注的問題。特別是現(xiàn)實(shí)中出租車、公交車駕駛管理中存在代駕、疲勞駕駛等不安全行駛行為，給顧客生命安全帶來了隱患，也危及駕駛?cè)藛T自身安全。因此，怎樣解決該些現(xiàn)象，已成為不容忽視的問題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種汽車智能安全的實(shí)現(xiàn)方法，能夠通過機(jī)器視覺來監(jiān)測人的疲勞狀態(tài)及危險(xiǎn)駕駛行為，通過物聯(lián)網(wǎng)技術(shù)來監(jiān)測車輛的行駛信息。本發(fā)明采用以下方案實(shí)現(xiàn):汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:包括以下步驟:
501:提供一主攝像頭，用于檢測車輛前方視圖信息，包括檢測遠(yuǎn)方光照值、人行道、前方車輛及道路標(biāo)牌；
502:提供一 A柱右攝像頭，用于檢測手握方向盤狀態(tài)；
503:提供一 A柱左攝像頭，用于檢測駕駛?cè)藛T抽煙狀態(tài)與安全帶綁定狀態(tài)；
504:提供一儀表盤攝像頭，用于檢測人疲勞狀態(tài)與代駕狀況；
505:提供一硬盤錄像機(jī)保存上述步驟SOl至S04檢測的信息，用于本地調(diào)用及遠(yuǎn)程視頻調(diào)用；
506:提供一 VSCC控制器，采集車輛信號(hào)同時(shí)，并根據(jù)所述代駕狀況控制計(jì)價(jià)器的使
用；
507:提供一 GPS模塊，該GPS模塊與車載電腦相連，所述車載電腦在所述車輛信號(hào)、GPS位置及所述檢測的信息超出閾值時(shí)進(jìn)行警示，并將所述車輛信號(hào)、GPS位置及所述檢測的信息傳輸至一遠(yuǎn)程監(jiān)控中心。在本發(fā)明一實(shí)施例中，所述檢測遠(yuǎn)方光照值包括以下步驟:
511:從主攝像頭讀取視頻或者直接打開所述硬盤錄像機(jī)內(nèi)存儲(chǔ)的視頻；
512:從視頻中取出每一幀，定位天空區(qū)域，計(jì)算天空區(qū)域的平均亮度作為該幀的亮度值，亮度計(jì)算公式:(max(R, G, B) +min(R, G, B))/2 ;定位地面區(qū)域,計(jì)算地面區(qū)域的高頻能量值，光線越暗或能見度越低時(shí)，高頻能量越低，采用小波變換提取高頻系數(shù)作為高頻能量值；
S13:將每幀的亮度值與高頻能力值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此幀光線較暗；大于閾值，則此幀光線充足；
S14:每單位時(shí)間判斷一次是否需要打開大燈，判斷方法:計(jì)算單位時(shí)間內(nèi)所有幀的平均亮度值及平均高頻能量值； S15:將平均亮度值及平均高頻能量值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此時(shí)光線較暗，自動(dòng)打開大燈；大于閾值，則此時(shí)光線充足，如果大燈處于開啟狀態(tài)，則自動(dòng)關(guān)閉大燈。在本發(fā)明一實(shí)施例中，所述人行道的檢測包括如下步驟:
521:由于道路路面在視頻圖像中主要在圖像的下半部分區(qū)域，故設(shè)置感興趣區(qū)域在圖像的下半部分，以減少計(jì)算量；
522:選取圖像的下半部分的一小塊像素求道路路面灰度值的平均值，并進(jìn)行動(dòng)態(tài)更新，方法如下:
5221:道路線提取，首先使用中值濾波去噪，其次采用canny算子檢測車道線邊緣，最后再排除非車道線邊緣；
5222:斑馬線檢測，通過檢測感興趣區(qū)域最上面四分之一的區(qū)域來判斷是否有斑馬線，斑馬線具有連續(xù)間斷的直線特征，利用該直線特征來判斷當(dāng)前區(qū)域中是否含有斑馬線；
S223:檢車車道線，并判斷是實(shí)線還是虛線，通過左右兩側(cè)車道線的長度與所述的下半部分區(qū)域長度的比例來判斷虛實(shí)。在本發(fā)明一實(shí)施例中，所述前方車輛的檢測采用逐幀檢測技術(shù),每幀圖像獨(dú)立檢測，各幀之間無關(guān)聯(lián)；具體檢測包括如下步驟:
531:把幀圖像轉(zhuǎn)化成灰度圖像,然后使用中值濾波去噪；
532:使用Sobel算子檢測灰度圖像的邊緣；
533:使用閾值對(duì)Sobel邊緣圖像進(jìn)行二值化分割，分割出強(qiáng)邊緣像素點(diǎn)；
534:求路面像素灰度均值，從圖像底部取兩行數(shù)據(jù)，求出其灰度均值作為道路路面灰度均值，并設(shè)置一個(gè)上下波動(dòng)的閾值；
535:根據(jù)所述閾值，消除非車身邊緣點(diǎn)的噪聲；
536:通過檢測車輛底部存在的一塊陰影區(qū)域來定位前方車輛的具體位置，由于陰影區(qū)域的灰度值比路面或者車身的灰度值小，因此結(jié)合步驟S33中的邊緣像素點(diǎn)進(jìn)行檢測，該檢測依據(jù):存在一段水平的連續(xù)的邊緣；
537:結(jié)合對(duì)稱性特征，車身長度進(jìn)行判斷，排除非車輛區(qū)域。在本發(fā)明一實(shí)施例中，所述道路標(biāo)牌的檢測是檢測圖像中的藍(lán)色矩形標(biāo)志，其包括如下步驟:
541:從上到下，從左往右掃描圖像中的每個(gè)像素點(diǎn)，標(biāo)記并記錄所有的藍(lán)色像素點(diǎn)；
542:遍歷所有檢測到的藍(lán)色像素點(diǎn)，使用角點(diǎn)掩膜檢測藍(lán)色矩形區(qū)域；
543:判斷檢測到的藍(lán)色矩形區(qū)域是否為交通標(biāo)識(shí)或者車牌。在本發(fā)明一實(shí)施例中，所述手握方向盤狀況的檢測步驟包括:
551:輸入一張三通道的相關(guān)彩色圖片；
552:設(shè)置感興趣區(qū)域；
553:使用橢圓皮膚模型在所述感興趣區(qū)域得出皮膚區(qū)域；
554:得出皮膚區(qū)域的二值化圖像；
555:將所述二值化圖像的左上角無關(guān)區(qū)域值置O ;
556:根據(jù)置O區(qū)域?qū)Χ祷瘓D像進(jìn)行形態(tài)學(xué)閉操作，消除孔洞；
557:清除左側(cè)無關(guān)的隔離區(qū)域； 558:獲得二值化圖像的輪廓，統(tǒng)計(jì)隔離區(qū)域的個(gè)數(shù)，以及面積；
559:根據(jù)上述步驟所得的信息進(jìn)行手握方向盤檢測判斷。在本發(fā)明一實(shí)施例中，所述駕駛?cè)藛T抽煙狀態(tài)的檢測包括如下步驟:
561:提取出A柱左攝像頭獲取的視頻的一巾貞圖像傳入函數(shù)中；
562:對(duì)該幀圖像進(jìn)行人臉檢測，返回人臉區(qū)域的位置，其中有人臉區(qū)域則返回一個(gè)CvRect,否則返回空；
563:對(duì)該幀圖像運(yùn)用橢圓模型檢測出皮膚的區(qū)域；
564:對(duì)步驟S62中返回區(qū)域進(jìn)行皮膚像素點(diǎn)估計(jì)，如果低于一預(yù)設(shè)值，則判斷人臉區(qū)域位置出錯(cuò)；
S65:定位出人臉后，在人臉區(qū)域下面定下一塊感興趣區(qū)域，然后在這塊區(qū)域內(nèi)部檢測皮膚，然后確定一個(gè)閾值，多于閾值就判斷這個(gè)區(qū)域出現(xiàn)了人手；則判斷為可能性抽煙行為；
S66:針對(duì)香煙叼在嘴巴上的情況，同樣先檢測出人臉，然后在嘴巴區(qū)域進(jìn)行模糊匹配，檢測嘴巴區(qū)域是否有香煙。在本發(fā)明一實(shí)施例中，所述人疲勞狀態(tài)的檢測包括如下步驟:
571:通過儀表盤攝像頭獲取視頻；
572:人臉定位:采用haar特征訓(xùn)練器定位人臉；
573:眼睛定位:截取人臉的上半部分，采用haar特征訓(xùn)練器定位眼睛；
574:圖像進(jìn)行二值化處理，計(jì)算圖像眼睛高度；
575:當(dāng)眼睛高度小于設(shè)定的高度閾值時(shí)，判斷為閉眼，否則為睜眼；
576:計(jì)算單位時(shí)間內(nèi)閉眼總幀數(shù)、連續(xù)閉眼幀數(shù)以及眨眼次數(shù)，通過這三個(gè)參數(shù)判斷駕駛員是否處于疲勞狀態(tài)；
其中，高度閾值為視頻的前20幀算出平均眼睛高度，然后乘以一個(gè)比例系數(shù)作為閾值；眼睛高度為計(jì)算每一列的黑像素個(gè)數(shù)，取其中最大值作為眼睛高度；眨眼次數(shù)為有出現(xiàn)睜眼-閉眼-睜眼的過程算一次眨眼。在本發(fā)明一實(shí)施例中，所述代駕狀況的檢測是通過初始化提取人臉數(shù)據(jù)建立訓(xùn)練集，然后對(duì)于日常駕駛中，每幀的人臉進(jìn)行匹配，若發(fā)現(xiàn)為未知人臉，則判定為代駕行為；
其中所述建立訓(xùn)練集為:
581:對(duì)訓(xùn)練集中的圖片進(jìn)行訓(xùn)練，首先進(jìn)行人臉檢測，將檢測出的人臉，去除頭發(fā)部分，再進(jìn)行大小歸一化；
582:使用PCA算法對(duì)歸一化后的人臉進(jìn)行訓(xùn)練。在本發(fā)明一實(shí)施例中，所述安全帶綁定狀態(tài)的檢測包括如下步驟:
581:從A柱左攝像頭讀取視頻或者直接打開視頻文件；
582:循環(huán)從視頻中提取每一幀按照如下步驟進(jìn)行檢測:
5821:將輸入的將彩色圖像灰度化；
5822:采用canny算子進(jìn)行邊緣檢測；
5823:采用hough變換檢測直線；
5824:提取滿足以下條件的直線:直線的傾斜角度大于30度，小于80度；直線的長度大于30像素；直線的起點(diǎn)位于整幅圖像的右下部分； 5825:若步驟S824提取出的直線數(shù)小于2，則判斷該幀無安全帶；否則，將傾斜角度之差最小的兩條直線作為偽安全帶邊緣線；
5826:判斷檢測出的偽安全帶是否為真正的安全帶:在提取出的兩條邊緣線之間截取一個(gè)矩形區(qū)域，判斷該區(qū)域的高頻能量以及其灰度圖像的方差，若高頻能量及方差小于設(shè)定的閾值，則判斷該幀有安全帶，否則無安全帶；
S83:每單位時(shí)間判斷一次是否佩戴安全帶,判斷方法:單位時(shí)間內(nèi)，有安全帶的巾貞數(shù)大于無安全帶的幀數(shù)，則判斷為有佩戴安全帶，反之則無。本發(fā)明整合車內(nèi)檢測控制系統(tǒng)與遠(yuǎn)程監(jiān)控終端，實(shí)現(xiàn)車內(nèi)疲勞安全檢測、車外安全檢測、車輛狀態(tài)安全檢測等。該方法建設(shè)時(shí)重點(diǎn)在于視頻檢測準(zhǔn)確性與精準(zhǔn)性，依托公安部123號(hào)令規(guī)定來檢測人員危險(xiǎn)駕駛行為，提高駕駛?cè)藛T安全性。


圖1是本發(fā)明實(shí)施例方法實(shí)施例方法流程示意圖。圖2是依據(jù)本發(fā)明方法形成的硬件架構(gòu)示意圖。圖3是結(jié)合硬件架構(gòu)的工作流程示意圖。圖4是本發(fā)明實(shí)施例眼睛檢測示意圖。圖5是本發(fā)明實(shí)施例眼睛圖像處理不意圖。圖6是本發(fā)明震動(dòng)檢測電路示意圖。圖7是VSCC控制器原理示意圖。圖8是VSCC /[目息米集流程不意圖。圖9是本發(fā)明實(shí)施例代駕計(jì)價(jià)原理示意圖。圖10是本發(fā)明監(jiān)控中心邏輯架構(gòu)圖。
具體實(shí)施例方式下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說明。如圖1所示，本實(shí)施例提供一種汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:包括以下步驟:
501:提供一主攝像頭，用于檢測車輛前方視圖信息，包括檢測遠(yuǎn)方光照值、人行道、前方車輛及道路標(biāo)牌；
502:提供一 A柱右攝像頭，用于檢測手握方向盤狀況；
503:提供一 A柱左攝像頭，用于檢測駕駛?cè)藛T抽煙狀態(tài)與安全帶綁定狀態(tài)；
504:提供一儀表盤攝像頭，用于檢測人疲勞狀態(tài)與代駕狀況；
505:提供一硬盤錄像機(jī)保存上述步驟SOl至S04檢測的信息，用于本地調(diào)用及遠(yuǎn)程視頻調(diào)用；
506:提供一 VSCC控制器，采集車輛信號(hào)同時(shí)，并根據(jù)所述代駕狀況控制計(jì)價(jià)器的使
用；
507:提供一 GPS模塊，該GPS模塊與車載電腦相連，所述車載電腦在所述車輛信號(hào)、GPS位置及所述檢測的信息超出閾值時(shí)進(jìn)行警示，并將所述車輛信號(hào)、GPS位置及所述檢測的信息傳輸至一遠(yuǎn)程監(jiān)控中心。
請(qǐng)參照?qǐng)D2和圖3，圖2是依據(jù)本發(fā)明方法形成的硬件架構(gòu)示意圖，其中主攝像頭主要用于檢測車輛前方視圖信息，可用于檢測遠(yuǎn)方光照值、人行道、前方車輛及道路標(biāo)牌；A柱右攝像頭用于檢測手握方向盤狀況;A柱左攝像頭用于檢測駕駛?cè)藛T抽煙狀態(tài)與安全帶綁定狀態(tài)；儀表盤攝像頭用于檢測人疲勞狀態(tài)與代駕狀況。硬盤錄像機(jī)用于采集4個(gè)攝像頭視頻值，并且保存至本地硬盤中，用于本地調(diào)用及遠(yuǎn)程視頻調(diào)用。VSCC控制器采集車輛信號(hào)同時(shí)，控制計(jì)價(jià)器的使用。GPS模塊直接與車載電腦相連，車載電腦將車輛信號(hào)、GPS位置及檢測到的數(shù)據(jù)值傳輸至遠(yuǎn)程監(jiān)控中心。遠(yuǎn)程監(jiān)控中心構(gòu)建GIS系統(tǒng)，用于動(dòng)態(tài)顯示車輛位置、狀態(tài)，同時(shí)對(duì)于收到的警報(bào)信息，進(jìn)行通知監(jiān)控人員。車輛系統(tǒng)與遠(yuǎn)程監(jiān)控中心數(shù)據(jù)走向如下圖3所示。車輛系統(tǒng)開啟狀態(tài)中，硬盤錄像機(jī)實(shí)時(shí)采集車輛4大攝像頭視頻值，而VSCC采集車輛信號(hào)；車載電腦首先通過機(jī)器視覺，檢測出當(dāng)前車輛中是否存在疲勞駕駛、是否存在代駕行為，若存在該行為，則發(fā)送信號(hào)至VSCC，VSCC斷掉計(jì)價(jià)器系統(tǒng)，停止司機(jī)運(yùn)營；同時(shí)還需要檢測是否前方人行道或者學(xué)校標(biāo)志、是否前方光照過低、是否前方車輛過近距離、是否抽煙、是否安全帶未綁定、是否雙手不握方向盤駕駛、是否車輛震動(dòng)過大，若存在該危險(xiǎn)駕駛現(xiàn)象，若車輛車速過快，則車內(nèi)警示司機(jī)，并且將相關(guān)的警報(bào)值發(fā)送至遠(yuǎn)程監(jiān)控中心。遠(yuǎn)程監(jiān)控中心實(shí)時(shí)接收監(jiān)控的所有車輛信息值，進(jìn)行監(jiān)控中心大屏幕顯示，對(duì)于收到的警報(bào)信息，還將進(jìn)行警報(bào)通知監(jiān)控人員。具體的，為了讓一般技術(shù)人員更好的了解本發(fā)明，下面對(duì)上述各種檢測所采用的具體方式做進(jìn)一步介紹。本實(shí)施例中，車內(nèi)檢測子系統(tǒng)安裝攝像頭有A柱位置與儀表盤位置，其中方向盤下端示意圖如下圖4所示。該檢測子系統(tǒng)可用于人眼疲勞檢測、人臉代駕檢測、駕駛員抽煙檢測、安全帶使用檢測和方向盤使用檢測。人眼疲勞檢測原理:
1.通過攝像頭獲取視頻；
2.人臉定位:采用haar特征訓(xùn)練器定位人臉；
3.眼睛定位:截取人臉的上半部分，采用haar特征訓(xùn)練器定位眼睛；
4.圖像進(jìn)行二值化處理，計(jì)算圖像眼睛高度；
5.當(dāng)眼睛高度小于設(shè)定的高度閾值時(shí)，判斷為閉眼，否則為睜眼；
6.計(jì)算單位時(shí)間內(nèi)閉眼總幀數(shù)、連續(xù)閉眼幀數(shù)以及眨眼次數(shù)，通過這三個(gè)參數(shù)判斷駕駛員是否處于疲勞狀態(tài)。其中，高度閾值為視頻的前20幀算出平均眼睛高度，然后乘以一個(gè)比例系數(shù)作為閾值；眼睛高度為計(jì)算每一列的黑像素個(gè)數(shù)，取其中最大值作為眼睛高度；眨眼次數(shù)為有出現(xiàn)睜眼-閉眼-睜眼的過程算一次眨眼。其檢測的狀態(tài)如下圖5所示:
在人臉沒有傾斜的情況下，不戴眼鏡人臉檢測正確率幾乎100%，眼睛檢測的正確率也有90%以上，眼睛狀態(tài)判斷也比較準(zhǔn)確；戴眼鏡的情況，如果是戴淺色眼鏡，幾乎沒影響，如果是深色眼鏡，人臉檢測的正確率也可達(dá)95%以上，眼睛檢測的正確率有所降低，而眼睛狀態(tài)的判斷影響較大，正確率很低。而在人臉傾斜或眉毛被遮擋，眼睛定位的正確率很低。駕駛員代駕檢測主要通過初始化提取人臉數(shù)據(jù)建立訓(xùn)練集，然后對(duì)于日常駕駛中，每幀的人臉進(jìn)行匹配，若發(fā)現(xiàn)為未知人臉，則判定為代駕行為。其中建立訓(xùn)練集為:
1.對(duì)訓(xùn)練集中的圖片進(jìn)行訓(xùn)練，首先進(jìn)行人臉檢測，將檢測出的人臉，去除頭發(fā)等部分，再進(jìn)行大小歸一化。2.使用PCA算法對(duì)歸一化后的人臉進(jìn)行訓(xùn)練。而實(shí)際分類預(yù)測是流程為:
1.輸入一張待識(shí)別的圖片，首先進(jìn)行人臉檢測，將檢測出的人臉，去除頭發(fā)等部分，再進(jìn)行大小歸一化。2.使用模型對(duì)歸一化后的人臉進(jìn)行分類預(yù)測。抽煙檢測通過傳入A柱左側(cè)的視頻流，針對(duì)視頻幀中的一些信息，來定位出駕駛員是否有抽煙的行為。檢測步驟如下所示:
1.提取出視頻的一幀圖像傳入函數(shù)中。2.對(duì)該幀圖像進(jìn)行人臉檢測，返回人臉區(qū)域的位置。(有則返回一個(gè)區(qū)域，否則返回空)。3.對(duì)該幀圖像運(yùn)用橢圓模型檢測出皮膚的區(qū)域。4.對(duì)2中返回的區(qū)域進(jìn)行皮膚像素點(diǎn)估計(jì)，如果過低的話就判斷人臉區(qū)域位置出錯(cuò)。5.定位出人臉后，在人臉區(qū)域下面定下一塊感興趣區(qū)域，然后在這塊區(qū)域內(nèi)部檢測皮膚，然后確定一個(gè)閾值:多于閾值就判斷這個(gè)區(qū)域出現(xiàn)了人手代表此時(shí)人手跟臉比較近，因?yàn)楦信d趣區(qū)域就在人臉的下方。通過這個(gè)方法初步判定時(shí)候有抽煙事件的發(fā)生。針對(duì)香煙叼在嘴巴上的情況，同樣先檢測出人臉，然后在嘴巴區(qū)域進(jìn)行模糊匹配(通過顏色和形狀等一些信息)，檢測嘴巴區(qū)域是否有香煙，以此來判斷什么時(shí)候有抽煙。安全帶檢測過程如下所示:
1.從攝像頭讀取視頻或者直接打開視頻文件
2.循環(huán)從視頻中提取每一幀按照如下步驟進(jìn)行檢測:
a)將輸入的將彩色圖像灰度化；
b)采用canny算子進(jìn)行邊緣檢測；
c)采用hough變換檢測直線；
d)提取滿足以下條件的直線:直線的傾斜角度大于30度，小于80度；直線的長度大于30 (像素)；直線的起點(diǎn)位于整幅圖像的右下部分；
e)若步驟d提取出的直線數(shù)小于2，則判斷該幀無安全帶；否則，將傾斜角度之差最小的兩條直線作為偽安全帶邊緣線；
f)判斷檢測出的偽安全帶是否為真正的安全帶:在提取出的兩條邊緣線之間截取一個(gè)矩形區(qū)域，判斷該區(qū)域的高頻能量以及其灰度圖像的方差，若高頻能量及方差小于設(shè)定的閾值，則判斷該巾貞有安全帶，否則無安全帶。3.每單位時(shí)間(目前設(shè)置為Is)判斷一次是否佩戴安全帶，判斷方法:單位時(shí)間內(nèi)，有安全帶的幀數(shù)大于無安全帶的幀數(shù)，則判斷為有佩戴安全帶，反之則無。方向盤檢測步驟如下:
1.輸入一張三通道的相關(guān)彩色圖片。2.設(shè)置感興趣區(qū)域。3.使用橢圓皮膚模型得出皮膚區(qū)域。4.得出皮膚區(qū)域的二值化圖像。
5.將左上角無關(guān)區(qū)域值置O。6.進(jìn)行形態(tài)學(xué)閉操作，消除孔洞。7.清除左側(cè)無關(guān)的隔離區(qū)域。8.獲得輪廓，統(tǒng)計(jì)隔離區(qū)域的個(gè)數(shù)，以及面積。9.根據(jù)前面的信息進(jìn)行手握方向盤檢測判斷。光照檢測步驟如下所示: 1.從攝像頭讀取視頻或者直接打開視頻文件；
2.從視頻中取出每一幀，定位天空區(qū)域，計(jì)算天空區(qū)域的平均亮度作為該幀的亮度值，亮度計(jì)算公式:(max(R, G, B) +min(R, G, B))/2 ;定位地面區(qū)域,計(jì)算地面區(qū)域的高頻能量值，光線越暗或能見度越低時(shí)，高頻能量越低，采用小波變換提取高頻系數(shù)作為高頻能量值；
3.將每幀的亮度值與高頻能力值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此幀光線較暗，大于閾值，此幀光線充足。4.每單位時(shí)間(目前設(shè)置為Is)判斷一次是否需要打開大燈，判斷方法:計(jì)算單位時(shí)間內(nèi)所有幀的平均亮度值及平均高頻能量值；
5.將平均亮度值及平均高頻能量值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此時(shí)光線較暗，自動(dòng)打開大燈，大于閾值，此時(shí)光線充足，如果大燈處于開啟狀態(tài)，則自動(dòng)關(guān)閉大燈。:當(dāng)司機(jī)在道路中行駛，車前方出現(xiàn)斑馬線的時(shí)，司機(jī)必須做出減速或者剎車停止的動(dòng)作，否則視為違反道路行車規(guī)定。通過車頂上面的攝像頭檢測道路前方是否含有斑馬線，并以此來判斷司機(jī)是否遵守交通行駛規(guī)則。由于道路路面在視頻圖像中主要在圖像的下半部分區(qū)域，故可設(shè)置感興趣區(qū)域在圖像的下半部分，以減少計(jì)算量。ROI區(qū)域中主要為道路路面，且路面的灰度值較為均勻，故可選取ROI區(qū)域中的一小塊像素求道路路面灰度值的平均值，并進(jìn)行動(dòng)態(tài)更新，方法如下:
1.道路線提取。首先使用中值濾波去噪，其次采用canny算子檢測車道線邊緣，最后再排除非車道線邊緣，具體代碼如下:
2.斑馬線檢測:通過檢測感興趣區(qū)域最上面四分之一的區(qū)域來判斷是否有斑馬線。斑馬線具有連續(xù)間斷的直線特征，此處簡單利用此特征來判斷當(dāng)前區(qū)域中是否含有斑馬線，具體步驟參加相關(guān)代碼
3.檢車車道線，并判斷是實(shí)線還是虛線。主要通過左右兩側(cè)車道線的長度與ROI區(qū)域長度的比例來判斷虛實(shí)。道路標(biāo)牌主要檢測圖像中的藍(lán)色矩形標(biāo)志，步驟說明如下:
1.從上到下，從左往右掃描圖像中的每個(gè)像素點(diǎn)，標(biāo)記并記錄所有的藍(lán)色像素點(diǎn)；
2.遍歷所有檢測到的藍(lán)色像素點(diǎn)，使用角點(diǎn)掩膜檢測藍(lán)色矩形區(qū)域；
3.判斷檢測到的藍(lán)色矩形區(qū)域是否為交通標(biāo)識(shí)或者車牌。此外，該方法還根據(jù)檢測到的圖像ROI區(qū)域，利用cascade方式檢測出是否為學(xué)校
O前方車輛檢測:車輛在道路中行駛時(shí)，需要時(shí)刻觀察前方車輛的行車情況，及時(shí)剎車減速以保持在安全車距內(nèi)。檢測前方車輛方法采用逐幀檢測技術(shù)，每幀圖像獨(dú)立檢測，各幀之間無關(guān)聯(lián)，具體檢測步驟說明如下:
1.把幀圖像轉(zhuǎn)化成灰度圖像，然后使用中值濾波去噪。2.使用Sobel算子檢測灰度圖像的邊緣。3.使用閾值對(duì)Sobel邊緣圖像進(jìn)行二值化分割，分割出強(qiáng)邊緣像素點(diǎn)。本文采用一個(gè)固定閾值進(jìn)行分割。4.求路面像素灰度均值:從圖像底部取兩行數(shù)據(jù)，求出其灰度均值作為道路路面灰度均值，并設(shè)置一個(gè)上下波動(dòng)的閾值(類似正態(tài)分布)。5.使用路面灰度均值，消除非車身邊緣點(diǎn)的噪聲，具體步驟參看代碼。6.通常情況下，車輛底部會(huì)存在一塊明顯的陰影區(qū)域，其長度剛好和車輛的車身長度差不多。因此，可通過檢測此陰影區(qū)域來定位前方車輛的具體位置?？紤]到陰影區(qū)域的灰度值比路面或者車身的灰度值小，結(jié)合上述步驟3中的邊緣點(diǎn)進(jìn)行檢測判斷，具體步驟參考代碼(檢測依據(jù):存在一段水平(三行像素內(nèi)有邊緣點(diǎn))的連續(xù)的邊緣)。7.結(jié)合對(duì)稱性特征，車身長度等進(jìn)行判斷，排除非車輛區(qū)域。車輛震動(dòng)檢測使用原理圖如圖6所示:
本實(shí)施例中采用以下參數(shù)設(shè)置:
1.主要芯片:LM393雙電壓比較器、801S震動(dòng)傳感器；
2.工作電壓:直流5V;
3.雙路信號(hào)輸出，TTL檢測電平輸出Dout和模擬信號(hào)輸出Aout；
4.靈敏度可調(diào)，通過調(diào)節(jié)可變電阻器R3，來增大或減小震動(dòng)檢測的靈敏度，以適應(yīng)于不同車輛的震動(dòng)狀況；
5.Dout為TTL電平信號(hào)，可直接連接處理器STM32F107的IO 口，當(dāng)有震動(dòng)時(shí)，輸出為高電平，無震動(dòng)時(shí)，輸出為低電平；
6.Aout為模擬信號(hào)，輸出電壓范圍為(T5V，可直接連接處理器STM32F107的AD輸入口，采集實(shí)時(shí)的模擬信號(hào)量。VSCC米集車輛傳感器信息,并將信息傳輸至車載電腦。其中米集的車輛傳感信息
如下表所示:_
權(quán)利要求
1.一種汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:包括以下步驟: 501:提供一主攝像頭，用于檢測車輛前方視圖信息，包括檢測遠(yuǎn)方光照值、人行道、前方車輛及道路標(biāo)牌； 502:提供一 A柱右攝像頭，用于檢測手握方向盤狀態(tài)； 503:提供一 A柱左攝像頭，用于檢測駕駛?cè)藛T抽煙狀態(tài)與安全帶綁定狀態(tài)； 504:提供一儀表盤攝像頭，用于檢測人疲勞狀態(tài)與代駕狀況； 505:提供一硬盤錄像機(jī)保存上述步驟SOl至S04檢測的信息，用于本地調(diào)用及遠(yuǎn)程視頻調(diào)用； 506:提供一 VSCC控制器，采集車輛信號(hào)同時(shí)，并根據(jù)所述代駕狀況控制計(jì)價(jià)器的使用； 507:提供一 GPS模塊，該GPS模塊與車載電腦相連，所述車載電腦在所述車輛信號(hào)、GPS位置及所述檢測的信息超出閾值時(shí)進(jìn)行警示，并將所述車輛信號(hào)、GPS位置及所述檢測的信息傳輸至一遠(yuǎn)程監(jiān)控中心。
2.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述檢測遠(yuǎn)方光照值包括以下步驟: 511:從主攝像頭讀取視頻或者直接打開所述硬盤錄像機(jī)內(nèi)存儲(chǔ)的視頻； 512:從視頻中取出每一幀，定位天空區(qū)域，計(jì)算天空區(qū)域的平均亮度作為該幀的亮度值，亮度計(jì)算公式:(max(R , G, B) +min(R, G, B))/2 ;定位地面區(qū)域,計(jì)算地面區(qū)域的高頻能量值，光線越暗或能見度越低時(shí)，高頻能量越低，采用小波變換提取高頻系數(shù)作為高頻能量值； 513:將每幀的亮度值與高頻能力值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此幀光線較暗；大于閾值，則此幀光線充足； 514:每單位時(shí)間判斷一次是否需要打開大燈，判斷方法:計(jì)算單位時(shí)間內(nèi)所有幀的平均亮度值及平均高頻能量值； 515:將平均亮度值及平均高頻能量值與預(yù)設(shè)的閾值進(jìn)行比較，小于閾值，則此時(shí)光線較暗，自動(dòng)打開大燈；大于閾值，則此時(shí)光線充足，如果大燈處于開啟狀態(tài)，則自動(dòng)關(guān)閉大燈。
3.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述人行道的檢測包括如下步驟: 521:由于道路路面在視頻圖像中主要在圖像的下半部分區(qū)域，故設(shè)置感興趣區(qū)域在圖像的下半部分，以減少計(jì)算量； 522:選取圖像的下半部分的一小塊像素求道路路面灰度值的平均值，并進(jìn)行動(dòng)態(tài)更新，方法如下: 5221:道路線提取，首先使用中值濾波去噪，其次采用canny算子檢測車道線邊緣，最后再排除非車道線邊緣； 5222:斑馬線檢測，通過檢測感興趣區(qū)域最上面四分之一的區(qū)域來判斷是否有斑馬線，斑馬線具有連續(xù)間斷的直線特征，利用該直線特征來判斷當(dāng)前區(qū)域中是否含有斑馬線； S223:檢車車道線，并判斷是實(shí)線還是虛線，通過左右兩側(cè)車道線的長度與所述的下半部分區(qū)域長度的比例來判斷虛實(shí)。
4.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述前方車輛的檢測采用逐幀檢測技術(shù)，每幀圖像獨(dú)立檢測，各幀之間無關(guān)聯(lián)；具體檢測包括如下步驟: 531:把幀圖像轉(zhuǎn)化成灰度圖像,然后使用中值濾波去噪； 532:使用Sobel算子檢測灰度圖像的邊緣； 533:使用閾值對(duì)Sobel邊緣圖像進(jìn)行二值化分割，分割出強(qiáng)邊緣像素點(diǎn)； 534:求路面像素灰度均值，從圖像底部取兩行數(shù)據(jù)，求出其灰度均值作為道路路面灰度均值，并設(shè)置一個(gè)上下波動(dòng)的閾值； 535:根據(jù)所述閾值，消除非車身邊緣點(diǎn)的噪聲； 536:通過檢測車輛底部存在的一塊陰影區(qū)域來定位前方車輛的具體位置，由于陰影區(qū)域的灰度值比路面或者車身的灰度值小，因此結(jié)合步驟S33中的邊緣像素點(diǎn)進(jìn)行檢測，該檢測依據(jù):存在一段水平的連續(xù)的邊緣； 537:結(jié)合對(duì)稱性特征，車身長度進(jìn)行判斷，排除非車輛區(qū)域。
5.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述道路標(biāo)牌的檢測是檢測圖像中的藍(lán)色矩形標(biāo)志，其包括如下步驟: 541:從上到下，從左往右掃描圖像中的每個(gè)像素點(diǎn)，標(biāo)記并記錄所有的藍(lán)色像素點(diǎn)； 542:遍歷所有檢測到的藍(lán)色像素點(diǎn)，使用角點(diǎn)掩膜檢測藍(lán)色矩形區(qū)域； 543:提取藍(lán)色矩形區(qū)域內(nèi)的圖形，根據(jù)圖像匹配方法檢測出交通標(biāo)志。
6.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述手握方向盤狀況的檢測步驟包括: 551:輸入一張三通道的相關(guān)彩色圖片； 552:設(shè)置感興趣區(qū)域； 553:使用橢圓皮膚模型在所述感興趣區(qū)域得出皮膚區(qū)域； 554:得出皮膚區(qū)域的二值化圖像； 555:將所述二值化圖像的左上角無關(guān)區(qū)域值置O ; 556:根據(jù)置O區(qū)域?qū)Χ祷瘓D像進(jìn)行形態(tài)學(xué)閉操作，消除孔洞； 557:清除左側(cè)無關(guān)的隔離區(qū)域； 558:獲得二值化圖像的輪廓，統(tǒng)計(jì)隔離區(qū)域的個(gè)數(shù)，以及面積； 559:根據(jù)上述步驟所得的信息進(jìn)行手握方向盤檢測判斷。
7.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述駕駛?cè)藛T抽煙狀態(tài)的檢測包括如下步驟: S61:提取出A柱左攝像頭獲取的視頻的一巾貞圖像傳入函數(shù)中； S62:對(duì)該幀圖像進(jìn)行人臉檢測，返回人臉區(qū)域的位置，其中有人臉區(qū)域則返回一個(gè)區(qū)域，否則返回空； 563:對(duì)該幀圖像運(yùn)用橢圓模型檢測出皮膚的區(qū)域； 564:對(duì)步驟S62中返回的區(qū)域進(jìn)行皮膚像素點(diǎn)估計(jì)，如果低于一預(yù)設(shè)值，則判斷人臉區(qū)域位置出錯(cuò)； 565:定位出人臉后，在人臉區(qū)域下面定下一塊感興趣區(qū)域，然后在這塊區(qū)域內(nèi)部檢測皮膚，然后確定一個(gè)閾值，多于閾值就判斷這個(gè)區(qū)域出現(xiàn)了人手，則判斷為可能性抽煙行為；S66:針對(duì)香煙叼在嘴巴上的情況，同樣先檢測出人臉，然后在嘴巴區(qū)域進(jìn)行模糊匹配，檢測嘴巴區(qū)域是否有香煙。
8.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述人疲勞狀態(tài)的檢測包括如下步驟: 571:通過儀表盤攝像頭獲取視頻； 572:人臉定位:采用haar特征訓(xùn)練器，定位人臉； 573:眼睛定位:截取人臉的上半部分，采用haar特征訓(xùn)練器定位眼睛； 574:圖像進(jìn)行二值化處理，計(jì)算圖像眼睛高度； 575:當(dāng)眼睛高度小于設(shè)定的高度閾值時(shí)，判斷為閉眼，否則為睜眼； 576:計(jì)算單位時(shí)間內(nèi)閉眼總幀數(shù)、連續(xù)閉眼幀數(shù)以及眨眼次數(shù)，通過這三個(gè)參數(shù)判斷駕駛員是否處于疲勞狀態(tài)； 其中，高度閾值為視頻的前20幀算出平均眼睛高度，然后乘以一個(gè)比例系數(shù)作為閾值；眼睛高度為計(jì)算每一列的黑像素個(gè)數(shù)，取其中最大值作為眼睛高度；眨眼次數(shù)為有出現(xiàn)睜眼-閉眼-睜眼的過程算一次眨眼。
9.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述代駕狀況的檢測是通過初始化提取人臉數(shù)據(jù)建立訓(xùn)練集，然后對(duì)于日常駕駛中，每幀的人臉進(jìn)行匹配，若發(fā)現(xiàn)為未知人臉，則判定為代駕行為； 其中所述建立訓(xùn)練集為: 581:對(duì)訓(xùn)練集中的圖片 進(jìn)行訓(xùn)練，首先進(jìn)行人臉檢測，將檢測出的人臉，去除頭發(fā)部分，再進(jìn)行大小歸一化； 582:使用PCA算法對(duì)歸一化后的人臉進(jìn)行訓(xùn)練。
10.根據(jù)權(quán)利要求1所述的汽車智能安全駕駛的實(shí)現(xiàn)方法，其特征在于:所述安全帶綁定狀態(tài)的檢測包括如下步驟: 581:從A柱左攝像頭讀取視頻或者直接打開視頻文件； 582:循環(huán)從視頻中提取每一幀按照如下步驟進(jìn)行檢測: 5821:將輸入的將彩色圖像灰度化； 5822:采用canny算子進(jìn)行邊緣檢測； 5823:采用hough變換檢測直線； 5824:提取滿足以下條件的直線:直線的傾斜角度大于30度，小于80度；直線的長度大于30像素；直線的起點(diǎn)位于整幅圖像的右下部分； 5825:若步驟S824提取出的直線數(shù)小于2，則判斷該幀無安全帶；否則，將傾斜角度之差最小的兩條直線作為偽安全帶邊緣線； 5826:判斷檢測出的偽安全帶是否為真正的安全帶:在提取出的兩條邊緣線之間截取一個(gè)矩形區(qū)域，判斷該區(qū)域的高頻能量以及其灰度圖像的方差，若高頻能量及方差小于設(shè)定的閾值，則判斷該幀有安全帶，否則無安全帶； 583:每單位時(shí)間判斷一次是否佩戴安全帶,判斷方法:單位時(shí)間內(nèi)，有安全帶的巾貞數(shù)大于無安全帶的幀數(shù)，則判斷為有佩戴安全帶，反之則無。
全文摘要
本發(fā)明涉及一種汽車智能安全駕駛的實(shí)現(xiàn)方法，通過攝像頭檢測遠(yuǎn)方光照值、人行道、前方車輛、道路標(biāo)牌、檢測駕駛?cè)藛T抽煙狀態(tài)、手握方向盤狀態(tài)、安全帶綁定狀態(tài)、檢測人疲勞狀態(tài)以及代駕狀況；提供一硬盤錄像機(jī)保存檢測的信息，用于本地調(diào)用及遠(yuǎn)程視頻調(diào)用；提供一VSCC控制器，采集車輛信號(hào)同時(shí)，并根據(jù)所述代駕狀況控制計(jì)價(jià)器的使用；提供一GPS模塊，該GPS模塊與車載電腦相連，所述車載電腦在所述車輛信號(hào)、GPS位置及所述檢測的信息超出閾值時(shí)進(jìn)行警示，并將所述車輛信號(hào)、GPS位置及所述檢測的信息傳輸至一遠(yuǎn)程監(jiān)控中心。本發(fā)明能夠?qū)崿F(xiàn)車內(nèi)疲勞安全檢測、車外安全檢測、車輛狀態(tài)安全檢測，保證駕駛?cè)藛T的安全性。
文檔編號(hào)G06K9/00GK103150560SQ201310082340
公開日2013年6月12日 申請(qǐng)日期2013年3月15日 優(yōu)先權(quán)日2013年3月15日
發(fā)明者馬勝藍(lán), 吳良峰, 陳依俤, 林小軍, 郭婉青, 楊玲玲 申請(qǐng)人:福州龍吟信息技術(shù)有限公司