数字图像处理背景下的疲劳驾驶检测研究

　　摘要：随着社会的发展, 中国汽车保有量不断增加, 但与此同时交通事故发生的频率也在逐渐增大。据统计, 疲劳驾驶导致的死亡人数占交通事故死亡人数的总数的20%30%。从此看来, 疲劳驾驶严重危害着我们的人身和财产安全, 即便如此, 大部分司机却依然对疲劳驾驶不够重视, 甚至依然在疲劳的情况下坚持驾驶。因此, 研究并设计出一款用于提醒疲劳驾驶人员及时休息的准确灵敏的疲劳驾驶检测系统对我们的生活有着重要的意义。目前驾驶员疲劳监测系统已经有了较大进展, 但是检测的灵敏程度和可靠程度依然达不到较高水平。本文使用数字图像处理技术进行疲劳检测, 系统以摄像头采集驾驶员的面部信息, 经过图像预处理, 通过一段时间内驾驶员的眨眼频率、眼部大小变化、哈欠次数、低头幅度及频次等特征, 综合判定驾驶人员是否处于疲劳驾驶的状态。本系统基于传统疲劳驾驶检测系统进行优化改进, 将多种疲劳特征综合后进行判断。通过检测方式的多样性, 从而设计出一款安全便捷而又准确灵敏的疲劳驾驶检测系统。

　　关键词：疲劳驾驶; 图像处理; 人脸检测;

　　一、引言

　　(一) 课题背景及研究意义

　　随着现代交通运输业的飞速发展, 我国的汽车数量也在不断增加, 在汽车带给了我们诸多便利的同时, 交通事故也逐渐增多, 在所有引发交通事故的因素中, 最重要的因素是人为因素, 而疲劳驾驶就是其中之一。交通事故数量的增长以及它所导致的人员伤亡和财产损失逐渐成为了一个社会普遍关注的问题。然而国家虽然对此有了足够的重视, 但由于检测的困难程度, 对疲劳驾驶的惩罚措施无法十分有效地到位。在这一方面, 不仅仅是中国, 世界上各个国家都是如此, 因此, 疲劳驾驶检测方面的研究也受到了来自各个国家研究人员的关注。如何高效准确地检测驾驶员的疲劳状态, 对于有效保障驾驶人员和其他有关人员的生命财产安全有着十分积极重要的社会意义。

　　(二) 国内外疲劳驾驶检测现状

　　国外的疲劳驾驶检测系统起步相对国内较早, 其中一些典型的实验性产品和研究思路如下:1、美国研制了一款疲劳驾驶检测系统, 采用多普勒雷达以及信号处理的方法, 检测驾驶员的某些烦躁不安的情绪活动这样一些与疲劳有关的参数来检测驾驶员的疲劳程度。2、沃尔沃推出了一项“驾驶员警示系统”, 它通过监控车辆在陆地上的行驶过程判断该车辆是否处于有效的控制状态。

　　我国的疲劳驾驶检测产品的研究还处于刚刚起步的阶段, 对于疲劳驾驶检测系统的研究也相对较少。吉林大学的千承辉等人, 建立了人眼长宽比值Q与疲劳状态的关联模型, 并结合人眼识别和定位对疲劳程度进行检测, 在加快了检测速度的同时, 也提高了检测的准确程度。

　　(三) 本产品的创新点

　　1、相对于传统的疲劳驾驶检测产品, 被产品最大的创新点在于没有拘泥于单一的检测方法, 而是将多种方法进行融合, 使其效果在一个产品上得以体现, 从而提高了检测的准确程度。2、本产品不需要驾驶员进行任何操作, 只需放置于车辆内的合适位置即可自行开始工作, 省去了繁杂的操作步骤, 同时也保证驾驶员了不会在驾驶过程中由于调整设备而分散注意力。

　　本产品通过这些优化创新。在一定程度上改善了传统疲劳驾驶检测系统的弊端, 一路为驾驶人员的生命财产安全保驾护航。

　　二、相关数字图像处理技术介绍

　　(一) 人脸识别与定位

　　颜色模型是在某个三维颜色空间中的一个可见光的子集, 包括了某个颜色域的所有颜色。

　　HSI颜色模型中, H表示色调;S表示饱和度, I表示强度或亮度。当我们观察一个彩色物体的时候, 一般会用色调、饱和度和亮度来描述这个物体的颜色。色调是图像色彩的一种总体的趋势, 饱和度表示了图像色彩的鲜艳程度, 亮度无法测量, 体现了无色的强度概念, 也是描述彩色感觉的一项关键参数。该模型的优点就是它可以去除图像中亮度的干扰。

　　本系统使用了基于人脸特征的方法, 采用HIS彩色空间肤色模型对人脸进行检测, 这样可以在去除光照干扰的情况下将人脸与背景分离开来, 减小了后期的计算量, 更加方便了后面系统对图像的处理。

　　(二) 图像预处理

　　1、噪声处理。

　　一般来说, 数字图像系统中有两种常见的噪声:一种是高斯噪声, 一种噪声是椒盐噪声。噪声处理的作用就是将这些影响图像质量的噪声点去除, 这一操作效果的好坏将直接影响到后续的图像处理。这一操作主要由滤波来实现, 常见的滤波有均值滤波和中值滤波。

　　均值滤波是一种线性滤波, 它可以将目标像素的像素值用模板中所有像素的平均值来代替。

　　中值滤波与均值滤波不同, 它是一种非线性滤波, 它会将目标像素的像素值用模板中所有像素的中位数来代替。

　　本系统在噪声处理方面选择的是中值滤波, 它对于椒盐噪声的抑制效果很好, 并且相较于其他滤波来说, 它在抑制随机噪声的同时, 还可以降低处理过后图像的模糊程度。

　　2、直方图均衡化。

　　直方图均衡化是增强图像对比度的一种图像处理方法, 它会通过直接拉伸对比度来对直方图进行调整, 从而“扩大”前景和背景之间灰度的差别。

　　直方图的均衡化对于背景、前景过亮或者过暗的图像很有用, 它可以更好地体现曝光过度或者曝光不足照片中的细节。它还有一个优点在于, 它不仅相当地直观, 而且还是一个可逆的操作, 当我们知道了均衡化处理操作时使用的均衡化函数时, 我们就可以通过一定的计算量, 去恢复图像原始的直方图。

　　在本文介绍的系统中, 为了增强识别效果, 系统会对图像进行直方图均衡化处理, 将图像像素的像素值进行重新分配, 使像素数量一定灰度范围内大致均匀分布。在直方图均衡化处理之后, 图像的对比度就会大大提高, 图像中的人脸特征也会更加明显, 以便于获得更好的识别效果。

　　3、图像增强。

　　在噪声处理和直方图均衡化之后, 图像可能会变得较为模糊, 所以本系统会在此基础上对图像进行增强, 将处理过程中变得模糊的图像重新变得清晰。

　　图像增强是一种强调某些我们所需要的图像特征, 抑制次要的图像特征, 增强图像的清晰度, 加强图像的判读效果的图像处理方法。它可以让处理后的图像更加适合某种特定的应用, 以满足我们对图像的选择性要求。

　　图像增强可以分为两大类:空间域增强和频率域增强。

　　空间域增强是对图像的像素直接处理, 可将空间域增强分为三类:基于点的操作, 基于邻域的操作, 基于图像集的操作。

　　频域增强把图像看成一种二维信号, 对图像进行基于二维傅里叶变换的信号增强。

　　4、图像二值化。

　　图像的二值化是将图像中所有的点的灰度置为0或255的一种操作, 通过这项操作可以使图像完全变为黑色和白色。

　　本系统人为地设置一个了阈值T, 以此来将图像分为两个部分, 一部分是灰度值小于T的像素点, 另一部分是灰度值大于T的像素点, 系统会将前者的灰度值设置为0, 也就是黑色;将后者的灰度值设置为255, 也就是白色, 从而使图像变成黑白。

　　(三) 人眼和嘴部定位

　　以上处理后会对图像进行分割, 系统会将采集到的图像中的驾驶员的眼睛和嘴巴定位, 以便于后期对面部某一特征进行疲劳状态的判定。对于人脸面部器官定位的方法有:

　　1、模板匹配法。模版匹配法就是先从人脸库中进行选取, 然后做出人脸各个器官的模版, 再使用这个模板在采集到的图像中进行匹配, 相似点最大的位置就是我们所要定位的器官。2、灰度投影法。灰度投影法对人脸灰度图像进行在水平方向和垂直方向上的投影, 在人脸的主要器官, 比如眼睛和嘴巴区域较暗, 所以可以根据灰度投影的分布信息来定位人脸器官。

　　考虑到现实场景中对定位的速度和准确度的要求, 系统采用了灰度投影法来定位人脸的眼睛和嘴巴, 并对其进行下文的疲劳驾驶状态判定。

　　(四) 疲劳驾驶的判定

　　一般地, 我们可以通过驾驶员的眼睛的运动状态或者是一些面部表情来判定该驾驶员是否处于疲劳状态。本系统根据眨眼的频率、眼睛的闭合程度、打哈欠动作及低头的幅度及频率对驾驶员的疲劳程度进行判定。

　　本系统对单位时间内的每一帧图像进行检测, 如果驾驶员的眨眼频率超过了设定的阈值, 或者是眼睛闭合的程度大于设定的阈值, 或者是有打哈欠的动作, 本系统都会触发蜂鸣器, 并且, 考虑到突然的警报会对驾驶人员的驾驶行为造成影响, 所以报警的声音是从较弱渐强, 这样就能在不影响驾驶的情况下给驾驶人员发出警报, 提醒驾驶人员停车休息。

　　三、产品功能

　　(1) 判定驾驶司机是否处于疲劳驾驶状态。

　　(2) 为避免驾驶员因突然的警报而受到影响, 采取渐强警报。

　　(3) 若驾驶员没有采纳提醒, 本系统会持续警报, 直到系统检测到驾驶员停车休息。

　　四、总结

　　行车在路上, 生命财产的安全永远都是第一位的, 本系统即时对驾驶员的驾驶状态进行检测, 而其检测方法的多样性也保障了检测的精准度, 一些人性化的设计也给了驾驶者较为舒适的使用体验。相信在本系统普及之后, 疲劳驾驶现象一定会大大减少, 我们的道路也一定会更加安全。

　　参考文献
　　[1]王瑜, 胡记文.基于3G视频的驾驶员疲劳状态检测方法[J].电子科技, 2011, 24 (11) :84-85, 114
　　[2]郑培, 宋正河, 周一鸣.机动车驾驶员疲劳驾驶测评方法的研究状态及发展趋势[J].中国农业大学学报, 2001 (6) :101-105
　　[3]刘丹.计算机图像处理的数学和算法基础[M].北京:国防工业出版社, 2005