基于嵌入式的驾驶员状态监测系统设计

• 作 者: 陈耀
• 出 处: 天津大学
• 发表日期: 2004年期
• 关键词: 高级驾驶辅助系统 驾驶员状态监测 嵌入式系统 近红外

近年来,随着我国经济的快速发展,汽车保有量也迅速增加。然而,由此引发的交通事故越来越多,目前的交通安全形势十分严峻,世界各国都在研究如何提高交通安全性。高级驾驶辅助系统是安全交通的一个重要研究方向,对其可以从车辆控制和驾驶员状态监测两个方面来进行研究。过去的研究大多从车辆控制的角度出发,通过传感器获取车辆周边环境信息,进行分析后给驾驶员提示或对车辆直接进行一些控制。但是根据相关统计资料,造成交通事故最大的原因是驾驶员自身未按照交通法规操作汽车。因此,如何对驾驶员进行状态监测就成了高级驾驶辅助领域的研究热点。本文设计了一个嵌入式的驾驶员状态监测系统,旨在发现驾驶员有可能造成交通事故的危险行为动作,并及时发出警报,从源头上减少交通事故发生概率。本文设计了一个基于嵌入式的驾驶员状态监测系统,可以实现如下五种异常行为的检测:闭眼、打哈欠、低头、左顾右盼和抽烟。该系统利用近红外摄像头采集实时图像,通过异常行为检测来判断当前是否出现异常情况,若检测到异常情况便进行LED和音频报警。考虑到系统采用的嵌入式平台性能,我们采用了基于梯度提高学习的回归树方法来进行人脸特征点检测,并根据异常情况设计了如下检测方案:针对闭眼和打哈欠的面部动作检测方法、针对低头和左顾右盼的人脸朝向检测方法以及针对抽烟的烟头检测方法。为了提高此嵌入式系统的运行速度,我们针对人脸特征点检测进行了两点改进:一是使用计算量较小的特征进行人脸检测;二是改进了初始特征点定位方法。此外还通过代码优化进一步提高了系统运行速度。而由于该系统使用近红外图像进行检测,为了使系统更符合实际应用环境,提高检测准确率,本文另建立了一个近红外人脸样本库。实验结果表明:在规定条件下,系统的人脸特征点检测准确率达到了95%,针对所有异常情况的检测准确率也都超过了92%,并且具有良好的实时性能,所有指标均达到了合作方提出的要求。