展交通事故已成为当前各国所面临的严重问题。
据不完全统计全世界每年死于交通事故的人数约为60万因车祸受伤的人更多每年平均约有l000万人。
在美国的重型汽车事故中57的灾难性事故是与驾驶员疲劳有关它已成为事故发生的主要原因。
英国交通研究实验室Transport Research Lab oratory认为驾驶疲劳导致的道路交通事故占全部交通事故的10。
法国国家事故报告表明因疲劳驾驶而发生车祸的占人身伤亡事故14.9占死亡事故的20.6。
澳大利亚每年由于交通事故的花费约为75 亿美元。
其中将近15亿是直接由于驾驶员疲劳而导致的。
我国交通事故呈现逐年上升的趋势1999年我国发生道路交通事故412860起致伤286080人死亡83529人造成直接经济损失21.24亿元。
因此各国研究人员都在努力开发出一个能实时监视驾驶员警觉水平并在任何不安全状态下能对驾驶员进行预警的系统。
本系统的设计思想是以OpenCV视频图像处理技术为核心通过摄像头实时地获取驾驶员的脸部图像利用脸部识别技术定位眼睛再根据眼睛的闭合的状态判断驾驶员是否处于疲劳状态。
1.2驾驶人疲劳状态监测方法分析 关于驾驶人疲劳及注意分散等安全状态的监测预警技术由于它在交通事故预防方面的发展前景而受到各国高度的重视研究人员根据驾驶人疲劳时在生理和操作上的特征进行了多方面的研究一些研究成果已形成产品并开始进入市场。
驾驶人疲劳状态的检测方法可大致分为基于驾驶人生理信号、基于驾驶人生理反应特征、基于驾驶人操作行为和基于车辆状态信息的检测方法。
1.2.1基于驾驶人生理信号的检测方法 针对疲劳的研究最早始于生理学。
相关研究表明驾驶人在疲劳状态下的生理指标会偏离正常状态的指标。
因此可以通过驾驶员的生理指标来判断驾驶人是否进入疲劳状态。
目前较为成熟的检测方法包括对驾驶人的脑电信号EEG、心电信号ECG等的测量。
ECG主要被用于驾驶负担的生理测量中。
研究表明在驾驶人疲劳时ECG会明显的有规律的下降并且HRV 心率变化和驾驶中的疲劳程度的变化有潜在的关系。
基于驾驶人生理信号的检测方法对疲劳判断的准确性较高但生理信号需要采用接触式测量且对个人依赖程度较大在实际用于驾驶人疲劳监测时有很多的局限性因此主要应用在实验阶段作为实验的对照参数。
1.2.2基于驾驶人生理反应特征的检测方法 基于驾驶人的生理反应特征的检测方法是指利用驾驶人的眼动特性、头部运动特性等推断驾驶人的疲劳状态。
驾驶人眼球的运动和眨眼信息被认为是反映疲劳的重要特征眨眼幅度、眨眼频率和平均闭合时间都可直接用于检测疲劳。
目前基于眼动机理研究驾驶疲劳的算法有很多种广泛采用的算法包括PERCLOS即将眼睛闭合时间占一段时间的百分比作为生理疲劳的测量指标。
利用面部识别技术定位眼睛、鼻尖和嘴角位置将眼睛、鼻尖和嘴角位置结合起来再根据对眼球的追踪可以获得驾驶人注意力方向并判断驾驶人的注意力是否分散。
基于驾驶人生理反应特征的检测方法一般采用非接触式测量对疲劳状态的识别精度和实用性上都较好。
1.2.3基于驾驶人操作行为的检测方法 基于驾驶人操作行为的驾驶人疲劳状态识别技术是指通过驾驶人的操作行为如方向盘操作等操作推断驾驶人疲劳状态。
Yoshihiro Takei 利用FFT对监测到的驾驶人的方向盘操作数据进行处理研究结果在一定程度上揭示了驾驶人的方向盘操作与疲劳之间的关系。
研究指出方向盘的操作是一种有效的驾驶疲劳的判断手段。
Yabuta开发的驾驶人防疲劳装置中也使用了方向盘操作信息。
总体来说目前利用驾驶人操作行为进行疲劳识别的深入研究成果较少。
驾驶人的操作除了与疲劳状态有关外还受到个人习惯、行驶速度、道路环境、操作技能的影响车辆的行驶状态也与车辆特性、道路等很多环境因素有关因此如何提高驾驶人状态的推测精度是此类间接测量技术的关键问题。
1.2.4基于车辆状态信息的检测方法 利用车辆行驶轨迹变化和车道线偏离等车辆行驶信息也可推测驾驶人的疲劳状态。
这种方法和基于驾驶人操作行为的疲劳状态识别技术一样都以车辆现有的装置为基础不需添加过多的硬件设备而且不会对驾驶人的正常驾驶造成干扰因此具有很高的实用价值。
日本三菱汽车公司开发了利用车辆横向位移量、驾驶人操作量等复合参数来识别驾驶人疲劳状态的方法实验证明该方法的识别结果与利用驾驶人眨眼次数的识别结果基本一致。
日本庆应大学2005中岛研究室利用EEG评价驾驶人的睡意研究发现车辆的横向位移量、方向盘操作量可以用来作为驾驶人疲劳状态的评价指标而且可以实现疲劳早期预警。
1.3选题目标 基于上述背景开发一个疲劳驾驶预警系统采用OpenCV视频图像处理技术Windows XP作为操作系统以C作为编程开发语言根据系统的需求分析系统各个模块如驾驶员脸部图像获取眼睛定位图像二值化处理眼睛高度计算算法以及疲劳状态的判断算法实现并完善系统的功能。
1.4需求分析 1.4.1用户需求分析 目前已经有一些公司专门开发和生产疲劳驾驶装置如南京远驱科技有限公司开发的疲劳驾驶预警系统gogo850平安行采用国际上最先进的非接触式方式利用汽车级图像传感器采集人脸红外图像性能超过奔腾二代的高速数字信号处理器进行数字图像处理与分析先进的疲劳算法确保驾驶员在疲劳驾驶的时候及时发出报警信号保障您的生命与财产安全。
其功能特点全天候工作特点、优秀的眼镜识别水平、领先的人脸识别技术、丝网膜瞳孔检测技术、智能高速识别功能、体积小巧安装方便、自动灵敏度控制、人性化的指示灯、智能化的报警灵敏度调节。
由此本系统也尽量适应用户需求完善系统功能使得更为人性化。
设计开发多种功能模块二值化滑动条调节适应不同的光线强度及提高判断精度采用红外线摄像头可以识别戴各种眼镜驾驶的司机系统可以动态显示二值化眼睛状态便于测试和观察结果更为人性化的语音提示当判断处于疲劳状态时系统会发出警报声。
1.4.2功能需求分析 根据用户的需求和项目的定位从提升产品价值的角度出发划分项目的各个功能模块具体如下 1、实时的获得驾驶员的脸部图像实时显示从摄像头获取的图像 该功能使系统更为直观的显示摄像头工作状态实时获取驾驶员的状态图像。
2、动态的显示二值化后的眼睛状态图像 该功能是为了统计与判断驾驶员的眼睛闭合状态连续的帧数对疲劳状态进行判断提供依据。
3、具有可调节二值化强度的滑动条 该功能是为了适应不同的光照强度可以提供用户自行设置二值化的强度这样对疲劳状态的判断更为精确有效。
4、具有语音提示功能及报警提示窗口 该功能通过语音提示可以提醒用户注意休息更为人性化的设计有利于产品化设想。
5、系统界面的美化 系统界面美化是使用Photoshop进行图片的美化处理设计按钮也是使用图片作为按钮使得系统更为美观有利于产品化设想。
1.5本章小结 本章主要介绍了项目的选题背景、四种驾驶人疲劳状态的检测方法的分析与比较和需求分析。
本系统采用的疲劳状态检测方法是基于人眼的生理反应特征的方法实现选择该方法的原因是相对其他方法而言人眼的生理反应特征是最直接最直观的反应驾驶员是否处于疲劳状态的一种表现。
根据本人技术水平情况按需求划分软件功能模块系统采用基于人眼的设计思路进行详细设计。
2 OpenCV介绍 2.1 OpenCV背景介绍 OpenCVOpen Source Computer Vision Library于1999年由Intel建立现在由Willow Garage提供支持。
OpenCV是一个基于BSD许可证授权开源发行的跨平台计算机视觉库可以运行在Linux、Windo
上一篇:
[毕业设计精品]基于TMS320C5410芯片的余弦信号发生器
下一篇:
四季相伴,文字生香