基于ZigBee的疲勞駕駛警示系統的研究與設計

　　2.3 傳感器融合

　　我們以 120ms 為一個(gè)小周期，因為本系統能在40ms 內采集到一幀的圖像，則后80ms用于圖像處理，這樣在一分鐘內共有500 幀的圖像。通過(guò)這些圖像來(lái)分析駕駛員的疲勞情況。根據人體工程學(xué)原理，人體出現疲勞的時(shí)候，眨眼頻率在某個(gè)時(shí)段比正常時(shí)明顯加快，這是駕駛員在疲勞時(shí)試圖保持清醒的反應，進(jìn)入更深層次疲勞時(shí)就會(huì )出現眼睛閉合一次時(shí)間加長(cháng)的特征。清醒時(shí)眼睛一睜一閉的過(guò)程只需要幾幀倒十幾幀的時(shí)間(0.25 秒以?xún)?，而疲勞時(shí)則需要20 幀或一兩秒；打哈欠的時(shí)候嘴部垂直半徑明顯加大。我們先采集駕駛員正常時(shí)候的眨眼頻率，眼睛閉合一次時(shí)間和嘴部信息，然后再與發(fā)生疲勞時(shí)候的情況進(jìn)行對比，以此判斷疲勞程度。我們采用模糊邏輯法來(lái)對采集到得信息進(jìn)行融合決策。例如：當Coordinator只接收到眨眼頻率、眨眼時(shí)間有疲勞異常的時(shí)候，將進(jìn)行如下方式的融合：

　?。?）輸入及輸出變量隸屬度函數的建立：對于兩個(gè)輸入變量眼睛閉合一次的時(shí)間和眨眼頻率以及一個(gè)輸出變量（駕駛員的疲勞狀態(tài)），分別定義三種不同程度的模糊集合，對每一個(gè)變量，選擇適當的隸屬度函數。其說(shuō)明如下：眨眼頻率={快、中、慢}；眨眼時(shí)間={短、中、長(cháng)}；疲勞狀態(tài)={不疲勞、輕微疲勞、疲勞}。在本文中選用歸納推理法來(lái)確定隸屬度數，采用三角形隸屬度函數。

　?。?）模糊化與模糊推理規則的建立：模糊化是把精確的測量值經(jīng)歸一化轉換到輸入變量對應的論域中，再經(jīng)由所定義的隸屬度函數，將其轉化為合適的模糊化語(yǔ)言變量，也就是隸屬度以供模糊推理使用。在本文中，輸入變量為眨眼時(shí)間和眨眼頻率，我們采集的圖像經(jīng)過(guò)處理后得到眼睛睜閉的情況，并將眨眼頻率轉換為眨眼頻率快、眨眼頻率中、眨眼頻率慢、眨眼時(shí)間長(cháng)、眨眼時(shí)間中、眨眼短等模糊語(yǔ)言。因為我們對于眨眼頻率以及眨眼時(shí)間各選用三種程度的模糊集合。因此，其相互間最多可得32=9 條控制規則，推理如下表1：

　?。?）模糊清晰化：模糊清晰化是將模糊邏輯推理后的模糊變量換算成實(shí)際的操作量表現出來(lái)。文中選用質(zhì)心法，其計算公式如下。R：模糊控制器輸出量；k：規則數；xi：第i個(gè)規則的隸屬度；Fi：第i 個(gè)規則隸屬度函數的質(zhì)心值。疲勞狀態(tài)數值越高表示越疲勞，本文中眼睛閉合一次時(shí)間的重要性要高于眨眼頻率，因為眨眼持續時(shí)間越長(cháng)代表了眼睛在眨眼過(guò)程中眼睛閉合的時(shí)間越長(cháng)，不論駕駛員疲勞與否，眼睛閉合越久代表危險性越高。

　　實(shí)驗結果對比：我們對采集的50 段駕駛員處于疲勞狀態(tài)的視頻分別單獨使用眨眼時(shí)間、眨眼頻率和二特征融合后的隸屬度值進(jìn)行判決，實(shí)驗結果顯示融合后正確率明顯提高。同理，當出現打哈欠、車(chē)道路線(xiàn)偏移等疲勞特征時(shí)，我們用同樣的方法進(jìn)行融合，系統的正確率達到95%。

　　3 結論

　　全文對基于 ZigBee 技術(shù)的疲勞監測警示系統進(jìn)行了全面的介紹，并給出了系統設計中的關(guān)鍵技術(shù)，整個(gè)系統具有獨特的優(yōu)點(diǎn):(1)采用了基于ZigBee 無(wú)線(xiàn)傳感網(wǎng)絡(luò )技術(shù)技術(shù)的，避免了車(chē)身布線(xiàn)成本高和干擾嚴重的問(wèn)題; (2)采用了多傳感器信息融合技術(shù)，能夠較好的分析決策駕駛員疲勞行為。因此，基于ZigBee 技術(shù)的汽車(chē)疲勞駕駛監測系統對降低因疲勞引發(fā)的交通事故具有一定的借鑒意義和較好的應用前景。本文創(chuàng )新點(diǎn)：提出并實(shí)現了ZigBee 網(wǎng)絡(luò )與多傳感器融合技術(shù)相結合的疲勞監測系統，適于車(chē)載運行且擴展性好，有效地提高疲勞判斷的準確性和增強系統的魯棒性。