基于ZigBee的疲勞駕駛警示系統的研究與設計

　　2.2 傳感信息獲取技術(shù)

　　駕駛員面部圖像通過(guò)紅外攝像機和 LED 來(lái)獲取，其中用于照明的LED 能夠發(fā)出光譜分別為850nm 和950nm 的光線(xiàn)。當使用不同紅外光譜的時(shí)候，眼睛瞳孔會(huì )呈現出不同顏色。當用 850nm 紅外光照明，瞳孔呈現出紅色，即俗稱(chēng)的紅眼效應;而用 950nm 紅外光照明，瞳孔卻呈現出黑色。兩幅圖像除了瞳孔以外，臉部其它部位都是一樣的。通過(guò)比較這兩幅圖像，就可以很容易定位到眼部，再通過(guò)一系列圖像處理來(lái)得到面部的參數和實(shí)現眼部跟蹤。另外，使用紅外LED 在減少周?chē)饩€(xiàn)干擾確保圖像質(zhì)量的同時(shí)，還能減少對駕駛員視覺(jué)的干擾，因為它的光線(xiàn)幾乎是看不到的。眼部對比情況如圖3：

　　為了能夠同時(shí)得到圖3 的(a)、(b)兩幅圖像，可以采用圖4 所示的紅外攝像頭裝置，當入射光照到中間的分光片(它可以將入射激光線(xiàn)分離為反射/ 透射比為 1 的兩束光線(xiàn))的時(shí)候，能將入射光線(xiàn)平行分成兩束，再分別經(jīng)過(guò)850nm 和950nm 的濾光片進(jìn)入到攝像頭中，這樣在同一時(shí)刻得到的兩幅圖像除了瞳孔顏色不同，其它的都是一樣的。為了在有限的時(shí)間內完成大量圖像數據的處理，DSP 圖像處理芯片采用TMS320DM642，它的圖像處理速度能達到每秒25 幀以上，也就是能在40ms內完成對一幀圖像的運算處理，再加上CCD 攝像頭是PAL 制每秒25 幀的，這些設備足夠完成實(shí)時(shí)的圖像處理，完成對駕駛員眨眼頻率加快、眼睛閉合緩慢、打哈欠的疲勞特征的提取和計算。

　　車(chē)道偏移檢測即基于車(chē)輛的行為來(lái)間接地反應司機的疲勞跡象。我們將 CCD 攝像頭朝向汽車(chē)行駛方向，監測車(chē)輛的行駛方向，同時(shí)監測轉向燈。如果汽車(chē)方向改變而轉向燈沒(méi)有開(kāi)啟，則認為駕駛員有進(jìn)入疲勞駕駛的可能。車(chē)輛行為的檢測不是基于人為表現活動(dòng)，這樣能互補面部檢測的不足和人為差異，同時(shí)在駕駛員不是由于疲勞而是因為其他因素(如手機、音樂(lè )、小孩)造成注意力不集中判斷錯誤的時(shí)候，也能給予一定得提醒。

　　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：

　　(1)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。

　　(2)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：

　　(3)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。