感知與危險行為預警系統檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

感知與危險行為預警系統輔助駕駛秘書——智能情緒感知與危險行為預警系統，據相關數據統計，在中國由於危險駕駛導致的交通事故案件每年約五十萬起左右，造成數十萬人死亡，其中大部分是自主性因素導致的意外發生，具體是指在非外力因素的情況下，由於司機自身的不當行為導致的交通事故，例如司機疲勞駕駛或各種分心行為（接打電話、看手機、抽煙、喝水等）。自主性行為導致的車禍因素主要包含三類：疲勞駕駛、分心行為和極端情緒。

第一類：疲勞駕駛。例如在高速公路上長途駕駛時，長時間的單獨駕駛容易產生疲勞，疲勞狀態一方面可能導致視線模糊，另一方面會產生生理機能和心理機能的失調，表現出駕駛技能下降的現象，影響駕駛人的注意力、感覺、判斷、決策等諸方面。

第二類：分心行為。由於抱有僥倖心理，司機在駕駛期間經常會接打電話、看手機、喝水吃東西等，這些行為會分散駕駛人注意力，大大削弱應變能力，數據表明駕車打電話導致交通事故風險比通常高4倍，而吸煙比不吸煙高出1.5倍，而開車玩手機是正常開車的23倍。

第三類：極端情緒。司機的情緒狀態也會對駕駛過程產生影響，比如處於悲傷，急躁的情緒時，更容易增加交通事故發生的風險。

如果事故發生之前駕駛員反應時間提前0.5s，就能避免60%左右的交通事故。所以，提出一種針對司機疲勞狀態及危險行為的檢測系統可以實時對司機行駛過程中的狀態及危險動作做出檢測，提示駕駛員危險情況，可以在很大程度上減少交通事故的發生。

本項目提出的基於樹莓派的司機危險行為檢測系統可在實現危險行為檢測的基礎上加入與終端交互功能，並對危險行為數據進行統計分析，該系統主要功能包括：

（1） 駕駛員身份識別，如果當前駕駛員與記憶庫所有人臉均不匹配則將該信息發送至指定聯繫人；

（2） 司機行駛過程中危險行為（疲勞狀態以及接打電話、吸煙等分心動作）檢測、口罩檢測及情緒識別，

（3） 針對不同檢測結果進行報警提醒；

（4） 檢測結果處理分析，與終端交互通信；

本系統能夠有效減少因司機疲勞駕駛或分心而導致的交通事故，改善司機駕駛習慣，對道路交通安全的提升和車聯網技術的發展具有重要意義。另外，本系統還具有體積小、成本低、準確率高、檢測速度快等優點，便於推廣和普及。

二、研究內容介紹

（1）疲勞狀態識別

疲勞狀態識別基於人臉識別技術採集到的面部特徵，對輸入的人臉圖像或者視頻流進行檢測。首先判斷其是否存在人臉，如果存在人臉，則給出人臉位置、大小和各個主要面部器官的位置信息，依據這些信息，進一步分析對比此時採集的人臉是否處於疲勞狀態。

（2）分心動作及口罩檢測

對採集到的訓練集和測試集圖像進行分析，統計數據樣本分布，尺寸分布，圖片形態等，做一些針對性的數據預處理算法，以更好地擬合數據。然後對數據進行分類處理，即分類出圖像中人物吸煙、打電話的動作及是否佩戴口罩，基於該模型不斷進行修改、調參，調試出性能較好的參數，實現高準確度識別。

（3）情緒識別

通過對採集到的駕駛員面部表情進行分析，利用訓練好的模型判斷駕駛員目前處於的情緒狀態，具體包括"喜悅"、"悲傷"、"正常"等情緒狀態，利用這些情緒識別結果可對車內環境進行智能調整，適應駕駛者的心情，或者在配備自動駕駛功能的車輛主動調整為自動駕駛模式。

本項目採取的技術方案為通過樹莓派的攝像頭採集司機駕駛過程中的圖像，利用OpenCV實現人臉識別，訓練相關識別模型，對駕駛員的疲勞狀態、分心動作及情緒進行判斷，並對檢測結果進行處理，將採集到的駕駛狀態信息傳輸到終端進行統計分析。

三、技術方案

3.1 問題分析

（1）駕駛員駕駛狀態檢測系統設計

考慮利用樹莓派設計一個低成本，高性能的非接觸式駕駛員駕駛狀態檢測系統。高清攝像頭實時採集人臉數據，人臉識別系統首先需要進行陌生人檢測，檢測駕駛人是否為車主，若是車主，則開啟駕駛員駕駛狀態檢測系統，否則將報警信息傳送到後台車輛管理中心。所用駕駛員駕駛狀態檢測系統通過檢測駕駛人的眼睛閉眼頻率和嘴型並綜合兩個指標來對駕駛人的疲勞程度進行判斷；通過駕駛員其他面部信息判斷駕駛員情緒狀態；通過駕駛員手勢和其他肢體姿勢判斷駕駛員是否正處於打電話或者抽煙等狀態，並將以上識別信息和車輛位置信息通知駕駛人，並發送至後台車輛管理中心或者駕駛人的親屬。

（2）人臉識別技術

人臉識別屬於計算機視覺的一種，是基於人的臉部特徵，對輸入的人臉圖像或者視頻流，首先需要判斷其是否存在人臉,如果存在人臉，則進一步的給出臉的位置、大小和各個主要面部器官的位置信息。並依據這些信息，進一步提取人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。人臉識別屬於圖像識別領域，通常涉及到龐大的神經網絡，這對於內存有限的樹莓派來說將其運行起來是非常困難的，為此，我們基於OpenCV的人臉識別庫來實現狹義的人臉識別。OpenCV具備很強的計算效率，且專門用於實時應用，非常適合使用攝像頭的實時人臉識別，使用OpenCV能夠搭建一個樹莓派驅動的人臉識別系統。

（3）駕駛狀態檢測

對於疲勞識別算法，使用深度學習的方法能夠實現較高的準確率，但是深度學習由於網絡結構複雜，不能夠被內存小、運行速度較慢的樹莓派所驅動，因此需要搭建一個簡單有效的系統。使用眼形和口形的模型來判斷疲勞被認為是一種有效的方法，該方法具有簡單準確的特點，適合搭建一個能夠被樹莓派所驅動的疲勞檢測系統。

（4）通信方案

疲勞檢測系統需要將身份信息和疲勞信息發送到後台車輛管理中心或者與駕駛人親屬的移動終端，對於通信有很高的要求，可通過4G在不同接入技術之間進行全球漫遊與互通。

3.2 總體技術方案

項目總體方案設計架構如圖4所示，整個系統前端主要為基於圖像採集的識別部分，用於檢測駕駛員疲勞狀態、分心動作、口罩佩戴及情緒，後端包括一個可接受信息傳遞的應用程序或服務器。圖像識別採用的是OpenCV，OpenCV是一個強大的計算機視覺庫，基於此開發準確的人臉及動作識別系統。使用PiCam 迷你攝像頭模塊能夠採集到高清的圖像數據，進行訓練和識別。識別駕駛人身份後，若是陌生人則選擇報警。系統接收到駕駛人的正確信息後開啟檢測，實時檢測駕駛人的疲勞狀態、動作及情緒，並把相關信息發送到後台。若發現異常情況則發出對應的警告提醒，並將駕駛人的位置信息以及相關信息發送至控制中心以及預設手機終端。