基于ZigBee的疲勞駕駛警示系統(tǒng)的研究與設(shè)計(jì)

　　2.2 傳感信息獲取技術(shù)

　　駕駛員面部圖像通過紅外攝像機(jī)和 LED 來獲取，其中用于照明的LED 能夠發(fā)出光譜分別為850nm 和950nm 的光線。當(dāng)使用不同紅外光譜的時(shí)候，眼睛瞳孔會(huì)呈現(xiàn)出不同顏色。當(dāng)用 850nm 紅外光照明，瞳孔呈現(xiàn)出紅色，即俗稱的紅眼效應(yīng);而用 950nm 紅外光照明，瞳孔卻呈現(xiàn)出黑色。兩幅圖像除了瞳孔以外，臉部其它部位都是一樣的。通過比較這兩幅圖像，就可以很容易定位到眼部，再通過一系列圖像處理來得到面部的參數(shù)和實(shí)現(xiàn)眼部跟蹤。另外，使用紅外LED 在減少周圍光線干擾確保圖像質(zhì)量的同時(shí)，還能減少對駕駛員視覺的干擾，因?yàn)樗墓饩€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(dāng)入射光照到中間的分光片(它可以將入射激光線分離為反射/ 透射比為 1 的兩束光線)的時(shí)候，能將入射光線平行分成兩束，再分別經(jīng)過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(nèi)完成大量圖像數(shù)據(jù)的處理，DSP 圖像處理芯片采用TMS320DM642，它的圖像處理速度能達(dá)到每秒25 幀以上，也就是能在40ms內(nèi)完成對一幀圖像的運(yùn)算處理，再加上CCD 攝像頭是PAL 制每秒25 幀的，這些設(shè)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(jì)算。

　　車道偏移檢測即基于車輛的行為來間接地反應(yīng)司機(jī)的疲勞跡象。我們將 CCD 攝像頭朝向汽車行駛方向，監(jiān)測車輛的行駛方向，同時(shí)監(jiān)測轉(zhuǎn)向燈。如果汽車方向改變而轉(zhuǎn)向燈沒有開啟，則認(rèn)為駕駛員有進(jìn)入疲勞駕駛的可能。車輛行為的檢測不是基于人為表現(xiàn)活動(dòng)，這樣能互補(bǔ)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?yàn)槠渌蛩?如手機(jī)、音樂、小孩)造成注意力不集中判斷錯(cuò)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?yàn)楸鞠到y(tǒng)能在40ms 內(nèi)采集到一幀的圖像，則后80ms用于圖像處理，這樣在一分鐘內(nèi)共有500 幀的圖像。通過這些圖像來分析駕駛員的疲勞情況。根據(jù)人體工程學(xué)原理，人體出現(xiàn)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(yīng)，進(jìn)入更深層次疲勞時(shí)就會(huì)出現(xiàn)眼睛閉合一次時(shí)間加長的特征。清醒時(shí)眼睛一睜一閉的過程只需要幾幀倒十幾幀的時(shí)間(0.25 秒以內(nèi))，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對采集到得信息進(jìn)行融合決策。例如：當(dāng)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(shù)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(dāng)?shù)碾`屬度函數(shù)。其說明如下：眨眼頻率={快、中、慢};眨眼時(shí)間={短、中、長};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確定隸屬度數(shù)，采用三角形隸屬度函數(shù)。

　　(2)模糊化與模糊推理規(guī)則的建立：模糊化是把精確的測量值經(jīng)歸一化轉(zhuǎn)換到輸入變量對應(yīng)的論域中，再經(jīng)由所定義的隸屬度函數(shù)，將其轉(zhuǎn)化為合適的模糊化語言變量，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)過處理后得到眼睛睜閉的情況，并將眨眼頻率轉(zhuǎn)換為眨眼頻率快、眨眼頻率中、眨眼頻率慢、眨眼時(shí)間長、眨眼時(shí)間中、眨眼短等模糊語言。因?yàn)槲覀儗τ谡Ｑ垲l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(guī)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(xiàn)出來。文中選用質(zhì)心法，其計(jì)算公式如下。R：模糊控制器輸出量;k：規(guī)則數(shù);xi：第i個(gè)規(guī)則的隸屬度;Fi：第i 個(gè)規(guī)則隸屬度函數(shù)的質(zhì)心值。疲勞狀態(tài)數(shù)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?yàn)檎Ｑ鄢掷m(xù)時(shí)間越長代表了眼睛在眨眼過程中眼睛閉合的時(shí)間越長，不論駕駛員疲勞與否，眼睛閉合越久代表危險(xiǎn)性越高。

　　實(shí)驗(yàn)結(jié)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(dú)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(yàn)結(jié)果顯示融合后正確率明顯提高。同理，當(dāng)出現(xiàn)打哈欠、車道路線偏移等疲勞特征時(shí)，我們用同樣的方法進(jìn)行融合，系統(tǒng)的正確率達(dá)到95%。

　　3 結(jié)論

　　全文對基于 ZigBee 技術(shù)的疲勞監(jiān)測警示系統(tǒng)進(jìn)行了全面的介紹，并給出了系統(tǒng)設(shè)計(jì)中的關(guān)鍵技術(shù)，整個(gè)系統(tǒng)具有獨(dú)特的優(yōu)點(diǎn):(1)采用了基于ZigBee 無線傳感網(wǎng)絡(luò)技術(shù)技術(shù)的，避免了車身布線成本高和干擾嚴(yán)重的問題; (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)的汽車疲勞駕駛監(jiān)測系統(tǒng)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(yīng)用前景。本文創(chuàng)新點(diǎn)：提出并實(shí)現(xiàn)了ZigBee 網(wǎng)絡(luò)與多傳感器融合技術(shù)相結(jié)合的疲勞監(jiān)測系統(tǒng)，適于車載運(yùn)行且擴(kuò)展性好，有效地提高疲勞判斷的準(zhǔn)確性和增強(qiáng)系統(tǒng)的魯棒性。