徐长文 张玉龙 王延森 张鑫 焦志茹 杨治权
（山东英才学院 工学院，山东 济南 ）
摘要：基于单片机的车内智能识别疲劳检测仪，以Ardunio单片机为控制为核心，由红外摄像头、数据库及数据分析系统、警报装置等模块等构成。通过红外摄像头采集图像通过Adaboost 算法处理，识别正常情况下驾驶人员的眨眼频率，识别正常情况下说话时嘴巴的张开程度及识别正常情况下驾驶员开车时头部的位置。然后传输给数据库，数据分析系统分析系统分析后单片机识别并控制报警装置。当然，开车习惯因人而异，还可以根据自己的开车习惯手动输入开车的数据，达到人机信任的状态。驾驶人员在疲劳时眼睛的闭合频率比正常时频率高，有时会打哈欠，并且头部的位置较正常时会有很大变化，红外摄像头可以识别这些空间图像传递给数据库，数据分析后传递给单片机，单片机识别异常数据后，会给出正确指令是否报警，具有比较高的应用前景。
关键词：疲劳检测 红外摄像模块 Ardunio单片机 Adaboost 算法
引言
随着现代人们生活水平的提高，私家车越来越多，正因如此，道路上的安全成了一个不小的问题。检测驶人员的疲劳状态，让驾驶人员及时调整，避免因疲劳驾驶而造成的交通事故，少人员的伤亡。让更多的人外出时方便，可以反放心的驾车出行。车内疲劳检测仪项目是旨驾驶员在长时间驾车或睡眠不足驾车时，能够准确迅速的识别判断，并能及时的对驾驶员做出警报，使驶人员能够及时的在状态不佳的驾车中反应过来的的一个装置。这样一来，虽说不能全面遏制因疲劳而导致的交通事故的发生，但也能有效的预防极大部分，使交通事故大大减少。这样的产品，会成为市场一大主流。
1 整体设计方案
基于单片机的车内智能识别疲劳检测仪，以Ardunio单片机为控制为核心，由红外摄像头、头部位置传感器、数据库及数据分析系统、警报装置等模块等构成。
通过红外摄像头识别眼睛的闭合频率，识别正常情况下驾驶人员的眨眼频率，能识别正常情况下说话时嘴巴的张开程度及识别正常情况下驾驶员开车时头部的位置。然后传输给数据库，数据分析系统分析系统分析后单片机识别并控制报警装置。当然，开车习惯因人而异，还可以根据自己的开车习惯手动输入开车的数据，达到人机信任的状态驾驶人员在疲劳时眼睛的闭合频率比正常时频率高，有时会打哈欠，并且头部的位置较正常时会有很大变化，红外摄像头可以识别这些空间图像传递给数据库，数据分析后传递给单片机，单片机识别异常数据后，会给出正确指令是否报警。
2 摄像模块
.png)
2.1 人脸识别
2.1.1 图像处理
图像在拍摄过程中，脸部受光会不均匀，目标和背景图像区分不明显，而且图像在由摄像头传输到电脑上会产生噪声，故需要对图像进行预处理[1]。首先，对图像进行效果增强处理，经过直方图修正后，图像像素值在各个级别上都有分布，图像像素值间的差距拉大，更容易表现图像细节，使眼睛和嘴部更加明显；其次，对人脸进行光照补偿处理， 尽可能使脸部受光均匀；最后，对图像进行滤波去噪，本文采用中值滤波法，相对其他滤波法，其优点是在抑制噪声的同时不使边缘模糊。
2.1.2 人脸识别
用基于 Haar 特征的 Adaboost 算法进行人脸的定位[2]。Adaboost 算法的原理是通过 Haar 特征进行训练，构造一个弱分类器，通过加权投票降低分类错误的概率，改变数据分布的特点，经过一次次的迭代，最终构造一个强分类器。
2.1.3 眼睛定位
本文基于眼睛灰度差分进行定位，在监测人眼状态时，在脸上半部分只有眼睛区域灰度值处于一直变动中，眼睛的睁闭会导致灰度值变大或变小， 故选取一幅正常状态下的人眼图像为基准，其灰度矩阵为 A，与当前图像的灰度矩阵 B 进行运算，根据灰度差值可以得到图像灰度变化的区域。
.png)
2.1.4 眼睛频率
经过眼睛定位后，计算采集到的图像中眨眼频率。正常人的眼皮，每分钟大约要眨动15次。根据图像算出每秒眨眼的次数与一般眨眼频率相对比。来初步判断驾驶员是否出于疲劳状态。
2.2 嘴部的定位及状态分析
嘴部状态检测。根据常识，人在疲劳时往往都有频繁的哈欠动作，如果监测到哈欠的频率超过一个预定的阈值，则判断已处于疲劳状态。基于此原理，可以完成对驾驶员的疲劳检测
2.2.1 嘴部定位
在进行人脸定位后，截取下半部分进行嘴部的定位，可以减少计算量，节约时间。根据人脸的构造，基于“三庭五眼”的分布特点，截取图像的高1/3~2/3、宽 1/5~4/5 处为嘴部区域，如图所示。
.png)
2.2.2 状态分析
因为嘴部的张合幅度大，故采用积分投影法进行嘴部高宽比的计算，通过计算
的比值进行嘴部闭合状态的分析，为了使嘴部分割更加明显， 改变嘴部图像的对比度范围 。根据上述分析的眼睛和嘴部的定位与状态判断的方法，进行试验验证。模拟驾驶环境，录制 3 组视频，进行不同频率的打哈欠以及眨眼等动作， 每组视频选取 1 500 帧图像进行试验分析，特征提取的结果如表所示。
.png)
经过多次试验，可以把不疲劳的数据记录下来，存储到数据存储器里，然后交给单片机处理。
2.3 头部位置
在驾驶过程中，驾驶员正常和疲劳时其头部位置是不同的，可以利用驾驶员头部位置的变化检测疲劳程度。利用头部位置传感器，对驾驶员的头部位置进行实时跟踪，并且根据头部位置的变化规律判定驾驶员是否瞌睡。
3 数据处理模块
可以采Flash ROM闪速存储器?这是一种可由用户多次编程写入的程序存储器。它不需紫外线擦除，编程与擦除完全用电实现，数据不易挥发，编程/擦除速度快，4KB编程只需数秒，擦除只需10ms。极大地提高了装置的反应时间问题。
4 单片机控制
单片机通过采集到的的数据与数据库内正常开车时的数据做对比，判断此时驾驶人员是否是疲劳驾驶，若是疲劳驾驶状态，则通过蜂鸣器做出警报并开启座椅上的震动装置，使驾驶人员及时调整。
5 结束语
本设计通过51单片机对驾驶人员的实时判断来确定是否需要提醒驾驶人员，对于长途驾驶车辆的人员来说，是一个不错的设计。当驾驶人有疲劳状态时，它会及时提醒，能减少一些此类交通事故的的发生，避免一些不必要的经济损失。
参考文献
[1]耿磊, 袁菲, 肖志涛, 等. 基于面部行为分析的驾驶员疲劳检测方法[J]. 计算机工程, 2018, 44(1): 274-279.
[2]张万枝, 王增才, 李云霞. 驾驶员疲劳检测中的眼睛定位与状态分析[J]. 重庆大学学报, 2013, 36(1): 22-27.
[3]唐阳山,徐忠帅,杨语尧.基于面部表情的驾驶员疲劳特征提取[J].辽宁工业大学学报(自然科学版),2018,38(06):404-407+412.
指导老师：王玉芳、仲为武