摘要:疲劳驾驶检测相关研究对交通安全具有重要的意义,尤其随着“智慧交通”理念的提出,智能交通系统成为当前发展的主流趋势。疲劳驾驶检测系统主要通过构建疲劳检测模型进行人脸检测,获取驾驶人员脸部、眼部及头部的疲劳特征变化对疲劳驾驶作出科学的判断和预警,在保证驾驶人员不受到干扰的情况下,获得较高的检测准确率,有效提升了最终的检测效率,对于降低因疲劳驾驶而产生的交通安事故发挥着重要的作用。 关键词:智能交通系统;疲劳驾驶;检测系统;模型
0前言
现如今,全球经济在稳步地发展,对于交通的各类需求也在逐渐增长,车辆驾驶也渐渐地成为了现实生活以及工业生产中必不可少的行为。交通事故每年造成数亿人的直接经济损失,被波及影响的间接经济损失更是天文数字。
瓜子烘干机
交通事故起因种类繁多,如车辆机械故障、酒后驾驶、违规违法驾驶、车辆超载超员、疲劳驾驶等等一系列原因。美国国家交通安全办公委员会的相关资料显示,58%的重大交通事故
都与驾驶人员精神状态注意力不足、疲劳驾驶有关;欧盟交通研究联合实验室对欧洲货运交通安全统计数据表明,交通事故的中的货运卡车事故中64.5%由疲劳驾驶造成。
洗洁精加工在人体生理学信号角度,疲劳是正常的人类生理反应,但行驶中的车辆驾驶人员疲劳技术状态带来的后果是致命的。驾驶人员生理疲劳的外在表现常为打瞌睡、打哈欠、身体反应速度变慢、注意力不集中等。人体生理疲劳程度会随着程度的加深带来不同的驾驶行为,不同的疲劳程度表现的具体驾驶行为如表1所示:
表1不同疲劳程度下的驾驶行为
离子风机aryang
水暖炉 驾驶行为 | 疲劳 | 瞌睡 | 正常 |
车速控制 | 反应较慢 | 反应慢或无反应 | 动作快捷 |
完美分割 身体动作 | 多动如伸腰、扭动头部等 | 长时间闭眼,身体摇摆 | 正常坐姿 |
方向修正 | 调整不及时 | 几乎不操作 | 及时修正 |
| | | |
根据以上统计数据足以见得疲劳驾驶对于交通和公众生命财产安全危害巨大,同时大部分
red5集车辆驾驶人员都很难及时感知自身疲劳状态,疲劳驾驶也成最可怕的隐形杀手,因此针对驾驶人员疲劳状态的实时监测和预警成为重点研究方向。
1疲劳检测模型
人脸识别分为四个部分:人脸检测、人脸对齐、人脸验证和人脸识别。人脸检测通常被理解为对图像中的人脸进行检测和包围。人脸对齐是对鼻子、眼睛、眼睛等特征的标准提取,图1所示68点人脸标准点。人脸对齐的根本目的即是对人脸进行准确形状定位,目前主流人脸对齐算法为基于回归的方法,本设计将采用基于集成回归树(Ensemble of Regression Trees)的人脸对齐方法[1]。
树在机器学习领域被不断运用,目前常用的种类就包括二叉树、决策树等,及众多树组成的森林概念算法,甚至衍生出了“随机蕨”这一系列类树结构。本设计所用到的GBDT则是一种类随机森林结构,与随机森林结构相差不大,主要差异于:
1. 每一棵树之间的关系是串行的,并非是并行的关系,因此一棵树的建立在前一棵树的基础之上。
2. 每一棵树的叶子节点上存的是残差,这也是GBDT的特点之一,只有通过叶子节点上保存的残差,才能使形状不断地回归,从而回归到真实形状。 该方法不直接预测工作面关键点的位置,而是预测标准工作面残差的计算方法。也就是说,通过构造一个级联的残差回归树,可以将人脸形状逐步恢复到实际形状,每个残差回归树的每个叶节点存储一定数量的残差回归。当输入落在节点上时,在输入端加上残差值,最后叠加所有残差值完成面对齐。
仿射变换
仿射变换是一种通过对坐标的平移和缩放操作来将原有坐标系映射到新的坐标系的操作,本文根据人脸的关键点,利用仿射变换实现旋转和平移,并将人脸位置映射到标准人脸位置。
图168点人脸标准点*
仿射变换可以通过矩阵计算的方式实现图像的平移缩放翻转旋转等操作,在二维平面坐标系内,仿射变换可以表示为:
上式中,为待计算坐标点,为仿射变换结果,为仿射变换系数。若考虑线性变换矩阵,平移向量,则对于二维坐标系上的点,可以便改写为矩阵形式:
2疲劳检测
2.1眼部判断
目前针对眼球疲劳程度判断的最好方式为PERCLOS算法。PERCLOS算法(Percentage of Eyelid Closure over the Pupil Time)利用单位时间内眼球被覆盖百分比来对车辆驾驶人员进行疲劳程度检测。