EEPW论坛

项目一：

汽车驾驶员疲劳检测系统设计

一、系统架构

汽车驾驶员疲劳检测系统使用非侵入式检测、基于多个疲劳相关特征并结合嵌入式系统的疲劳驾驶检测系统，以高清红外数字摄像头作为图像传感器获取人脸图像和车道线图像，以外扩加速度传感器、角速度传感器结合的角度检测模块获取车体摆动信息。

系统的硬件结构图：

       系统的算法流程图为：

在系统视频图像采集端，采用两个USB接口的红外数字摄像头作为图像传感器摄取图像。系统工作时，将开发板固定在驾驶汽车上，将人脸检测摄像头固定在方向盘前方距离人脸40cm-80cm的仪表盘上，将车道线检测摄像头固定在挡风玻璃与后视镜之间来获取车道线信息图像。

在行驶行中主要提取两个特征值，即车体的摆动特征和车体偏离车道特征。增加角度测量模块来获得车体行驶过程中的摆动信息，通过获得的车道线图像经过图像处理后获得车体偏离车道特征。在系统工作时，角度测量模块固定在汽车仪表盘上。角度测量模块是通过加速度、角速度传感器的配合测量完成的。系统将加速度、角速度传感器的数据进行拟合获得车体的角度，减小车辆抖动导致的传感器数据误差；使用改进算法检测车道线并拟合断续的车道线，最后计算出车轮与车道线的距离获得车体离道特征。

在面部特征提取上，与疲劳相关的面部特征提取是指驾驶员眼睛开合特征、嘴巴运动特征、头部运动特征和姿态特征提取。面部特征提取的关键是进行人脸识别和追踪，然后根据先验知识获得眼睛、嘴巴、头部的各个特征。在处理过程中，系统首先对采集到的图像进行预处理以减小光照强度变化对后期处理的影响，然后采用基于改进算法进行人脸识别和跟踪。最后根据眼睛、嘴巴之间的相对位置关系追踪到人眼和嘴巴。追踪到人脸、眼睛、嘴巴后，利用相应的特征提取模型提取出反应疲劳状态的特征。

系统提取到面部疲劳相关特征、车体行为特征后，通过特征融合计算并实时显示疲劳程度。当疲劳程度超过一定阈值时，系统读取音频文件发出语音报警提示。

疲劳检测系统能够准确得进行人脸追踪、人体面部特征提取、车道线识别、车体偏离车道线特征提取和车体摆动特征提取，并通过多特征融合准确地判断驾驶员的疲劳程度，疲劳检测准确率能达到90%以上。通过对驾驶员的精神状态进行实时监控，避免了意外交通事故的发生，提高了驾驶安全性。

在检测手段上，系统从驾驶员行为和车辆行为两个最能反映驾驶员疲劳状态的特征出发，根据多个特征与疲劳的关联度来确定驾驶员疲劳程度，提高了疲劳检测的精确度。同时，系统建立了一套自适应学习机制，增强了对不同个体的适应性。在检测疲劳状态时，提出了一种新的根据特征度量驾驶员疲劳程度的方法模型，丰富了疲劳驾驶的研究手段，对后续的研究者提供了一定的参考意义。

项目二：

无盲区的全景环视辅助驾驶系统

本项目根据设计需求，划分为如下三个层次：

第1层，硬件层。包括处理器、图像输入和图像输出。图像输入通路采用USB2.0传输协议；图像输出通路采用VGA传输协议。

第2层，操作系统层。该层作为硬件层和应用层的连接层，实现USB和VGA的驱动功能，为应用层的图像处理提供软硬件接口。

第3层，应用层。该层用于系统中应用程序的开发，包括图像处理、人机交互等等。

系统在运行过程中，通过USB接口经HUB完成四路鱼眼摄像头实时图像数据的读取。再经图像处理程序，对采集到的实时图像数据进行格式转换、图像压缩、有效区域提取、摄像机标定、畸变校正、图像插值、俯视变换、图像拼接、白平衡得到的全景视图。最终，将视图通过VGA接口显示在显示器上，实现全景环视成像功能。

软件部分

本系统的核心功能在于对鱼眼摄像头采集的实时数据进行处理实现全景环视成像。主要的图像处理算法包括：畸变校正、图像插值、俯视变换、图像拼接、白平衡。

图像处理的流程图：

全景环视系统使得驾驶人员对于周边情况的了解有极大的帮助作用。如果搭配识别系统、警报系统等可使得全景环视系统具有更高的应用价值。除此之外安全监控领域、机器人等领域也有着极高的发展前景。