基于虹膜檢測(cè)疲勞駕駛的研究

邱敏霞 王子純 方嬌 李鑫

【摘? 要】伴隨汽車(chē)保有量的持續(xù)提高，交通事故也快速增多，由于疲勞而引發(fā)的交通事故占比相當(dāng)高，對(duì)司機(jī)疲勞駕駛展開(kāi)監(jiān)管，對(duì)于減少交通事故存在重大的作用。本文借助模板匹配的方式追蹤定位識(shí)別到的人眼。本文借助虹膜對(duì)上下眼瞼之間的距離展開(kāi)運(yùn)算，且同眨眼頻率有效結(jié)合，探討有關(guān)沒(méi)有檢測(cè)到人眼的狀況下的運(yùn)算且予以創(chuàng)新。本文把疲勞判斷同追蹤人眼有效融合，促使系統(tǒng)檢測(cè)所耗費(fèi)的時(shí)間大幅變少。

【關(guān)鍵詞】疲勞檢測(cè);虹膜識(shí)別

引言

隨著科學(xué)技術(shù)日新月異的進(jìn)步，交通運(yùn)輸業(yè)也得到了高速的發(fā)展，道路交通事故頻發(fā)成為危害人身和財(cái)產(chǎn)安全的嚴(yán)峻問(wèn)題，然而引發(fā)事故的原因是各式各樣的，比如司機(jī)、車(chē)輛或者道路等方面的問(wèn)題，至于司機(jī)問(wèn)題已然變成全球高度認(rèn)可的重要因素，其中最重要一個(gè)因素就是駕駛員疲勞駕駛。駕駛?cè)擞捎谛菹⒉蛔慊蜷L(zhǎng)時(shí)間駕駛時(shí)容易導(dǎo)致判斷能力下降、操作失誤頻率上升以及反應(yīng)遲鈍現(xiàn)象頻發(fā)。當(dāng)駕駛員處于嚴(yán)重疲倦狀態(tài)下時(shí)，有時(shí)會(huì)進(jìn)行無(wú)意識(shí)操作或進(jìn)入瞬時(shí)睡眠狀態(tài)，在嚴(yán)重的情況下失去對(duì)車(chē)輛的控制能力。造成交通事故的主因也許是疲勞駕駛，按照有關(guān)部門(mén)的相關(guān)報(bào)告可知，由于疲勞駕駛而引發(fā)的事故占交通事故總數(shù)的五分之一左右。在疲勞駕駛與酒駕，還有超速這幾個(gè)重要因素當(dāng)中，疲勞駕駛是最為關(guān)鍵的因素。

對(duì)于開(kāi)展關(guān)于疲勞狀態(tài)預(yù)警，預(yù)防疲勞駕駛的系統(tǒng)對(duì)于人身安全與社會(huì)穩(wěn)定具有重要意義。本文對(duì)現(xiàn)今國(guó)內(nèi)外關(guān)于預(yù)警疲勞駕駛的研究進(jìn)行分析發(fā)現(xiàn)，現(xiàn)有的疲勞狀態(tài)預(yù)警研究大致可劃分成主動(dòng)記錄和參數(shù)監(jiān)測(cè)兩種方式，第一種主動(dòng)記錄指的是通過(guò)駕駛員的簽到記錄駕駛時(shí)長(zhǎng)，通過(guò)規(guī)定的時(shí)間衡量是否處于疲勞狀態(tài)。第二種參數(shù)監(jiān)測(cè)是對(duì)駕駛員的生理信息、車(chē)輛的動(dòng)態(tài)參數(shù)進(jìn)行實(shí)時(shí)觀測(cè)以判斷駕駛員是否疲勞。

1.研究流程

2.特征提取

虹膜識(shí)別模塊的重要構(gòu)成部分，為虹膜的特征匹配以及提取。特征提取重點(diǎn)為借助Canny邊緣算子，將虹膜的外邊緣提取出來(lái)，借助 Hough變換獲取內(nèi)圓半徑以及中心，借助單行梯度最大值法，對(duì)虹膜的外邊緣展開(kāi)運(yùn)算;最終借助二維Gabor小波變換，對(duì)虹膜特征展開(kāi)提取，以下為相關(guān)的公式：

在對(duì)虹膜特征展開(kāi)提取時(shí)，必須基于二維Gabor小波變換，所形成的極坐標(biāo)下開(kāi)展。原因是如此能夠防止由于虹膜提及的變化，還有瞳孔變大而造成虹膜特征出現(xiàn)改變。以下為極坐標(biāo)的公式：

3.系統(tǒng)工作過(guò)程

3.1 連續(xù)駕駛

司機(jī)在交通條件較佳的城市公路，或者高速公路上行駛時(shí)，司機(jī)通常在持續(xù)行駛時(shí)是不會(huì)中途停下來(lái)的。這時(shí)的檢測(cè)流程為：ECU獲取傳感器發(fā)出的信號(hào)以后，指示CCD攝像頭收集相應(yīng)的圖像，DSP指示計(jì)時(shí)模塊開(kāi)始計(jì)時(shí)，視頻解碼器對(duì)圖像展開(kāi)轉(zhuǎn)換處理，虹膜識(shí)別模塊則對(duì)虹膜展開(kāi)識(shí)別。在匹配結(jié)束以后將虹膜予以鎖定，等同于將司機(jī)鎖定。借助計(jì)時(shí)模塊對(duì)司機(jī)持續(xù)行駛的時(shí)間H予以記錄，從而判定其有無(wú)出現(xiàn)疲勞駕駛的狀況。

3.2 系統(tǒng)測(cè)試

如今國(guó)外及國(guó)內(nèi)并未構(gòu)建完善的虹膜庫(kù)。為方便試驗(yàn)在環(huán)境與時(shí)間不一樣的狀況下，采集二十個(gè)人，每個(gè)人八張（左右眼各為四張） ，大小為640×480的虹膜圖像。當(dāng)中的訓(xùn)練及測(cè)試樣本數(shù)量均為四張。

該法把所有的訓(xùn)練及測(cè)試樣本展開(kāi)比較匹配?？偣惨瓿?0×4+20×4=160次匹配。并且記錄，在完成虹膜識(shí)別以后，時(shí)鐘模塊顯示反應(yīng)滯后的時(shí)長(zhǎng)：

通過(guò)對(duì)結(jié)果的研究能夠得知，虹膜識(shí)別存在4.39%的錯(cuò)誤率。出現(xiàn)錯(cuò)誤判斷的主要原因則是：因?yàn)楣庹諒?qiáng)度的作用，盡管系統(tǒng)選取的CCD紅外攝像頭可以較好地適應(yīng)光照，然而鑒于成本等諸多方面，選取的濾光設(shè)備并無(wú)較佳的效應(yīng)，這對(duì)檢測(cè)結(jié)果形成不利的作用;因?yàn)樾旭傔^(guò)程中司機(jī)的姿勢(shì)經(jīng)常變化，對(duì)圖像收集也產(chǎn)生不利的作用。在對(duì)計(jì)時(shí)模塊展開(kāi)分析后得知，在完成虹膜識(shí)別以后，該模塊在反應(yīng)方面是存在滯后性的，平均時(shí)長(zhǎng)大約為1.51秒，該時(shí)長(zhǎng)依然位于準(zhǔn)許的范疇內(nèi)。

4.討論

本文所設(shè)計(jì)的疲勞狀態(tài)預(yù)警系統(tǒng)，是以虹膜識(shí)別作為基礎(chǔ)的。該系統(tǒng)是通過(guò)報(bào)警與圖像處理模塊等構(gòu)成的，促使系統(tǒng)具備比較簡(jiǎn)單的結(jié)構(gòu)，達(dá)成系統(tǒng)的模塊化。

本文借助Gabor小波變換法，對(duì)虹膜特征展開(kāi)提取得知，在對(duì)160個(gè)樣本展開(kāi)匹配時(shí)，存在4.39%的錯(cuò)誤率，意味著系統(tǒng)具備較佳的精準(zhǔn)度。在完成虹膜識(shí)別以后，該模塊在反應(yīng)方面是存在滯后性的，平均時(shí)長(zhǎng)大約為1.51秒，該時(shí)長(zhǎng)依然位于準(zhǔn)許的范疇內(nèi)。

在試驗(yàn)當(dāng)中選取的樣本并不充足，盡管可以向后續(xù)分析給予部分參照，然而為促使分析更為精準(zhǔn)與全面，必須收集充足的樣本且反復(fù)試驗(yàn)，從而構(gòu)建完善的虹膜樣本庫(kù)。

（指導(dǎo)老師：楊雪）

參考文獻(xiàn)

[1]姬樂(lè)樂(lè).基于虹膜識(shí)別技術(shù)的快速身份確認(rèn)算法研究[D].西安工程大學(xué)，2017

[2] 江水郎.基于視覺(jué)的駕駛員疲勞檢測(cè)研究[D].上海交通大學(xué)，2008.

[3]李海青，孫哲南，譚鐵牛，何召鋒，馬力.虹膜識(shí)別技術(shù)進(jìn)展與趨勢(shì)[J].信息安全研究，2016，2（01）：40-43

[4]李京.虹膜識(shí)別技術(shù)在眼動(dòng)旋轉(zhuǎn)中的應(yīng)用[D].西安工業(yè)大學(xué)，2012

[5]曹倩霞.基于眼瞼運(yùn)動(dòng)的司機(jī)疲勞檢測(cè)[D].中南大學(xué)，2005.

[6]李軍.黃超生.謝偉斌.鄒思昕.人臉識(shí)別在疲勞駕駛檢測(cè)中的應(yīng)用研究[J].廣東技術(shù)師范學(xué)院學(xué)報(bào)，2019，40（03）：22-27.

[7]袁曉燕.虹膜定位、形變及特征提取研究[D].上海交通大學(xué)，2008.

[8]蔣文博.基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)技術(shù)研究[D].北京化工大學(xué)，2015.

[9]沈英超.基于眼部特征的疲勞駕駛檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D].桂林電子科技大學(xué)，2019.

[10]王鑫磊，王辛巖，田中軒，張婭婷，眼睛特征下的疲勞檢測(cè)與研究[J].綠色環(huán)保建材，2018（12）：139-140

基金項(xiàng)目：①本文系天津農(nóng)學(xué)院2018年度大學(xué)生實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃項(xiàng)目，項(xiàng)目編號(hào)：201808003。

②本文系天津農(nóng)學(xué)院天津市教委科研計(jì)劃項(xiàng)目，項(xiàng)目編號(hào)：2018KJ184。

作者簡(jiǎn)介：

邱敏霞（1997.7--），女，貴州貴陽(yáng)人，天津農(nóng)學(xué)院本科在讀，研究方向?yàn)槲锫?lián)網(wǎng)。

楊雪（1988.11），女，甘肅武山人，天津農(nóng)學(xué)院講師，研究方向?yàn)樯镄盘?hào)檢測(cè)與處理和圖像處理。