解析汽车驾驶员防疲劳驾驶报警系统的设计

司机疲劳驾驶检测系统设计摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。

为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。

司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。

设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。

系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。

考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。

实验结果表明系统能实时、准确地反映司机的疲劳状态。

关键词：疲劳驾驶人脸检测肤色检测交通安全疲劳判断目录摘要Abstract1.疲劳驾驶检测系统研究背景与意义2.疲劳驾驶检测系统研究与实现2.1国内外疲劳驾驶检测系统研究现状2.1.1国外疲劳驾驶检测系统的研究成果2.1.2国内疲劳驾驶检测系统的研究现状2.2疲劳驾驶检测系统浅析2.3驾驶员疲劳检测系统的研究2.3.1人脸检测2.3.2人眼定位2.3.3疲劳程度的综合判定3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究3.1研究内容及目标3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发3.1.2疲劳驾驶检测与识别算法OSP移植3.2基于Adaboost算法的人脸检测3.2.1人脸检测技术概述3.2.2Adaboost人脸检测算法3.3基于Adaboost算法的人脸检测软件实现3.3.1.样本训练过程3.3.2人脸检测程序3.4人眼检测与人眼状态分析算法3.4.1基于Adaboost的人眼检测算法3.4.2人眼级联分类器效果分析3.4.3人眼状态分析算法4.基于贝叶斯网络的驾驶疲劳程度识别模型4.1基于贝叶斯网络模型的驾驶疲劳程度识别4.2驾驶疲劳程度识别模型4.2.1驾驶疲劳贝叶斯网络结构4.2.2贝叶斯网络条件概率表的确定4.2.3驾驶疲劳程度贝叶斯网络识别模型4.3模型有效性验证5.基于FPGA的疲劳驾驶检测系统设计5.1疲劳驾驶检测系统总体设计方案5.1.1系统红外光源原理5.1.2系统总体设计5.2系统硬件设计与实现5.2.1系统硬件总体架构5.2.2图像采集电路设计5.2.3主控板设计5.2.4辅助电路设计5.2.5系统硬件电路的物理测试6.基于NiosII 多核驾驶疲劳检测系统设计6.1系统介绍6.2系统关键模块设计6.2.1图像采集模块设计6.2.2图像处理算法6.2.3图像处理算法硬件加速的实现6.2.4数据存储模块设计7.疲劳驾驶预警系统的研究进展7.1预警系统的组成及工作原理7.2典型的疲劳驾驶预警系统7.3疲劳驾驶预警系统比较7.4发展趋势8.新型多功能驾驶员状态监测系统设计8.1无线脑电信号采集和分析8.1.1情绪预警8.1.2疲劳监测8.1.3突发疾病监测8.2酒精监测9.多源信息融合在驾驶疲劳检测中的应用9.1驾驶疲劳特征9.1.1PERCLOS值的计算9.1.2行驶方向改变与驾驶员反应不一致情况9.1.3方向盘动作状态9.1.4连续驾驶时间9.1.5实际时间参数9.2模糊神经网络疲劳识别9.2.1疲劳度量化9.3智能控制技术在汽车疲劳驾驶监控中的应用研究9.3.1硬件描述结束语参考文献1.研究背景与意义驾驶疲劳川是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完全丧失驾驶能力。

新型智能防酒后驾驶控制系统设计随着科技的发展，智能防酒后驾驶控制系统逐渐成为一种存在感的新型装置。

该系统基于智能技术，旨在减少或消除酒后驾驶导致的交通事故。

一、引言酒后驾驶是一种危险行为，容易造成交通事故，甚至严重危及人身安全。

为了解决这一问题，许多智能防酒后驾驶控制系统被开发出来。

本文旨在设计一个新型智能防酒后驾驶控制系统，以提高驾驶员的安全性。

二、系统架构该智能防酒后驾驶控制系统由以下几个部分组成：酒精检测模块、驾驶状态监测模块、驾驶行为识别模块、语音提示模块和报警装置。

1.酒精检测模块酒精检测模块主要用于检测驾驶员的酒精含量。

常见的检测方法包括呼气酒精测试和指纹酒精测试。

本系统将采用呼气酒精测试，其中使用传感器检测驾驶员的呼气中的酒精含量。

如果酒精含量超过法定限制，系统将发出警示。

2.驾驶状态监测模块驾驶状态监测模块旨在监测驾驶员的警觉程度和注意力集中程度。

通过使用摄像头和面部识别技术，可以检测驾驶员的疲劳和注意力分散情况。

还可以根据驾驶员的头部姿势来识别是否有危险驾驶行为。

3.驾驶行为识别模块驾驶行为识别模块主要用于识别驾驶员的危险驾驶行为，例如超速、闯红灯和频繁变道等。

通过使用GPS、加速度传感器和图像识别技术，可以实时监测驾驶员的行为，并发出警报。

4.语音提示模块语音提示模块通过语音合成技术向驾驶员发出警示或提醒。

当系统检测到驾驶员有酒精中毒、疲劳驾驶或危险驾驶行为时，将通过语音提示来提醒驾驶员。

5.报警装置报警装置通过声音、光线和振动等方式发出警示信号。

当系统检测到驾驶员有酒精中毒、疲劳驾驶或危险驾驶行为时，将启动报警装置来警示驾驶员。

三、系统工作流程该智能防酒后驾驶控制系统的工作流程如下：1.开始2.启动酒精检测模块，检测驾驶员的酒精含量。

3.启动驾驶状态监测模块，监测驾驶员的警觉程度和注意力集中程度。

4.启动驾驶行为识别模块，识别驾驶员的危险驾驶行为。

5.根据检测结果和识别结果，判断是否需要发出语音提示或启动报警装置。

《基于深度学习的疲劳驾驶检测系统的设计与实现》篇一一、引言随着道路交通日益繁忙，驾驶过程中的安全成为越来越重要的问题。

其中，疲劳驾驶作为常见的交通安全隐患，对于道路交通的威胁日益严重。

基于深度学习的疲劳驾驶检测系统以其强大的数据处理和模式识别能力，能够实时监控驾驶员的状态，有效地降低疲劳驾驶的风险。

本文旨在介绍一个基于深度学习的疲劳驾驶检测系统的设计与实现过程。

二、系统设计（一）需求分析首先，我们明确了系统的基本需求，包括实时性、准确性和易用性。

实时性意味着系统能够及时地捕捉到驾驶员的疲劳状态并给出警告；准确性是系统检测的精确度，这是决定系统有效性的关键因素；易用性则关系到系统的普及程度。

（二）硬件设计为满足实时性和准确性要求，我们采用了高分辨率的摄像头和性能稳定的计算设备作为硬件基础。

同时，考虑到车载环境的特殊性，我们还对设备的防震、防尘等特性进行了特别设计。

（三）软件设计软件设计是本系统的核心部分，主要包括数据采集、预处理、特征提取、模型训练和结果输出等模块。

我们采用了深度学习技术中的卷积神经网络（CNN）进行特征提取和模型训练。

三、数据采集与预处理（一）数据来源数据来源主要包括实际道路行驶中的视频数据以及公开的驾驶行为数据集。

通过对这些数据进行标注，我们可以为后续的模型训练提供丰富的数据资源。

（二）数据预处理在数据预处理阶段，我们主要进行图像的归一化、去噪、裁剪等操作，以便于后续的特征提取和模型训练。

同时，我们还需对数据进行标签化处理，即根据驾驶员的疲劳状态对数据进行分类。

四、特征提取与模型训练（一）特征提取在特征提取阶段，我们采用了卷积神经网络（CNN）进行特征的自动提取。

CNN具有强大的特征提取能力，能够从原始图像中提取出有效的视觉特征。

（二）模型训练在模型训练阶段，我们使用了深度学习中的分类算法进行模型的训练。

通过大量的训练数据，我们可以优化模型的参数，提高模型的准确性和泛化能力。

此外，我们还采用了迁移学习的方法，利用预训练模型进行微调，以加快模型的训练速度和提高模型的性能。

118 2020年 01月 第01期防疲劳驾驶预警系统宋璐明 张宇 李坤坤 刘静茹 程不凡（河南省焦作市河南理工大学 河南 焦作 454000）[摘要]随着社会的发展和物流行业的兴起，道路上的车辆逐年增加，夜间行驶的车辆数以及长时间开车驾驶人员也在逐年增加，其中因疲劳驾驶而发生交通事故的比例也在逐年上升。

基于此，我们设计了一种防疲劳驾驶预警系统，为交通安全、汽车完善等提供科学合理的解决方案。

[关键词]疲劳检测；疲劳提醒；酒驾检测；综合赋值[中图分类号]U463.6 [文献标识码]A引言随着人们生活水平的提高，私家车逐渐普及，但一系列的问题也多了起来，比如疲劳驾驶。

驾驶员长时间开车疲劳时，会出现视线模糊、动作呆板、精力不集中、反应迟钝等现象，这种状态往往容易发生交通事故，对人们生命财产造成损失。

为了让人们的出行更加安全，我们设计了一种防疲劳驾驶预警系统，为人们的安全出行进一步保驾护航。

1 设计方案1.1 设计思路该防疲劳驾驶预警系统有三部分组成，分别是：车载设备端、阿里云端、手机端APP。

车载设备端由瞳孔识别测速模块、超声传感定位模块、心率血氧测定模块、语音提醒模块、ARM系统控制模块以及震动模块组成。

其中，瞳孔识别和超声波定位模块用于测定驾驶员的眨眼频率和驾驶员头部空间位置。

该模块由超声波传感器和识别瞳孔摄像头组成，位于驾驶位顶部。

方向盘两侧装有心率血氧模块，用于检测驾驶员心率及血氧溶度。

方向盘左侧装有ARM系统，该系统根据驾驶员的眨眼速率、头部偏移程度、心率和血氧浓度进行综合分析从而判断驾驶员的疲劳程度。

驾驶员处于微困状态时，进行语音和震动提醒。

在方向盘外侧置入的心率血氧模块是以MAX30100芯片为内核的，只需要将手指头紧贴在传感器上，就能估计脉搏血氧饱和度及脉搏。

酒精检测模块能够对驾驶员是否酒驾进行判断。

分布式酒精传感器位于方向盘上方。

阿里云端功能在于与车载设备端建立联系，并接收设备端采集的驾驶信息（心率血氧浓度、酒精浓度、驾驶时长、车辆位置）。

驾驶员疲劳驾驶预警系统的设计马乐;姜立标;王会荣;王蒙【摘要】针对疲劳驾驶监测的要求,设计了一种基于IT公司高速图像处理芯片TMS320DM642的疲劳驾驶预警系统,用以判定驾驶员的疲劳程度,降低交通事故.系统采用机器视觉的方法,先通过CCD摄像头拍下驾驶员的面部图像序列,然后检测出脸部,从而定位眼睛,再利用PERCLOS算法判定疲劳状态.实验结果表明,该系统准确率高、速度快,可以满足非接触式、全天候、实时监测的要求.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2011(043)005【总页数】5页(P139-143)【关键词】疲劳驾驶;数字信号处理器;人脸检测;PERCLOS算法;级联分类器【作者】马乐;姜立标;王会荣;王蒙【作者单位】中国农业大学,工学院,100083;北京华南理工大学广州汽车学院,510800,广州;华南理工大学,机械与汽车工程学院,510640,广州;哈尔滨工业大学(威海)汽车工程学院,264209,山东,威海;Griffith,College,Dublin,Dublin【正文语种】中文【中图分类】U463.33疲劳驾驶已经成为引发交通事故的主要原因之一.在当前的疲劳驾驶检测技术领域，基于驾驶员脸部特征的非接触式疲劳检测算法的研究和疲劳预警系统的开发已经成为了主流之一.驾驶员脸部主要特征的人脸和眼睛检测是指对于任意一幅给定的图像，通过一定的方法和策略，搜索并确定其中是否存在人脸，如果存在则返回人脸相应的信息［1］;在人脸检测的基础上，定位、检测眼睛是睁开还是闭合，并返回眼睛相应的信息.人脸和眼睛检测系统的精度与速度直接影响疲劳预警系统的性能.驾驶员疲劳驾驶预警系统的应用超越了人脸识别系统的范畴，在视频会议、智能人机交互、虹膜识别系统等方面也有重要的应用价值.1 系统设计1.1 人脸检测和人眼定位算法开发本文选用现在比较热门的MB－LBP特征描述人脸和人眼，该特征具有噪声敏感度小的优点.选用adaboost算法家族中性能最为优异的Gentleadaboost算法来训练人脸检测和人眼定位分类器.通过训练挑选出检测率高的弱分类器，再将选出的弱分类器按照权重组成强分类器，进而形成级联分类器.最终经过反复实验调整参数，在PC机上运行获得较高的人眼检测率.1.2 检测与识别算法的数字信号处理器移植在TI公司的CCS3.1软件中对人脸检测和人眼定位算法进行仿真，然后移植到以数字信号处理器(DSP)为核心的DM642开发板中.在移植过程中运用多种优化手段，最终算法在DSP中运行能够达到18帧/s的检测速度，满足实时检测的性能要求.1.3 实验分析完成算法的开发后，分别建立以 PC机和DSP为基础的实验装置，对算法的正确性和实时性进行分析.通过实验，使得本文所研究的疲劳驾驶预警装置能够基本上达到预期目的.因驾驶防瞌睡装置的应用特殊性［2］，设计的系统必须满足:1)非接触式，即不对驾驶员的驾驶行为产生干扰影响;2)实时性，能实时地检测驾驶员驾驶疲劳生理特征参数，迅速、准确、及时地对处于疲劳状态的司机发出警告;3)全天候，无论工作在光照充足、微光、无光状态下，系统都可以对司机的疲劳状态做出正确的分析.疲劳驾驶预警系统如图1.图1 疲劳驾驶预警系统的实物图2 系统硬件电路设计系统硬件电路主要由5部分组成:图像采集、图像处理、疲劳判定、报警和电源管理.系统设计应遵循以下原则:1)准确性.系统力求能够准确定位人脸、定位眼睛、计算眼睛状态和PERCLOS值，并在标定阀值后实现疲劳判断，尽量减少误判.2)实时性.系统硬件的选择要保证系统能运行流畅，程序的编写应尽量选择经典的优化算法，以快速实现图像的截取、人脸和眼睛的定位以及眼睛状态和PERCLOS 值的计算.3)经济性.选择市场易购买、性能匹配和价格低廉的设备.2.1 图像采集采用CCD摄像头拍下驾驶员头部图像，经过高精度的A/D转换成DSP可以读取的数字图像.本文使用了SONY420线彩色红外夜视海螺型CCD摄像头作为图像的采集设备.这款CCD能自动感应外界光线，当外界光线充足时得到普通的彩色图像，而光线不足时由CCD自动开启镜面上自带的两圈红外LED灯，利用LED发出的近红外作为光源获得红外图像，满足系统全天候工作的要求.采用Philips公司的视频采集处理芯片SAA7113H［3］作为视频解码器，来实现模拟视频的数字化.2.2 图像处理图像处理和分析由DSP完成，图像处理包括图像的预处理及面部图像、眼部图像的处理.由于实际环境中图片背景较复杂，容易使程序对人脸区域进行错误划分.利用图像预处理技术对噪声、光照不足、图像扭曲等问题进行纠正，保证人脸图像中人脸大小、位置以及人脸图像质量的一致性.在预处理的基础上，进行面部图像和眼部图像的处理，使系统能更好地判定人眼的状态，进而进行疲劳状态的判定.图像处理流程如图2所示.图2 图像处理的流程图选用TI公司的TMS320DM642作为核心处理器，其主要原因为:1)为便于将开发的疲劳驾驶监测技术运用于实际驾驶环境中，必须将疲劳驾驶监测技术从体积大的PC机上移植到体积小、稳定性高和功耗低的嵌入式系统中，由于DSP的应用日渐广泛且体积小、功耗低，为此可将疲劳驾驶监测技术移植到DSP中，以组装成一个完整的疲劳驾驶监测系统.2)TI公司的编译器 CCS (Code Composer Studio)产生代码的平均效率是其他DSP编译器的3倍，可借助CCS编译器降低开发难度，缩短系统的开发周期.3) TMS320DM642工作频率高，计算速度快，可轻松处理25～30帧的图像，满足系统实时性的要求，非常吻合本系统的设计需要［4－5］.2.3 疲劳判定和报警在图像预处理和人脸检测的基础上，利用PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)算法对人眼进行检测，PERCLOS (Percent eye Closure)是指在一定的时间内眼睛闭合时所占的时间比例［6］.实验表明，眼睛闭合时间的长短与疲劳程度有密切关系，驾驶员眼睛闭合时间越长，疲劳程度越严重.在实际驾驶中，连续检测司机的PERCLOS和眼睛持续闭合时间，如果有，PERCLOS＞40%，眼睛持续闭合时间＞3 s，就判定该司机处于疲劳状态，疲劳预警系统对驾驶员给出语音提示.语音报警电路如图3所示.图3 语音报警电路2.4 电源模块系统采用的电源是220 V直流电.针对本系统所购买的器件，需要考虑2个问题:首先，外围电路(SONY420线彩色红外夜视海螺型CCD摄像头)所需电压为+12 V，需要将220 V直流电压转换成摄像头所需的+12 V电压;其次，DSP开发板电源(J12)接口需要的电压是+5 V，需要将220 V直流电压转换成DSP开发板所需的+5 V电压.DSP工作电压:I/O电压+3.3 V，核电压+1.4 V，系统采用TPS54310芯片，经降压芯片把DSP开发板电源(J12)接口的5 V电压转换成DSP工作电压+3.3 V和+1.4 V，稳压电路如图4、5所示.图4 +3.3V稳压电路图5 +1.4 V稳压电路3 人脸和人眼的检测原理3.1 MB－LBP特征的应用本文所应用的MB－LBP特征是LBP特征的一种扩展［7］.这种特征可以解决原始LBP特征只能描述小范围的图像信息以及易受噪声影响的问题.实验发现，在视频监控数据以及人脸检测数据上，MB－LBP特征相比原始LBP特征有更好的分辨能力，同时，MB－LBP特征保持了LBP特征运算复杂度低，灰度尺寸的鲁棒性好，计算速度较快的优点.由于MB－LBP特征将目标图像升维成相当高的维度，Gentleboost学习算法被用来降维并且构建分类器.另外，设计了多叉树型的弱分类器来针对MB－LBP特征的非度量特性问题.MB－LBP还有一个优点［8］，即特征数目少，在训练阶段所耗费的时间会大大减少.在20*20的图像中，大概含有上万个haar特征，但是只包含2 000左右的MB－LBP特征，特征数目减小约80%，利用MB－LBP特征训练样本库的时间会少很多.在实际操作过程中，由于haar的特征是表示度量意义的，在每次迭代中都需要将全部的m个haar特征的特征值排序，从中选择最优的阈值作为单个haar 特征弱分类器的分类标准.但是，MB－LBP特征是非度量的，因此在每次迭代中不需要对特征编码进行排序，所以利用MBLBP特征来训练样本库又会快很多.3.2 Gentleboost的训练过程假设训练集中共有m张人脸图像，n张非人脸图像，尺寸为N*N训练集中的图像被定义为二元组(xi，yi)，xi代表图像，yi代表该图像的归类，如果是人脸图像则yi为1，否则为－1［9－10］.具体训练过程如下.1)初始化样本的权重:2)迭代T次:◇对每个MB－LBP特征进行测试，得到一个弱分类器，ht∈{0，1}.◇计算其分类的错误率，◇记录其能够得到的min{ε}作为该特征的分类错误率.◇在所有特征中，将具有最小错误率的特征加入到强分类器中.◇更新样本的权重，.◇归一化样本权值，3)得到最终的强分类器:式中，φt表示设定的阈值，T表示弱分类器的数目.3.3 基于MB－LBP的级联分类器级联分类器由多个强分类器组合而成，它的每一层都是由gentleboost算法训练得到的强分类器，从第一层分类器出来的正确结果触发第二层分类器，而从第二层出来的正确结果将触发第三层分类器，以此类推.相反，从任何一个结点输出的被否定了的结果都会导致对这个子窗口的检测立即停止.通过设置每层的阈值，使得绝大多数人脸都能通过，而绝大部分的非人脸不能通过，靠近级联分类器后端的层拒绝了大部分的非人脸，其过程如图6所示.图6 级联分类器4 系统的抗干扰措施4.1 硬件抗干扰措施硬件抗干扰总的设计原则就是抑制干扰源，切断干扰传播路径，提高敏感器件的抗干扰性能.抑制干扰源的措施如下:a.尽量缩短信号线的长度;b.为防止电磁感应，信号线应采用屏蔽线;c.使电源线、地线的走向与数据传递的方向一致，应尽量使用45°折线而不要使用90°折线，以减少高频噪声辐射.切断干扰传播路径的措施如下:a.PCB合理布局，将继电器、电机等噪声元件与单片机尽量远离;b.布线时要减小信号线间的交叉干扰;c.时钟振荡电路部分用地线包围以来，让周围的电场趋近于零.提高敏感器件的抗干扰性能的措施如下:a.不同的电源电压、数字和模拟、高速和低速、电流的大小电路分别设置地线，防止产生公共地阻抗的干扰;b.电源线和接地线尽量布粗，使它能通过三倍于印制板上的允许电流.如有可能，接地线应在2～3 mm以上;c.在PCB布线时尽量减少环路的面积，以降低感应噪声.4.2 软件抗干扰措施嵌入式系统的可靠性由多种因素决定，其中系统的软件抗干扰性能是系统可靠性的重要指标之一.尽管采取了硬件抗干扰措施，但仍然很难保证系统完全不受干扰.因为软件抗干扰是一种廉价、灵活、方便的抗干扰方法，不改变硬件的环境，不需要对干扰源精确定位，不需要定量分析，因此本系统采取软件抗干扰技术加以补充，作为硬件抗干扰措施的辅助手段，采用的软件抗干扰方法主要有数字滤波技术和软件看门狗技术［11］.5 实验平台本实验的运行环境包括硬件和软件2个部分，硬件部分为:摄像头，TMS320DM642开发板、XDS510－USB2.0仿真器、AMD turion(tm)64 X2 mobile technology、内存为768MB;软件环境包括:matlab2009a、CCS3.1及windows XP系统，可运行程序由matlab语言和C语言混合编程.利用matlab 良好的图形界面设计和C语言高效的运行效率，将这2种语言混合编程，核心算法由C语言实现，而输入输出则由matlab语言来完成.训练基于MB－LBP特征的级联分类器时，使用16 000个正样本，4 433 000个负样本，正样本中包括－30°～+30°内的人脸图像.所有的负样本均来源于4 433张非人脸图像，采用bootstrap策略，在每张图中随机采10 000张20*20的非人脸图像.正样本来源不一，包括从人脸数据库中得到，以及viola－jones库自带的4 916张图片.本文的重点放在基于MB－LBP特征的人脸检测上，因此，最终的系统构建是利用gentleboost训练基于MB－LBP特征的强分类器.利用gentleboost训练的MB －LBP特征强分类器对静态图像的测试效果如图7(a)所示;对CCD摄像头拍摄的图片的仿真结果如图7(b)、(c)所示.图7 眼睛的实验结果将疲劳驾驶检测与识别算法移植到DSP芯片中，经过算法的调试和优化，运行成功后，CCD摄像头拍下的驾驶员面部图像序列经DSP处理后的试验结果如图8所示.司机清醒时，眼睛是睁开的，实验中能检测到人眼，检测到人眼时用小方框标定出人眼位置，表示人眼是睁开的，如图8(a)所示;司机疲劳时，眼睛闭合，实验中检测不到人眼，如图8(b)所示.根据系统设定的阈值，就可判断出司机是否处于疲劳状态.图8 DSP中的实验结果6 结论1)利用最新的数字图像处理方法，设计了一种基于机器视觉的驾驶员疲劳驾驶预警系统，该系统满足防瞌睡装置的非接触式、实时性、全天候要求，并且设计可靠，体积小，便于携带.2)用gentleboost训练基于MB－LBP特征的强分类器，利用PERCLOS算法对眼睛的状态特征进行检测，能够实时快速地反映驾驶员的疲劳状态.3)利用级联分类器的手段，经过反复实验调整参数，在PC机上运行，获得较高的人眼检测率;并在移植过程中运用多种优化手段，实现了算法在DSP中运行能够达到18帧/s的检测速度.参考文献:［1］YANG M H，KRIEGMAN D，AHUJA N.Detecting faces in images:A survey［J］.Transactions on Pattern Analysis and Machine Intelligence，2002，24(1):34－58.［2］刘志强.基于机器视觉的驾驶疲劳检测方法［J］.中国制造业信息化，2006，35(3):64－66.［3］PHILIPS.SAA7113H 9-bit video input processor［EB/ OL］.［S.l.］:Philips，2000［2010－03－01］..［4］TEXAS INSRUMENTS.TMS320DM642 video/imaging fixed point digital signal processor［M］.［S.l.］:Texas lnsmments Incorporated，2003:1－6.［5］陶芬.全天候疲劳驾驶监测系统的研究及实现［D］.南京:南京理工大学，2009.［6］DAVID F，RICHARD D.PERCLOS:A valid psychophysiological measure of alertness as assessed by psychomotor vigilance［EB/OL］.Washington，DC:Federal Motor Carrier Safety Administration，1998［2010－03－02］..［7］ZHANG Lei，STAN Z L.QU Zhi-yi，et al.Boosting local feature based classifiers for face recognition［C］// 2004 Conference on Computer Vision and Pattern Recognition Workshop(CVPRW＇04).Washington，D.C:［s.n.］，2004:84.［8］张伦.MB－LBP特征在视觉目标检测和分类中的应用［D］.北京:中国科学院研究生院，2005.［9］OJALA T，PIETIKINEN M，HARWOOD D.A comparative study of texture measures with classfication based on feature distribution ［J］.Pattern Recognition，1996，29:51－59.［10］FREUND Y，SCHAPIRE R E.A decision-theoretic generalization of on-line learning and an application to boosting［J］.Journal of Computer and System Science，1997，55:119－139.［11］胡谦，赵丹阳.单片机应用系统抗干扰技术［J］.黑龙江科技信息，2007(15):52.。

疲劳驾驶预警系统简介发布时间：2007-11-16 点击次数：1977交通事故是当前世界各国所面临的严重社会问题之一,已被公认为当今世界危害人类生命安全的第一大公害,每年因交通事故的原因至少使50万人死亡. 欧美各国的交通事故统计分析表明,交通事故中80%～90%是人的因素造成的. 根据美国国家公路交通安全署的统计,在美国的公路上,每年由于司机在驾驶过程中跌入睡眠状态而导致大约10万起交通事故,约有1500起直接导致人员死亡,711万起导致人员伤害.在欧洲的情况也大致相同,如在德国境内的高速公路上25%导致人员伤亡的交通事故,都是由疲劳驾驶引起的. 根据2001年中国交通部的统计,我国48 %的车祸由驾驶员疲劳驾驶引起,直接经济损失达数十万美元. 有关汽车驾驶员的疲劳检测问题,随着高速公路的发展和车速的提高,目前已成为汽车安全研究的重要一环。

疲劳驾驶是指驾驶员在一段时间的驾车之后所产生的反应水平下降,导致不能正常驾车行驶. 驾驶员产生疲劳后,其心理状态也会发生各种各样的变化. 如视力下降,致使注意力分散、视野逐渐变窄；思维能力下降,致使反应迟钝、判断迟缓、动作僵硬、节律失调;自我控制能力减退,致使易于激动、心情急躁或开快车等。

疲劳驾驶预警系统就是指一旦驾驶者精神状态下滑或进入浅层睡眠,该系统会依据驾驶员精神状态指数分别给出:语音提示,振动提醒,电脉冲警示,警告驾驶员已经进入疲劳状态,需要休息,并同时自动记录相关数据,以便日后查阅,鉴定. 其作用就是监视并提醒司机自身的疲劳状态,减少司机疲劳驾驶潜在危害.许多国家都比较重视疲劳驾驶预警系统的研究工作,早期的疲劳驾驶测评主要是从医学角度出发,借助医疗器件进行的. 这些研究可以追溯到1935 年美国交通部管辖的洲际商业协会ICC(the Interstate Commerce Commission)要求美国公共卫生服务署USPHS(the Un ited States Public Health Service) 对城市商业机动车驾驶员服务时间(the hours of service) 管理条例的合理性所进行的调查. 但是对疲劳驾驶的实质性的研究工作,是从20世纪80 年代由美国国会批准交通部实施驾驶服务时间(HOS)改革,研究商业机动车驾驶和交通安全的关系,并健全卡车和公共汽车安全管理条例开始的,由此把疲劳驾驶的研究提到立法高度,保证了开展疲劳驾驶研究的合法性、有效性和持续性。

驾驶员疲劳驾驶的监测与预警驾驶员疲劳驾驶是一种危险的行为，会对驾驶安全和道路交通的正常秩序造成严重威胁。

因此，对疲劳驾驶进行监测和预警，是维护道路交通安全的重要举措。

一、驾驶员疲劳驾驶的危害性疲劳驾驶容易产生反应迟缓、头晕乏力、视觉模糊、注意力不集中等现象，极易引发交通事故，影响驾驶安全和道路交通秩序。

根据数据统计，疲劳驾驶是造成交通事故的一个重要因素。

据统计，全球每年因疲劳驾驶造成的死亡人数多达60万人，因此疲劳驾驶监测与预警显得尤为重要。

二、驾驶员疲劳驾驶的监测方法1、车载监测仪车载监测仪是一种针对驾驶员疲劳驾驶的监测装置，通过驾驶员的生理指标判断其是否达到疲劳驾驶的状态。

这种监测装置包括无线生理参数采集模块、信号分析模块、驾驶员状态评估模块和警报装置。

无线生理参数采集模块主要是通过检测驾驶员的心率、呼吸、瞳孔、微笑等生理指标，来获取驾驶员的生理状态。

信号分析模块主要是对获取的生理数据进行分析和处理，评估驾驶员是否存在疲劳驾驶的情况。

评估模块可以通过判断驾驶员是否感到疲倦、困乏来进行预警，以提醒驾驶员注意安全。

2、驾驶员行为监测技术现代汽车具有行车记录仪的功能，通过摄像头等传感器对驾驶员的行为进行监控，以识别出驾驶员的疲劳状态。

例如，当车载摄像头通过肢体动作识别出驾驶员出现困乏的状况时，系统则会自动报警，提示驾驶员休息。

此外，车载导航设备可以预估驾驶时间，并给出驾驶员安全驾驶建议，如提醒休息或更换驾驶员等。

三、驾驶员疲劳驾驶预警技术1、声音和震动预警技术声音和震动预警技术是一种通过振动和声音的方式来提醒驾驶员的驾驶状态，以预防疲劳驾驶而发生的交通事故。

当系统检测到驾驶员出现困倦状况时，系统立即发出音频提示和座椅震动，以提醒驾驶员及时休息。

2、语音警告技术该技术在汽车内设置了语音播报装置，对驾驶员的疲劳驾驶状态进行监测，当系统检测到驾驶员出现疲劳状态时，系统会自动发出语音警告提示驾驶员休息。

这种技术会连续提示多次，直到驾驶员的注意力被完全唤醒为止。

《基于深度学习的疲劳驾驶检测系统的设计与实现》篇一一、引言随着社会经济的快速发展和交通网络的日益完善，驾驶已成为人们日常出行的重要方式。

然而，疲劳驾驶已经成为交通事故的重要诱因之一。

因此，开发一种能够实时检测驾驶员疲劳状态的系统，对预防交通事故、保障道路安全具有重要价值。

本文旨在介绍一种基于深度学习的疲劳驾驶检测系统的设计与实现。

二、系统需求分析1. 功能需求本系统应能实时监测驾驶员的面部状态，识别其是否处于疲劳状态，并通过警报提示驾驶员注意。

同时，系统还需对历史记录进行分析，以便后期数据统计与系统优化。

2. 性能需求系统应具有较高的识别精度与低误报率，以确保系统的稳定与可靠。

同时，应尽可能地减少计算资源的占用，提高系统的运行效率。

三、系统设计1. 总体架构设计本系统采用深度学习技术，基于卷积神经网络（CNN）构建驾驶员疲劳检测模型。

整体架构包括数据预处理、模型训练、实时检测和反馈提示四个部分。

2. 数据预处理数据预处理是提高模型准确性的关键步骤。

首先，通过摄像头采集驾驶员的面部视频数据，然后对视频进行人脸检测与定位、图像归一化等预处理操作。

3. 模型训练本系统采用CNN模型进行训练。

通过大量驾驶员面部数据的训练，使模型能够自动学习到驾驶员在疲劳状态下的特征。

同时，为了进一步提高模型的泛化能力，采用迁移学习的方法进行模型优化。

4. 实时检测与反馈提示实时检测是本系统的核心功能。

通过将预处理后的视频帧输入到训练好的模型中，提取特征并判断驾驶员是否处于疲劳状态。

当系统检测到驾驶员可能处于疲劳状态时，将通过声光报警、震动提醒等方式进行反馈提示。

四、系统实现1. 开发环境与工具本系统采用Python语言进行开发，使用深度学习框架（如TensorFlow或PyTorch）构建CNN模型。

同时，需要使用OpenCV等图像处理库进行视频处理与面部检测。

2. 模型训练与优化在模型训练阶段，我们收集了大量的驾驶员面部数据，包括正常状态与疲劳状态下的数据。

.目录摘要： (1)1 前言 (2)1.1 什么是疲劳 (2)1.2 疲劳驾驶与交通事故 (2)1.3 怎么预防疲劳驾驶 (2)1.4 小结 (3)2 本设计的总体思路及其理念 (3)2.1 理论基础 (3)2.2 AT89C2051单片机的芯片管脚介绍 (3)2.3 设计方案 (5)3 系统硬件部分的设计 (6)3.1 心率采集电路 (6)3.2 单片机控制电路 (8)3.3 小结 (10)4 系统软件部分的设计 (10)4.1主程序设计 (10)4.2 定时程序设计 (11)4.3 中断子程序设计 (13)4.4 显示子程序设计 (15)5 软件调试 (17)5.1 调试软件的介绍 (17)5.2 调试结果 (17)6总结 (18)参考文献 (19)精品word文档.基于单片机的汽车疲劳驾驶报警系统徐文燕（河南大学民生学院，河南开封，475004）摘要：汽车已经成为我们人类生活中的一种必需交通工具，不仅与我们的生活是息息相关，而且与我们的生命安全关系密切。

因为疲劳驾驶造成的交通事故已经严重的威胁到我们的生活，所以能够帮助降低一定概率的交通事故的仪器实用性是很强的。

设计描述的是一个基于AT89C2051单片机的汽车疲劳驾驶检测预警系统。

它可以用来检测汽车驾驶员的疲劳程度，使用此心率计在一定程度上降低交通事故。

而且，它的检测方式是非接触式的，使用红外线检测驾驶员的心率;然后，由单片机系统判断其是否处于疲劳驾驶状态，将显示结果使用LCD液晶显示屏显示出来，并进行语音提示。

设计简单实用，有很高的实用价值。

关键词：疲劳驾驶；疲劳检测；预警系统Driving alarm system of automobile fatigue based onsingle chip microcomputerXu wen-yan(School of minsheng , Henan University, Henan Kaifeng 475004, China) Abstract:The cars have become essential transport for human life, not only with our li ves are closely linked, and are closely related to our life safety. Because acc idents caused by driver fatigue has been a serious threat to our lives. So the instruments’practicabilaity is very strong, because it is possible to help red uce the probability of a traffic accident.This paper describes a drowsiness early warning system detection based on AT89 C2051 Single-chip Microcomputer. It is using on determine the driver’s lever o f attention，a certain extent ，it can reduce the number of traffic accident. B esides，the method of detection is untouched, and using infrared inspection det ect the driver s’’ heart rate; T he Single-chip Microcomputer will judge whethe r he is in the fatigue driving state, LCD will display the results and voice pr ompt. This design is simple and practical with high value.Key words:精品word文档.Fatigued dirving; faitigue detection; early warning system1 前言在高速发展的现代，拥有汽车的人是越来越多，交通越来越拥挤，正是因为如此，交通事故也越来越频发，这就促使人们正视这一问题。