分享
智能安全驾驶监测系统设计与实现_张鸿.pdf
下载文档

ID:2726781

大小:601.73KB

页数:7页

格式:PDF

时间:2023-10-13

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
智能 安全 驾驶 监测 系统 设计 实现
计算机测量与控制 ()测试与故障诊断收稿日期:;修回日期:。基金项目:国家自然科学基金();国家重点研发计划()。作者简介:张鸿(),男,江苏常州人,大学本科,主要从事深度学习、嵌入式系统方向的研究。通讯作者:张卓(),女,江苏常州人,博士,高级实验师,主要从事嵌入式系统应用、智能信息处理方向的研究。引用格式:张鸿,吉泉仲,王谆,等 智能安全驾驶监测系统设计与实现 计算机测量与控制,():文章编号:():中图分类号:文献标识码:智能安全驾驶监测系统设计与实现张鸿,吉泉仲,王谆,张卓,欧阳文凯,黄镱(河海大学 物联网工程学院,江苏 常州 )摘要:交通事故已经成为世界范围内一个备受关注的问题,当下发生的交通事故中及大部分是由于驾驶员酒后驾驶、违规驾驶或是驾驶员突发身体疾病所导致的,所以实现实时、准确的监测驾驶员的驾驶行为,身体健康状况具有重要意义;针对现有的辅助驾驶系统难以对驾驶员的驾驶行为、身体健康状况等进行综合判断,设计出一种智能安全驾驶监测系统对驾驶员的进行多方位的监测;系统以树莓派为核心搭配体征智能监测模块、移动端 、酒精检测模块;系统可以监测驾驶员的酒精浓度,以及实时监测驾驶员的违规驾驶行为以及驾驶中的驾驶员的健康状况等功能,并通过移动端 进行可视化展示;经测验,系统识别的酒精检测成功率为 ,识别驾驶员的几种违规驾驶行为成功率均大于,系统在驾驶途中稳定的运行,能够满足实时监测驾驶员的驾驶行为以及健康信息的需求。关键词:树莓派;酒精检测;智能手表;移动端 ;安全驾驶 ,(,):,;,;,;,:;引言随着社会经济发展水平的不断提高以及基础交通建设的不断推广,车辆的普及程度也在逐年增加,但随之而来的交通问题也越发严峻。据国家统计局公开的统计资料显示,近三年来,我国交通事故发生数量均在 万以上,其中机动车的占比高居不下,而汽车事故占机动车事故约,汽车事故造成直接财产损失占机动车造成直接财产损失约。在这些汽车事故中有极大部分是由于驾驶员存在疲劳驾驶、不规范驾驶行为、以及突发身体疾病等因数造成的。现有的辅助驾驶系统主要分为三类:第一类是通过监测驾驶员的疲劳程度,并给出实时的提醒,以减少交通事故的发生。如刘芳等提出的基于视频的驾驶员疲劳驾驶实时监测系统的方法,该方法通过提取视频中驾驶员的眼部特征变换来分析驾驶员的疲劳状态;金国宜提出的疲劳驾驶监测系统通过 疲劳检测方法用于计算驾驶员的疲劳程度。第二类是通过检测汽车周围车辆和估算前方车辆的距离,以减少交通事故的发生。如孔雅洁等提出的通过深度学习对行车过程中前方车辆进行距离估算以及识别车辆前方的目标;吴骅跃通过视觉处理对混合道路车道检测感知、以及车辆环境全向障碍物识别。第三投稿网址:第期张鸿,等:智能安全驾驶监测系统设计与实现轮是检测驾驶员的体征状况,判断是否存在酒驾和突发身体状况等行为。如吴斌通过微处理器与酒精传感器计算当前驾驶员的酒精含量。上述的辅助驾驶系统的监测的内容局限在驾驶员是否存在疲劳驾驶、是否有饮酒行为,汽车周围的环境状况等单一内容,没有对影响驾驶安全的因素进行全方位的考虑。针对上述局限性,设计开发了一种智能安全驾驶监测系统。该系统安装在驾驶室内,在行车前判断驾驶人员是否饮酒,在行车时监测并记录驾驶员的体征参数以及驾驶行为并将监测得到的数据上传到移动端 进行直观的展示。在驾驶员突发重大身体疾病时,移动端 可以自动发送当前定位消息给紧急联系人。该系统监测各种安全威胁,并进行及时的提醒,可以有效减少交通事故的发生。系统的主要创新点包括:低功耗防作弊酒精含量检测。我们提出了一种低功耗防作弊酒精含量检测仪器,该方法通过气流传感器检测驾驶员是否对一次性吹嘴吹气,防止出现通过吸气躲避检测的行为,而后使用酒精传感器对酒精含量进行测量,通过 核心处理器处理相关数据。经检验,该装置功耗低可以有效防止驾驶员出现酒后驾驶的行为。驾驶行为检测模型的优化。考虑到边缘计算对于成本控制与实时性的要求,我们使用成本较低的树莓派作为边缘计算的处理器。与此同时,处理图像时受限于树莓派硬件性能,帧数较低。而驾驶员驾驶途中正常驾驶占主要部分,因此,为避免长时间的无效运算,我们首先检测驾驶员嘴部及下颚的特征向量变换,当出现较大变换后再运行驾驶行为检测模型。通过上述方法,大幅度提高了帧数,相较于原来的 帧,帧数提高至正常驾驶情况下 帧;违规行为监测速率为 帧,响应时间约为 秒,极大地提高了运行处理速率。多方位监测判断,同时对驾驶员的驾驶行为、身体健康状况、以及酒精浓度进行监测,并对监测到的数据进行有机处理判断,对驾驶员进行实时的提醒。系统整体设计 需求分析智能安全驾驶系统,要求实时监测驾驶员的身体健康状况,在突发心脏病等紧急情况能够第一时间联系家属,并使家属知晓当前的 定位。同时需要在开车前检测驾驶员是否饮酒,如果饮酒将主动告知家属,驾驶员将出现酒驾行为。在驾驶途中实时监测驾驶员的驾驶行为,一旦出现抽烟、喝水、打电话、疲劳等情况,通过语音及时播报提醒。另外该系统还应该将监测到的健康数据和驾驶行为等记录,生成健康报表,驾驶行为监测报表等更为直观的方式呈现给驾驶人员,让驾驶人员了解自己的健康状况和驾驶习惯,做出及时的调整,减少交通事故的发生机率。系统设计方案智能安全驾驶监测系统由“酒精浓度检测单元”“驾驶行为监测单元”,“体征智能监测模块”,“移动端 ”四部分组成。酒精浓度检测单元基于 单片机,使用内置 位 对费加罗气体传感器 进行采样,同时使用气流传感器对驾驶员是否吹气进行判断,实现防作弊酒精含量检测。驾驶行为监测单元采用 架构的微型电脑树莓派,搭载 操作系统,在该操作系统上运行 和疲劳检测模型检测驾驶员是否存在抽烟、打电话、喝水、疲劳驾驶等行为。体征智能监测模块采用开放第三方接口的 的智能手表,该手表可以实现体温、血压、血氧和心率的监测。移动端 实现驾驶人员的 定位,同时可以利用该定位进行导航,以及通过蓝牙通信收集驾驶员的违规驾驶行为等数据,通过 热点通信完成体征参数的收集。移动端 完成收集数据的可视化展示,并以健康报表的形式呈现给用户。系统的主体结构如图所示。图系统的主体结构智能安全驾驶监测系统通过酒精浓度检测单元检测驾驶员的酒精含量,将该酒精含量通过 传输到树莓派,如果酒精含量超出正常范围,树莓派将通过蓝牙传送到移动端 ,将拨打电话给相关家属,防止酒驾行为的发生。如果酒精含量正常,树莓派正常运行 驾驶行为监测程序,将该数据通过蓝牙连接传给移动端 。同时体征智能监测模块监测到的体征数据通过 热点通信的形式传到移动端 ,移动端 分析当前体征数据是否正常,如果出现如突发心脏病等情况,移动端 自动拨打紧急联系家属的电话,并将驾驶人的当前 定位发送给紧急联系家属。系统 运 行 流程 图 如 图所示。投稿网址:计算机测量与控制第 卷 图系统运行流程图系统详细设计 酒精浓度检测单元酒精浓度检测单元由费加罗气体传感器 、气体传感器和 单片机组成。使用费加罗气体传感器 作为酒精传感器,费加罗气体传感器的气敏素子使用在清洁空气中电导率低的二氧化锡()。当存在对象气体时,传感器的电导率随空气中气体浓度增加而增大。使用简单的电路即可将电导率的变化,转换为与该气体浓度相对应的输出信号。该传感器具有对乙醇等有图酒精浓度检测单元原理图机溶剂有高灵敏度、长期稳定性优良、长寿命、低成本以及可简单电路测量使用等特点。使用气流传感器对驾驶人员吹出气流方向进行测试,防止检测者通过吸气躲避酒精检测。气流传感器采用专用芯片检测吸气、呼气的气流变化,元件在无气流时会输出高电平,有气流时输出低电平。因此只需要通过微控制器的 输入输出接口即可对该传感器进行采集。同时气流传感器有特制的电子开关,超强抗干扰性能,敲击、振动、高分贝声音和磁场等都不会影响开关的正常工作,性能非常稳定可靠。微处理器采用意法半导体生产的 微处理器,它是一款基于 内核 系列的 位的微控制器,程序存储器容量是 ,需要电压 ,工作温度为 。主频 ,具有 ,位 ,位 ,等 多 种 常 用 外 设,具 有 中断嵌套管理器,是一款性能较高,价格合适的一款单片机。传统酒精检测仪在使用过程中往往出现系统功耗较大的问题,所以在酒精检测单元中采用 低功耗微处理器作为主控芯片,芯片通过 口连接气流传感器。气流传感器监测是否存在吹气气流,系统周期性的检测气流的存在,没有检测到气流的存在,酒精传感器则处于禁止状态,系统电流可降低为大约从而实现系统的低功耗,如果检测到气流,主控芯片将会在 口检测到低电平,同时芯片开启 对酒精传感器进行采样计算,获取驾驶员吹出气体中的酒精浓度,如若超过交通法规定的酒驾标准,则将此信息通过 接口上传至树莓派。同时 使用 芯片引出,通过 接口与树莓派相连,保证 的稳定连接和传输速率要求。酒精浓度检测单元原理图如图所示。驾驶行为监测模块驾驶行为监测模块的主要功能是检测驾驶员是否存在投稿网址:第期张鸿,等:智能安全驾驶监测系统设计与实现 疲劳驾驶行为,以及是否出现违规驾驶行为如抽烟、喝水、打电话等行为。驾驶行为监测模块采用的硬件平台为树莓派 和 高 清 摄 像 头。树 莓 派 的 为 ,为 ,蓝牙版本为 ,供电电压为,能够满足我们对于深度学习模型的使用。摄 像 头 分 辨 率 为 ,采 用 的 摄 像 头 为 镜头,该摄像头可以满足在对驾驶人员行为的监控。驾驶监测单模块中运行的模型主要分为疲劳驾驶监测模型和违规行为监测模型。疲劳驾驶监测模型基于 模型先获得脸部特征点坐标并转换为特征向量,再在读帧过程中判断特征向量的变化从而得到眼睛和嘴巴开合程度,进而判断是否存在闭眼或打哈欠等情况。模型提取人脸 个面部特征点,可以通过提取到的面部特征图分别获取左右眼面部标志以及嘴部标志的索引,通过 对视频流进行灰度化处理,检测出人眼和嘴部的位置信息。根据这个位置信息可以计算出对应的眼睛开合度和嘴巴开合度。当人眼睁开时,眼睛的开合度会在某个值上下波动,当人眼闭合时,该值迅速下降,理论上会接近于零。所以我们认为当眼睛的开合度低于某个阈值时,眼睛处于闭合状态。同样当嘴部的开合度也会随着嘴部的张开与闭合而变化。为检测眨眼与打哈欠的次数,采取对视频流每帧图片进行处理,获取连续帧内眼睛、嘴部的长宽比,本系统阈值初步设为 、。当计算出的眼睛和嘴部的长宽比小于设定的阈值时,认为是眼睛和嘴部合闭。在一定时间计算眼睛合嘴部的张开与闭合的次数,代表眨眼和打哈欠的频率,眨眼和打哈欠的频率越高,疲劳程度越高。违规 行 为 监 测 模 块 使 用 的 网 络 结 构,官方发布的代码中,检测网络共有个版本,依次为 、。其中 是深度和特征图宽度均最小的网络,另外种可以认为是在其基础上,进行了加深、加宽。本方案采用 目标监测算法识别车内摄像头采集的图像,相较于其他版本其深度最小,特征图的宽度最小,其包括 、四部分,每个部分较前一版本均有一定的优化策略,保证算法检测精度的情况下尽可能 的 提 升 识 别 速 度。的 结 构 中 主 干 网 络 将原始 的图像输入 结构,采用切片操作,先变成 的特征图,再经过一次 个卷积核的卷积 操作,最终变成 的 特征图 。模块同 一样采用 数据增强的方式,通过随机使用四张照片,经过随机分布拼接,极大丰富了检测数据集,通过随机缩放增加更多的小目标,让神经网络的鲁棒性更好。同时采用 数据增强还可以减少 的负荷,利用 增强训练,直接处理张图片的数据,有效限制 大小,一个 就可以表现出较好的运算效果。在 模块还对自适应图片缩放进行改进,对原始图像进行自适应添加最少的黑边,减少信息冗余,计算量也会相应减少,目标检测速度则会得到提升。模块 新 添 了 结 构,将 原 始 的图像输入 结构,在切片操作,先变成 的特征图,再经过一次 个卷积核的卷积操作,最终变成 的特征图。同时,设计了两种 结构,结构应用于 主干网络,另一种 结构则应用于 中。在 中,使用带有残差结构的 ,因为 网络较深,在反向传播时残差结构的加入使得层和层之间的梯度值得到增强,有效防止网络加深时所引起的梯度消失,得到的特征粒度更细。模块这里采

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开