汽车安全驾驶辅助系统

西北民族大学电气工程学院 赵潇雪 银 俊 孙新然 谭奇建 周思丹

本项目的汽车安全驾驶辅助系统由STM32单片机、疲劳检测模块、语音播报模块、辅助测试模块（包含小车驱动模块、传感器、红外循迹模块、蓝牙模块、超声波模块等）组成。其中，以STM32单片机为核心实现控制，采用Adaboost算法进行人脸检测并通过OpenMV的瞳孔识别功能进行实时监测驾驶员疲劳状态，系统通过判断结果进行语音提醒并采取相应驾驶辅助措施，确保驾驶员驾驶安全。

根据道路交通行业调查数据统计显示，疲劳驾驶在引发交通事故事件中占20%的比例，是酒驾的8倍，更占到重特大交通事故40%，在引发交通事故死亡事件中所占比例高达21%。为切实防控驾驶员疲劳驾驶等安全隐患，我们以此为出发点，本系统针对不同情况具备多方案处理功能，加上自己的创新，研究了一个更加完善的安全驾驶系统。

1 系统实施目标

1.1 实施目标

本项目基于单片机理论进行疲劳驾驶的汽车安全行驶及辅助系统的研究，利用摄像头Openmv进行瞳孔识别，实现对驾驶员的状态判定（是否为疲劳），并在完成自主导航任务时，能够自主躲避障碍物。

1.2 系统组成

本汽车安全行驶辅助系统由STM32单片机、GPS定位模块、疲劳检测模块、WIFI模块、语音播报模块、辅助驾驶模块、红外循迹模块、蓝牙模块、传感器等组成，其中以STM32单片机为核心实现控制，基本的实施目标如图1所示。

图1 基本的系统实施框图

（1）单片机控制：从各个模块中获得当前的信息，对汽车行驶过程的状态进行实时监测，然后对获取的信息进行处理，把不同编码的信息通过蓝牙通信发送给汽车，汽车接收信息的同时语音报警警示驾驶员，这样能够控制整个系统功能的正常运行。

（2）GPS定位：使用GPS定位模块准确定位驾驶员实时行驶位置，以便于当有突发事件发生时救援人员及时到达现场。

（3）疲劳监测：通过写Openmv的算法，让其先找到人眼，然后利用find_eye函数找到瞳孔，捕捉眨眼次数，根据眼脸闭合时间占一段时间的百分比，计算出驾驶员当前的状态（是否疲劳）。当接近极限时系统给出报警警示，同时语音报警（此时单片机开启GPS定位，实时记录当前位置用于突发状况的处理）。

（4）语音播报：本模块主要根据单片机返回的不同信息发出语音提示，对驾驶员进行相应的警示，使驾驶员做出相应的调整，做到安全驾驶。

（5）辅助驾驶：在驾驶员过度疲劳且没有做出相应调整的情况下自动开启，此时汽车开启循迹避障功能，并开始减速行驶，实时监测前方的路况，在汽车前方遇到障碍物时，实现事故预警和相应的处理。

2 系统的主要内容及其技术要点

2.1 人脸识别理论

人脸识别主要采用了Adaboost算法对人脸进行检测。Adaboost算法的基本原理是通过训练训练集,从而得到一些弱分类器；然后，再将弱分类器集合起来形成一个强分类器,而且这个强分类器具有比较强的分类能力；最后，通过将若千个强分类器级联得到级联分类器。用该算法实现人脸识别会受到许多因素的影响，主要表现为下面几个方面。

2.1.1 对于图像的预处理

先定位好人脸图像，然后用一个矩形框将检测到的人脸进行标记。根据人脸的面部特征进行相应的处理，操作如图2所示。

图2 人脸的面部识别

2.1.2 人眼定位

（1）膨胀处理：在图像的边缘添加像素值，使得整体的像素值扩张，进而达到图像的膨胀效果，对边缘图像进行阈值分割，之后再进行膨胀处理。由于圆形模板的对称性,所以应采用圆形的结构进行处理。

（2）检测边缘：针对上图中所框出的人眼区域,我们采用Sobe算子，对图像进行处理。

（3）区域连通性分析：需要进行连通性分析来处理这个问题，我们运用了区域生长法。区域生长法是从最初的区域开始,将具有相似特性的像素点合并到一起，直到没有可以合并的像素点或者没有可以合并的小区域为止。当区域像素点的个数大于某值的时候,这个区域可以被认为是人眼区域，从而可以进行人眼定位。

2.1.3 瞳孔定位

（1）进行区域投影：对瞳孔区域定位，我们需要采用基于RPF的方法。首先把眼睛窗口分别在垂直和水平方向上进行均分分割，假定水平分割的个数和垂直分割的个数分别为n和m。分割以后垂直方向的高为h，水平方向的区域宽度为w，则第i区域的垂直投影函数和第j区域的水平投影函数分别为公式(1)和公式(2)：

定位瞳孔中心：因为瞳孔比周围的眼白的灰度值低，所以可利用瞳孔的灰度特性，精确得到瞳孔中心的坐标。详细操作过程：（a）确定滤波的窗口函数,完成线性滤波；（b）对区域进行分块，完成它的二值化；（c）进行边界跟踪，从图片的中心点开始获得瞳孔范围；（d）计算瞳孔中心点的坐标，可使用重心法。

2.2 Open MV模块（图3）

图3 Open MV

我们用Python语言进行编写，可以结合Openmv，OpenMV上有许多算法我们可以使用。比如：查寻色块进行人脸检测或者眼球追踪、边缘的检测，还有跟踪标志等算法。我们可以用这些算法结合Openmv来完成各种机器视觉所需完成的任务。

2.3 GPS模块

GPS模块是集成三个芯片（RF射频芯片、基带芯片、核心CPU），再加上相关外围电路组成的一个集成式电路。GPS通过串行通信口进行传输，不断输出辅助信息和定位信息，然后让接收者选择并应用。它属于低功率消耗、支持准确1pps输出信号、接轨GPS校准、支持标准的NMEA-0183和SIRF二进制协议、多路径减缓的硬件、易于集成到的手持式设备，能够广泛应用于许多系统。

2.4 WI-FI模块

Wi-Fi模块属于物联网的传输层，又可以叫做串口Wi-Fi模块，它的作用是将TTL电平或者串口转换为能够适合无线网络通信的标准嵌入式模块，传统的硬件设备嵌入的Wi-Fi模块可以直接利用Wi-Fi接入互联网，内置TCP/IP协议栈、无线网络协议IEEE802.11b.g.n协议栈，它是许多通信系统的重要组成部分，在本系统中也起重要的作用。

3 系统的特色与创新点

3.1 特色优势

（1）新颖性。目前市场上也有防止疲劳驾驶的车载设备，但相关的防疲劳驾驶系统并没有广泛应用。主要原因如下：一是其中的关键技术并没完全成熟，对于驾驶员的疲劳状况的判定也各种各样，并没有很高的准确度；二是造价昂贵，难以实现普遍推广，且功能以预防疲劳为主，对于过度疲劳后驾驶员陷入睡眠的情况处理不完善。对此，我们研究了一个更加完善的安全驾驶系统，我们以基于单片机理论设计一个集判断和处理于一身的完善的安全驾驶系统。首先，我们采用PERCLOS理论作为判断驾驶员是否疲劳的关键，在对传统的疲劳检测方式上，此理论判断的准确性是最高的。其次，在摄像头方面，我们采用了低成本并且功能强大的OpenMV机器视觉模块进行瞳孔识别，在STM32单片机上搭载安装摄像头或者用树莓派搭载摄像头，与此同时采集人脸的信息，然后调用face++的API与OpenCV对所需要照片进行识别和对比，OpenMV会更加便捷。

（2）优势。相比于其他的预防疲劳解决方法，我们做到了快速和实时判断，可以实时检测驾驶员的状态，并给出及时的判断结果，并充分考虑了驾驶员的各种意外情况后，系统对驾驶员的驾驶情况进行判断来采取完善的措施，把驾驶员的生命安全放在处理原则的第一位。我们将以为切入点主，认真做好标准的辅助系统，直到可行性等达到要求。

3.2 创新点

本项目在基于单片机的控制系统上加载的汽车安全行驶辅助系统，具备以下特点：

（1）结合STM32单片机的中心控制理论。通过运用STM32单片机分别对汽车运动系统和检测系统的单独控制和数据处理后，做到了汽车运动和实时检测的有机结合与处理。

（2）利用Open MV能够实现人眼识别。Open MV是一个功能强大、成本较低的模块，有广泛的应用前景，我们在学习Adaboost算法后通过PERCLOS理论作为编程判断的核心框架，通过编写Python算法实现实现人眼瞳孔的定位，从而达到精确检测驾驶员的疲劳状况。

（3）运用GPS技术实时定位以确保行车安全。在紧急情况下，开启自主导航的汽车可以实现避障功能和实时定位，因此具备良好的安全性。

（4）使用WIFI模块实现远距离数据信息传输。在汽车安全行驶辅助系统运行时，其具备完整的TCP/IP协议栈，能够有效地进行点对点数据传输，因此具备远距离传输及拥有较大的调整范围。

（5）具有人工智能、高拓展等特点。Python语言具有适合人工智能开发的特点，可自动对驾驶员的驾驶情况进行判断，可将其广泛应用于服务业、快递业、运输业等领域。

4 发展趋势

当今物流持续增长，需要强大的运输支持。对于货车司机来说，长时间的工作会很容易造成疲惫驾驶，在此情况下会导致高速路上的事故率增加，造成财产损失、人身意外，以及交通拥堵的情况。在这样的条件下，汽车安全驾驶辅助系统能够降低损失以及对驾驶人员的安全有一定的保障，顺应了当代汽车行业的发展。

用生物学的环境和容纳量曲线来说，目前安全驾驶辅助系统正处于S型曲线的下端，安全驾驶辅助系统还处在对环境适应的阶段。在将来技术越发成熟的情况下，随着人们对驾驶安全性要求的提高，安全驾驶辅助系统将会有指数型的增长，并且达到一定的数量级后趋于饱和状态。就目前而言，汽车安全驾驶辅助系统还存在相当大的空间，其市场价值将取决于技术的成熟程度，技术发展越成熟，市场价值增长越快。