本发明涉及交通安全领域,特别涉及一种疲劳驾驶预警系统。
背景技术:
交通同行和运输过程中,超速、疲劳驾驶等违章行为严重,目前以微波雷达测速等技术手段对解决超速的现象起到了明显的效果,但是对疲劳驾驶还没有有效的检测手段。疲劳驾驶是当今交通安全的重要隐患之一。驾驶员处于疲劳状态时,对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度的下降,容易发生交通事故。
研究如何提供一种疲劳驾驶预警系统,对驾驶员疲劳状态进行实时监测和预警,减少疲劳驾驶带来的隐患,具有重要的现实意义。
技术实现要素:
因此,为解决现有技术存在的技术缺陷和不足,本发明提出一种疲劳驾驶预警系统,包括:
采集装置,设置于第一车辆内,用于采集第一驾驶员的第一驾驶信息,其中,所述第一驾驶信息包括所述第一驾驶员的驾驶图像;
发送装置,设置于所述第一车辆内并电连接所述采集装置,用于将所述第一驾驶信息发送至云服务器;
第一终端,设置于所述第一车辆内,用于向所述第一驾驶员提示第一报警信号;
云服务器,无线通信连接所述第一终端,用于处理所述驾驶图像,并判断所述第一驾驶员是否处于疲劳驾驶状态,在确定所述第一驾驶员处于疲劳驾驶状态时向所述第一终端发送所述第一报警信号。
在本发明的一个实施方式中,所述第一驾驶信息还包括所述第一终端的位置信息。
在本发明的一个实施方式中,本系统还包括基站,所述基站在所述云服务器判断所述第一驾驶员疲劳驾驶时,接收所述云服务器发送的第二报警信号,并将所述第二报警信号进行广播。
在本发明的一个实施方式中,本系统还包括第二终端,所述第二终端设置于所述基站覆盖范围内的第二车辆内,用于接收所述第二报警信号。
在本发明的一个实施方式中,所述第二报警信号包括所述第一终端的位置信息。
在本发明的一个实施方式中,所述第二终端包括距离判断模块,所述距离判断模块用于判断所述第二终端与所述第一终端之间的距离;
若所述距离超过阈值,则所述第二终端向所述第二车辆内的第二驾驶员进行提醒。
在本发明的一个实施方式中,所述基站与所述第一终端、所述第二终端之间通过zigbee协议进行组网。
在本发明的一个实施方式中,所述云服务器对所述驾驶图像进行处理形成所述第一驾驶员的眼部图像,并根据所述眼部图像判断所述第一驾驶员是否处于疲劳驾驶状态。
在本发明的一个实施方式中,所述采集装置包括:
拍摄装置,设置于所述第一车辆中,用于对所述第一驾驶员的眼部进行拍摄;
云台,通过云台控制接口连接所述拍摄装置;
ad转换器,通过ad转换接口电连接所述拍摄装置以将所述拍摄装置拍摄的模拟眼部图像转换成数字眼部图像;
存储器,电连接所述ad转换器以存储数字眼部图像,且电连接所述发送装置,以供所述发送装置提取所述数字眼部图像发送至所述云服务器。
在本发明的一个实施方式中,所述拍摄装置为红外相机。
本实施例提供的疲劳驾驶预警系统,通过云服务器对驾驶图像进行检测,在驾驶员处于疲劳驾驶状态时对该驾驶员及其周边的驾驶员进行提醒,有效地降低了疲劳驾驶产生的危险,极大地提高了交通的安全性。
通过以下参考附图的详细说明,本发明的其它方面和特征变得明显。但是应当知道,该附图仅仅为解释的目的设计,而不是作为本发明的范围的限定,这是因为其应当参考附加的权利要求。还应当知道,除非另外指出,不必要依比例绘制附图,它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
下面将结合附图,对本发明的具体实施方式进行详细的说明。
图1为本发明提供的一种疲劳驾驶预警系统结构示意图;
图2是本发明提供的第二终端发送提醒信息的场景示意图;
图3为本实施方式提供的一种采集装置的结构示意图;
图4为本发明实施例提供的云服务器对驾驶员眼部状态的判断流程示意图;
图5为本发明实施例提供的眼睛睁开状态示意图;
图6为本发明实施例提供的眼睛闭合状态示意图;
图7为本发明实施例提供的眼睛半睁半闭状态示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
实施例一
请参考图1,图1为本发明提供的一种疲劳驾驶预警系统结构示意图,该系统包括:
采集装置,设置于第一车辆内,用于采集第一驾驶员的第一驾驶信息,其中,所述第一驾驶信息包括所述第一驾驶员的驾驶图像;
发送装置,设置于所述第一车辆内并电连接所述采集装置,用于将所述第一驾驶信息发送至云服务器;
第一终端,设置于所述第一车辆内,用于向所述第一驾驶员提示第一报警信号;
云服务器,无线通信连接所述第一终端,用于处理所述驾驶图像,并判断所述第一驾驶员是否处于疲劳驾驶状态,在确定所述第一驾驶员处于疲劳驾驶状态时向所述第一终端发送所述第一报警信号。
本实施方式公开了一种基于云服务器的疲劳驾驶预警系统。云服务器和终端可通过无线网相连,由云服务器对驾驶图像进行处理,具有存储容量大,处理能力强的优点,并且,有利于交通管理部门对驾驶员当前是否处于疲劳驾驶状态进行实时监控。
进一步地,在上述实施方式的基础上,所述第一驾驶信息还包括所述第一终端的位置信息。
具体地,第一终端的位置信息可由定位模块,如gps模块进行定位。定位模块可以集成在所述采集装置中,也可以是单独的装置与采集装置相连接。
进一步地,在上述实施方式的基础上,本发明提供的预警系统还包括基站,所述基站在所述云服务器判断所述第一驾驶员疲劳驾驶时,接收所述云服务器发送的第二报警信号,并将所述第二报警信号进行广播。
其中,本发明中提及的基站,可以是电信设备运营商组建的基站,也可以是由交管部门重新建立的基站,该基站与车辆上的终端无线通信连接。
进一步地,在上述实施方式的基础上,本发明提供的预警系统还包括第二终端,所述第二终端设置于所述基站覆盖范围内的第二车辆内,用于接收所述第二报警信号。
进一步地,在上述实施方式的基础上,所述第二报警信号包括所述第一终端的位置信息。
进一步地,在上述实施方式的基础上,所述第二终端包括距离判断模块,所述距离判断模块用于判断所述第二终端与所述第一终端之间的距离;
若所述距离超过阈值,则所述第二终端向所述第二车辆内的第二驾驶员进行提醒。
例如,可通过所述第二终端包括定位装置以确定自身的位置,还可以包括地图程序,根据其接收到的第一终端的位置信息及其自身的位置,通过地图程序可以方便的得知第一终端和第二终端之间的距离。
请参见图2,图2是本发明提供的第二终端发送提醒信息的场景示意图。云服务器获取第一终端的位置信息后,随即获取了第一车辆的位置。此时,因为第一驾驶员的疲劳驾驶状态可能会影响第一车辆周围的第二车辆的安全,因此,有必要对第二车辆的驾驶员进行提醒,在本实施方式中,可以对与所述第一车辆对应的基站所覆盖的第二车辆进行提醒。基站在其覆盖的区域内将“第一驾驶员处于疲劳驾驶”这一信息和第一车辆的位置信息进行广播,以使对第一车辆附近的第二车辆进行提醒。第二车辆通过定位装置,如gps装置获取其位置信息并计算其与第一车辆的距离。若两者之间的距离低于阈值,则对第二驾驶员进行提醒。其中,这里的第二驾驶员可以是普通的车主,还可以是在路上巡逻的交管执法者。
进一步地,在上述实施方式的基础上,所述基站与所述第一终端、所述第二终端之间通过zigbee协议进行组网。
在本实施方式中,采用zigbee这种物联网协议的方式组件无线网,因为这种组网方式方便灵活,网络的节点增减较容易,有较好的自愈能力,稳定可靠且网络容量大。
进一步地,在上述实施方式的基础上,
所述云服务器对所述驾驶图像进行处理形成所述第一驾驶员的眼部图像,并根据所述眼部图像判断所述第一驾驶员是否处于疲劳驾驶状态。
云服务器可对驾驶图像的处理方式较多,例如,可以从图像中判断驾驶员的双手是否脱离方向盘,头部是否倾斜等,而直接判断驾驶员的眼睛状态是一个直接且有说服力的方式,处于疲劳状态的驾驶员一般都有无意识的闭眼、眯眼行为,眼睛的开度明显变差。本发明后续实施例还提供了对眼睛状态的评价方法,本实施方式在此不做赘述。
请参考图3,图3为本实施方式提供的一种采集装置的结构示意图。该采集装置包括:
拍摄装置,设置于所述第一车辆中,用于对所述第一驾驶员的眼部进行拍摄;
云台,通过云台控制接口连接所述拍摄装置;
ad转换器,通过ad转换接口电连接所述拍摄装置,以将所述拍摄装置拍摄的模拟眼部图像转换成数字眼部图像;
存储器,电连接所述ad转换器,用于存储数字眼部图像,且所述存储器电连接所述发送装置,以供所述发送装置提取所述数字眼部图像,并将所述数字眼部图像发送至所述云服务器。
优选地,所述拍摄装置为红外相机。该红外相机可以安装于所述云台上,所述云台可以安装在汽车前挡风玻璃的外边框上。红外相机在拍摄驾驶图像时不会对驾驶员的驾驶行为产生影响,较好地保证了驾驶安全性。
本实施例提供的疲劳驾驶预警系统,通过云服务器对驾驶图像进行检测,在驾驶员处于疲劳驾驶状态时对该驾驶员及其周边的驾驶员进行提醒,有效地降低了疲劳驾驶产生的危险,极大地提高了交通的安全性。
实施例二
本实施例提供一种眼部状态的判断方法,具体地,该方法的执行主体可以是云服务器,具体地,例如可由云服务器的处理中央处理单元进行处理。云服务器可采用如下方法对驾驶员的眼部状态进行判断,进而判断驾驶员是否处于疲劳驾驶状态。
请参见图4,图4为本发明实施例提供的云服务器对驾驶员眼部状态的判断流程示意图。该方法包括如下步骤:
步骤1、根据眼部图像定位第一瞳孔中心点;
步骤2、根据所述第一瞳孔中心点,提取第一瞳孔边界点;
步骤3、通过所述第一瞳孔边界点定位第二瞳孔中心点;
步骤4、根据所述第二瞳孔中心点分别计算第一瞳孔面积和第二瞳孔面积;
步骤5、根据所述第一瞳孔面积和第二瞳孔面积判断眼部状态。
其中,对于步骤1,云服务器具体可以:
通过所述眼部图像的灰度值估算出眼部中心区域,查找所述眼部中心区域灰度值最小的点定位为所述第一瞳孔中心点。
其中,对于步骤2,云服务器具体可以:
以所述第一瞳孔中心点为原点,分别向y轴正半轴方向和y轴负半轴方向各发m条第一射线,所述第一射线对称于x轴;
计算所述第一射线方向的灰度梯度;
选取灰度梯度最大的点作为所述第一瞳孔边界点。
其中,云服务器具体可以:
以所述瞳孔中心点为起点沿上眼皮方向发射直线,形成m条射线;
以所述瞳孔中心点为起点沿下眼皮方向发射直线,形成n条射线。
其中,对于步骤3,云服务器具体可以:
拟合所述第一瞳孔边界点,通过均值法获取所述第一瞳孔边界点的中心点;
将所述中心点作为所述第二瞳孔中心点。
其中,对于步骤4,云服务器具体可以:
根据所述第二瞳孔中心点,提取第二瞳孔边界点;
通过所述第二瞳孔边界点分别计算第一瞳孔面积和第二瞳孔面积。
其中,对于步骤4中根据所述第二瞳孔中心点,提取第二瞳孔边界点,可以包括:
以所述第二瞳孔中心点为原点,分别向y轴正半轴方向和y轴负半轴方向各发n条第二射线,所述第二射线对称于x轴;
计算所述第二射线方向的灰度梯度;
选取灰度梯度最大的点作为所述第二瞳孔边界点。
其中,对于步骤4中通过所述第二瞳孔边界点计算第一瞳孔面积,可以包括:
将所述第二瞳孔边界点拟合为圆形;
计算所述圆形面积以作为所述第一瞳孔面积。
其中,对于步骤4中根据所述第二瞳孔中心点计算第二瞳孔面积,可以包括:
将所述第二瞳孔边界点两两直连形成多边形;
计算所述多边形面积作为所述第二瞳孔面积。
其中,对于步骤5,云服务器具体可以:
根据所述第一瞳孔面积和所述第二瞳孔面积采用眼部状态公式确定眼部状态值;
选取第一眼部状态阈值和第二眼部状态阈值;
将所述眼部状态值分别与第一眼部状态阈值和第二眼部状态阈值进行比对以确定所述眼部状态。
进一步地,对于步骤5中眼部状态公式为:
其中,s1为所述第一瞳孔面积,s2为所述第二瞳孔面积。
本实施例提出的眼部状态的判断方法,无需大量的高清图像学习模板,能够较好的降低运算复杂度,提高实时性,可靠性高,具有广泛的应用前景,此外本发明无需昂贵复杂的设备,成本低廉。
实施例三
在上述实施例的基础上,本实施例对云服务器对眼睛状态检测流程做进一步说明,该流程包括:
步骤1、获取眼部图像
获取眼部图像之后,处理眼部图像,将眼睛部位调整为水平位置。将眼部图像转化为眼部灰度图,对眼部灰度图进行灰度对比度增强预处理,处理方法为:
f=c*log(1+double(f0))
其中,f0表示原图像,f表示对比度增强后的图像。
将对比度增强后的图像做拉普拉斯滤波处理。
对眼部灰度图进行灰度对比度增强预处理更有利于瞳孔和外部区域的区分;另外拉普拉斯滤波的无方向性可以对眼部图像做各个方向的去噪。
步骤2、定位第一瞳孔中心点
将步骤1中处理后的眼部灰度图估算出眼部中心区域,查找眼部中心区域灰度值最小的点,若该点近似位于眼部中心区域的中点,则定位为第一瞳孔中心点;否则,继续查找,直到找到近似位于眼部中心区域的中点附近的灰度值最小点。
步骤3、提取第一瞳孔边界点
以第一瞳孔中心点为原点,分别向y轴正半轴方向和y轴负半轴方向各发m条第一射线,第一射线对称于x轴;
计算第一射线方向的灰度梯度,计算步骤如下:
a)、计算第一射线方向的灰度值偏微分:
其中,f(i,j)为眼部图像在坐标(i,j)处的灰度值。
b)、计算第一射线方向的灰度梯度:
提取d最大的点,记作dmax;当dmax>边界点阈值,则该点为瞳孔边界点。其中,边界点阈值选取大于瞳孔和皮肤交界处的灰度梯度且小于瞳孔和眼白交界处的灰度梯度的特定值,根据个体差异自行定义。瞳孔边界点处于瞳孔部分和眼白部分交替处。
步骤4、定位第二瞳孔中心点
拟合步骤3中确定的第一瞳孔边界点,将第一瞳孔边界点近似拟合为圆形,通过均值法提取第一瞳孔边界点的中心点;
将该中心点作为第二瞳孔中心点。
步骤5、提取第二瞳孔边界点
以第二瞳孔中心点为原点,分别向y轴正半轴方向和y轴负半轴方向各发m条第二射线,第二射线对称于x轴;
计算第二射线方向的灰度梯度,计算步骤如下:
a)、计算第二射线方向的灰度值偏微分:
其中,f(i,j)为眼部图像在坐标(i,j)处的灰度值。
b)、计算第二射线方向的灰度梯度:
选取灰度梯度d最大的点作为第二瞳孔边界点。
步骤6、计算第一瞳孔面积
拟合步骤5中确定的第二瞳孔边界点,将第二瞳孔边界点近似拟合为圆形,计算圆形的面积,将所述圆形面积作为第一瞳孔面积。
步骤7、计算第二瞳孔面积
将第二瞳孔边界点两两直连,连接形成多边形;
计算所述多边形面积作为所述第二瞳孔面积。
步骤8、判断眼部状态
眼部状态公式为:
其中,s1为所述第一瞳孔面积,s2为所述第二瞳孔面积;
将步骤6和步骤7中得出的第一瞳孔面积和第二瞳孔面积代入眼部状态公式求解眼部状态值;
选取第一眼部状态阈值cth1和第二眼部状态阈值cth2;
当θ>cth1时,眼睛处于闭合状态,
当θ<cth2时,眼睛处于睁开状态,
当cth1≤θ≤cth2时,眼睛处于半睁半闭状态。
人的眼睛瞳孔较小,灰度低,不会因为个人生理因素导致瞳孔图像被眼睑遮挡,当正常睁开状态时,瞳孔是完整的,当处于闭合是通孔消失,当处于睁开和闭合中间态时,瞳孔上下边缘被遮挡,因此利用检测瞳孔边界判断眼睛睁闭。
实施例四
在上述实施例的基础上,本实施例对云服务对眼部状态进行判断的过程举例说明。
请参见图5,图5为本发明实施例提供的眼睛睁开状态示意图。如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,拟合第二瞳孔边界点,将第二瞳孔边界点近似拟合为圆形,计算圆形的面积为3.14,将第二瞳孔边界点两两直连,连接形成多边形,计算多边形的面积为2.6,带入眼睛闭合度公式,求得θ为0.17,θ小于第二闭合度阈值为0.2,因此眼睛处于睁开状态。
请继续参见图6,图6为本发明实施例提供的眼睛闭合状态示意图。如图所示,如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,拟合第二瞳孔边界点,将第二瞳孔边界点近似拟合为圆形,计算圆形的面积为3.14,将第二瞳孔边界点两两直连,连接形成多边形,计算多边形的面积为0.42,带入眼睛闭合度公式,求得θ为0.86,θ大于第一闭合度阈值为0.2,因此眼睛处于闭合状态。
请参见图7,图7为本发明实施例提供的眼睛半睁半闭状态示意图。如图所示,选取第一闭合度阈值为0.8,第二闭合度阈值为0.2,拟合第二瞳孔边界点,将第二瞳孔边界点近似拟合为圆形,计算圆形的面积为3.14,将第二瞳孔边界点两两直连,连接形成多边形,计算多边形的面积为1.7,带入眼睛闭合度公式,求得θ为0.46,θ大于第二闭合度阈值为0.2,小于第一闭合度阈值为0.8,因此眼睛处于半睁半闭状态。
综上所述,本文中应用了具体个例对本发明进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制,本发明的保护范围应以所附的权利要求为准。