引起交通事故因素比例图国内外研究现状国外美国

指导教师：李春杰汽车安全驾驶检测系统背景分析随着经济的不断发展，我国居民的汽车保有量不断增加，随之而来的是交通安全压力的增加。统计数据表明，在2013年至2014年我国直接由疲劳驾驶导致的死亡人数占机动车驾驶交通肇事总死亡人数的20.35%，而接打电话、交谈占11.50%。分析近几年来的全国道路交通事故情况，其中不规范驾驶导致的严重交通事故占很大的比例。因此，研究开发高性能的驾驶员规范驾驶监测及预警技术，对改善我国交通安全状况意义重大。引起交通事故因素比例图国内外研究现状国外：美国Attention

Technologies公司推出的Driver

Fatigue

Monitor（DD850）是一款基于驾驶人生理反应特征的驾驶人疲劳检测预警产品。该产品通过红外摄像头采集驾驶人眼部信息，采用PERCLOS作为疲劳报警指标，可直接安装在仪表盘上，报警的敏感度和报警音量均可调节，目前已推广使用，但只有在晚上才有效。美国科学家研制的驾驶员疲劳检测系统DDDS(The

Drowsy

DriverDetectionSystem)采用多普勒雷达信号，可获取持续时间、烦躁情绪和眨眼频率等数据。欧盟的AWAKE项目对生理反应信息、方向盘操作转角信息、方向盘转向力信息以及车道线信息进行了检测和记录，通过研究这些信息与疲劳之间的关系，利用信息融合技术实现驾驶人疲劳分级评价，利用声音、光照闪烁以及安全带振动等方式对疲劳实现预警，开发了驾驶人疲劳检测报警系统。国内外研究现状国内：吉林大学对人眼定位方法进行了一些系统研究。上海交通大学对含有图像传感器和驾驶模拟器的系统进行了研究。2006年，同济大学的杜志刚等人开始研究使用日本NEC公司生产的EMR-SR型眼动仪，是由光学系统，瞳孔中心坐标提取系统，视景与瞳孔坐标迭加系统和图像与数据的记录分析系统组成的眼动仪主机、控制端、摄像头及对采集的数据分析组件等组成了一个完整的系统，由人眼的瞳孔的直径以及瞳孔的运动趋势来判断人眼是否处于呆滞状态或者说疲劳状态。国内外研究现状综合上述，国内以上相关领域的研究主要集中在基于视频信号的驾驶人面部生理特征的研究方面，但是对司机的接打电话，在行进中的运动等不规范行为研究的较少，而这些不规范行为会造成驾驶员注意力不集中，分散驾驶员的注意力，在高速行驶的车上，很容易酿成车祸。目前各种算法在识别精度、可靠性、实时性等基础性方面尚存在问题，与国外相关研究相比存在较大的差距。系统设计和方案开发平台硬件：安卓智能手机软件：eclipse+android

2.3.3

SDK+openCV系统设计和方案开发平台OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac

OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。系统设计和方案开发平台NDK主机环境Android开发环境OpenCV移植eclipseSDK

+

ADTOpenCV系统设计和方案Android应用程序Java端动态库so安卓开发环境下调用openCV开发过程利用JNI编写的本地C/C++代码AndroidNDKAndroidSDKAndroid应用程序.apk系统设计和方案系统程序流程图硬件：安卓智能手机软件：eclipse+android

2.3.3

SDK+openCV系统设计和方案系统包含五个模块：人脸识别模块；眼睛检测模块；嘴部检测模块；上身及头部运动检测模块；获取车辆信息接口模块；人脸识别模块：摄像头采集人脸信息，检测到人脸则继续，否则警报；三个检测模块：定位到人脸各部位，通过检测闭合度，闭合频率等信息，设置阈值，判断车主是否疲劳或违规驾驶并发出警报；获取车辆信息接口模块：获取车速，转向等信息，结合检测模块信息决定是否发出警报；系统设计和方案人脸识别模块流程图抓取图像人脸检测特征匹配人脸模板库人脸？是预处理否通知车主无有？有系统设计和方案阈值？二值化否疲劳及危险动作检测模块流程图单帧人脸图像眼、嘴部定位下一帧预处理闭合？是闭合数++报警大于小于下一次循环系统设计和方案本系统采用基于Haar特征的Adaboot级联分类器算法实现人脸检测，对人脸的灰度图进行水平投影来确定人眼以及嘴部，根据人眼闭合度及频率判定是否疲劳驾驶，根据嘴部闭合频率、上身及头部晃动频率判定是否违规驾驶。进度安排2014.10~2014.11了解该设计的研究意义、现状和成果，阅读参考文献，了解硬 件的组成和功能。掌握现有平台的开发环境。2014.11~2014.12学习opencv，掌握人脸检测，人眼定位的基本方法。学习特征值提取，背景分离，运动分离，马尔科夫，高斯模型等基础知识学习，并完成开题答辩。2015.01~2015.03构建软件框架，实现代码，基本完成软件设计。2015.04~2015.05工作总结，完成工程时间开题答辩，撰写工程实践课题论文预期成果app能够通过检测人眼闭合频率判断驾驶员的状态，必要时发出提醒信息。app能够通过检测嘴的开合频率和时间判断驾驶员是否疲劳或是否在接打电话，交谈。结合当时车速给出相应提示。app能够通过检测上身和头部运动，判断驾驶员是否注意力集中，结合当时的车速给出相应提示。实现两个app，appA模拟汽车采集装置，appB模拟检测装置，A、B之间可以进行通讯，通过A可以对B的车速，行驶方向等参数进行设置。参考文献[1].种彬,范玉妹,钟延炯,宋学浩.驾驶行为的初步研究[J],微计算机信息,2007,23(22):

275-277.[2].傅佳伟,石立臣,吕宝粮.基于EEG的警觉度分析与估计研究综述[J],中国生物医学工程学报,2009,28(4):589-594.[3].Philip

W.

Kithil,Roger

D.

Jones,

John

MacCuish.

Development

of

driveralertness

detection

system

using

overhead

capacitive

sensor

array[R].SAE

Technical

Paper

Series

982292,SAE

International,

1998.[4].齐登刚，徐超，谭守标.基于背景剪除和隐马尔可夫模型的人体动作识别[D],安徽大学,2011.[5].孙睿，马争.基于人脸定位技术的疲劳驾驶检测方法[D],电子科技大学,2010.[6].李天鹏,许龙龙,苗福帅,张棋钰.汽车安全驾驶疲劳检测系统开题报告[Z],中国科学技术大学，2013.背板景日图下TPP模片载板：图行www.1ppt.cooban/o/mm.1pp.cm/jeritPPTwww/i素表业材下模PPT下板载：t.co/hangywwmw/e.1pp.1/sucai/www

教优程秀：下.wwwlecxE/drow/moc.tpp1教载程：：教程：载：1.wo/mwaibut/octpp.w1.iwww/tnoprewop/po.ctpmwp.wm1wwtTPP/iazaix/oc.ibepTP