一种基于疲劳驾驶的检测提醒装置

暂无

一种基于疲劳驾驶的检测提醒装置\n技术领域\n[0001] 本实用新型涉及一种疲劳驾驶提醒装置。\n背景技术\n[0002] 据大量数据统计分析，在交通事故中平均每年与疲劳驾驶有关的车祸达56000起，造成76000人受伤，1544人死亡，该人数占交通事故死亡总人数的3．7％，调查还发现，有过开车打磕睡经历的受访者占总受访者数的27％。国内外交通事故的数据显示：道路交通事故中因驾驶员疲劳驾驶造成的约占总数的10％至25％，由此可知，驾驶疲劳已成为造成交通事故的最主要原因之一，调查还显示驾驶员职业病的诱因之一也是疲劳驾驶。\n实用新型内容\n[0003] 本实用新型的目的是提供了一种易于安装，成本较低，能够及时提醒驾驶员保持清醒的基于疲劳驾驶的检测提醒装置。\n[0004] 本实用新型解决其技术问题所采用的技术方案是：一种基于疲劳驾驶的检测提醒装置，主要包括图像采集模块、图像处理模块、无线传输模块、提醒装置和供电装置，图像采集模块位于车辆驾驶座前方的支撑架上，图像处理模块与图像采集模块相连并处理来自图像采集模块的图像信息，无线传输模块一端与图像处理模块相连，另一端连接提醒装置。\n[0005] 图像采集模块包括摄像头和去除自然光对图片影响的滤光片。\n[0006] 图像处理模块包括视频解码器和DSP微处理器。\n[0007] 无线传输模块采用蓝牙传输。\n[0008] 报警装置采用振动器，且振动器安装于安全带上。\n[0009] 本实用新型的工作过程为：摄像头采集到驾驶员的眼部视频图像，传输至图像处理模块，视频解码器将视频图像转换为数字图像数据并将其存储至DSP微处理器外扩SDRAM中，采集到的人眼图像通过DSP微处理器处理，将图像中眼睛周围选取若干特征点的方法，采用KLT算法即图像特征点跟踪算法对特征点进行跟踪定位人眼，将定位到的人眼图像与正常睁开眼睛模板的灰度直方图进行比较，并经过视频解码器转换为数字图像数据，将此数据经过DSP微处理器处理，计算二者的相似度，设定一个闭眼时间阈值，当相似度小于某设定的阈值时，判断眼睛处于睁得很小或闭合状态，否则眼睛处于正常睁开状态，在一段时间里，眼睛连续处于非正常睁开状态时，则判断该驾驶员疲劳驾驶，当判断采集信号得到被测者疲劳程度大于设定阈值时，就将提醒信号通过无线传输模块发送给安装在安全带内的提醒装置，此时振动器振动，能够提醒驾驶员集中精神，安全驾驶，有效地防止了因疲劳驾驶引起的交通事故。\n[0010] 本实用新型与现有技术相比具有如下优点：通过检测驾驶员的眼部状态判断其是否处于疲劳状态，能够及时提醒驾驶员保持清醒，有效减少因疲劳驾驶而产生的交通事故。\n[0011] 附图说明 \n[0012] 图1为本实用新型的整体结构示意简图。\n[0013] 图2为本实用新型的分解结构示意简图。\n[0014] 图3为本实用新型的图像处理流程示意简图。\n[0015] 具体实施方式 \n[0016] 如图1、图2所示，一种基于疲劳驾驶的检测提醒装置，主要包括图像采集模块1、图像处理模块2、无线传输模块3、提醒装置4和供电装置，图像采集模块2位于车辆驾驶座前方的支撑架上，图像处理模块2与图像采集模块1相连并处理来自图像采集模块1的图像信息，无线传输模块3一端与图像处理模块2相连，另一端连接提醒装置4。图像采集模块1包括摄像头和去除自然光对图片影响的滤光片；图像处理模块2包括视频解码器和DSP微处理器；无线传输模块3采用蓝牙传输；报警装置4采用振动器，且振动器安装于安全带上。\n[0017] 图像采集模块1中将摄像头的目标区域定于人眼，避免了传统方法中定人脸找人眼的复杂过程，利用滤光片去除自然光，将摄像机采集到不同的模拟视频图像，经过视频解码器转换为数字图像，然后将转换后的数字图像数据存储到DSP微处理器外扩SDRAM中，且将FLASH作为系统的外部程序存储器。\n[0018] 如图3所示，在图像处理模块2中，接通电源后，DSP微处理器启动，通过自举程序把FLASH中的程序加载到内部RAM中运行，调用接收到的数字图像数据，对数据进行处理，图像处理模块2是将采集到的人眼图像通过DSP微处理器处理，将图像中眼睛周围选取若干特征点的方法，采用KLT算法即图像特征点跟踪算法对特征点进行跟踪定位人眼，然后将定位到的人眼图像与正常睁开眼睛模板的灰度直方图进行比较，计算二者的相似度，当相似度小于某设定的阈值时，认为眼睛处于睁得很小或闭合状态，否则眼睛处于正常睁开状态，在一段时间里，眼睛连续处于非正常状态时，则判断该驾驶员疲劳。\n[0019] 两幅图像相似度的计算方法为：\n[0020] Vi为根据图像灰度直方图得到的矩阵；||Vi||2为矩阵Vi的范数；aij为图像与第一副图像的相似度。aij值越大，两幅图像就越相似,当模板与待测图片完全一样时，相似度为1，可以根据大量的实验来设定一个合适的阈值T，在试验中，选取若干张(不少于20张)眼睛大致处于半睁开状态的图片，分别计算它们的相似度，然后计算这些相似度的平均值，这个平均值即可作为阈值T。相似度大于该阙值时，眼睛处于正常睁开状态，否则眼睛闭合或睁的很小。用上述方法判断一幅图片中眼睛状态后，再判断眼睛连续处于闭合或睁得很小状态的次数n，通过大量的实验表明，当眼睛闭合时间超过2．5s时，该驾驶员处于疲劳状态，如果视频里2．5s对应的帧数为N，那么，当n