CN104751600B - 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 - Google Patents
基于虹膜识别的防疲劳驾驶安全设备及其使用方法 Download PDFInfo
- Publication number
- CN104751600B CN104751600B CN201510094772.0A CN201510094772A CN104751600B CN 104751600 B CN104751600 B CN 104751600B CN 201510094772 A CN201510094772 A CN 201510094772A CN 104751600 B CN104751600 B CN 104751600B
- Authority
- CN
- China
- Prior art keywords
- iris
- mrow
- unit
- fatigue
- driver
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Ophthalmology & Optometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开一种基于虹膜识别的防疲劳驾驶安全设备及其使用方法，该防疲劳驾驶安全设备包括虹膜采集单元、数据传输单元、数据处理单元和警示单元；虹膜采集单元用于实时采集驾驶员的虹膜特征；数据传输单元与虹膜采集单元连接，且其用于将虹膜采集单元采集到的驾驶员的虹膜特征传送至虹膜比对模块；数据处理单元与数据传输单元连接，且其用于将虹膜采集单元采集的驾驶员的虹膜特征与事先采集过特征点最大的虹膜信息模板进行比对，计算出百分比，并根据百分比判断驾驶员的疲劳程度；警示单元与数据处理单元连接，且其用于当将数据处理单元判断出驾驶员的疲劳程度时，根据疲劳的程度给驾驶员发出警示。本发明疲劳检测的数据精确度高，能一机多用。
Description
技术领域
本发明属于汽车安全控制技术领域，尤其涉及一种基于虹膜识别的防疲劳驾驶安全设备及其使用方法。
背景技术
我国的交通运输业发展迅速，随之而来的道路交通事故也呈上升趋势，根据交通部门的资料显示，由于疲劳驾驶造成的交通事故比重很大，占特大交通事故的比重更大，疲劳驾驶已经作为交通事故发生的主要隐患，已经引起人们的关注，针对疲劳驾驶，也出现了许多疲劳驾驶的检测装置，但是目前使用的检测装置主要是检测驾驶员头部的姿势进行疲劳驾驶的判断，检测装置需要与驾驶员的头部接触，影响驾驶员的注意力，使驾驶员感到不适，加速了驾驶员疲劳的速度，增加了疲劳驾驶发生的几率；另外当驾驶员为了活动身体而改变姿势时，容易被误检为疲劳驾驶，故现有的检测装置准确性不强，且目前市场没有一款防疲劳驾驶准确性很强的检测设备。
故针对上述问题，有必要设计一种基于虹膜识别的防疲劳驾驶安全设备及其使用方法来弥补上述缺陷。
发明内容
本发明提出一种基于虹膜识别的防疲劳驾驶安全设备及其使用方法，其疲劳检测的数据精确度高，把以住车上用的电子产品高度集成为一个产品，实现一机多用的同时，节约了很大成本，做到一机到手，车上电子功能全有。
本发明的技术方案是这样实现的：
一种基于虹膜识别的防疲劳驾驶安全设备，其包括虹膜采集单元、数据传输单元、数据处理单元和警示单元；虹膜采集单元用于实时采集驾驶员的虹膜特征；数据传输单元与虹膜采集单元连接，且数据传输单元用于将虹膜采集单元采集到的驾驶员的虹膜特征传送至虹膜比对模块；数据处理单元与数据传输单元连接，且数据处理单元用于将虹膜采集单元采集的驾驶员的虹膜特征与事先采集过特征点最大的虹膜信息模板进行比对，计算出百分比，并根据百分比判断驾驶员的疲劳程度；警示单元与数据处理单元连接，且警示单元用于当将数据处理单元判断出驾驶员的疲劳程度时，根据疲劳的程度给驾驶员发出警示；
警示单元包括信息提醒单元、自动呼叫单元和报警单元；信息提醒单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第一预设阈值，且大于第二预设阈值时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；自动呼叫单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第二预设阈值，且大于第三预设阈值时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；报警单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第三预设阈值时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆。
其中，第一预设阈值为80％，第二预设阈值为50％，第三预设阈值的范围为35％～40％。
其中，虹膜采集单元为一个带红外感应功能的摄像机，其安装在驾驶员的正前方；且该摄像机设有无线传输单元，其通过无线传输单元与数据传输单元、后台的交警管理部分均连接。
其中，摄像机的拍摄速度为60帧/秒。
其中，该基于虹膜识别的防疲劳驾驶安全设备进一步设有虹膜启动汽车单元和虹膜远程控油单元。
其中，该基于虹膜识别的防疲劳驾驶安全设备进一步设有酒精检测单元、 GPS定位导航单元、倒车单元、行车记录单元、行驶记录单元、空气净化单元和雷达防碰撞单元。
基于虹膜识别的防疲劳驾驶安全设备的使用方法，其包括如下步骤：(1) 选取虹膜信息模板：将虹膜采集单元实现采集过的特征点最大的虹膜信息作为虹膜信息模板，并存储至数据处理单元中；(2)虹膜信息采集：通过位于驾驶员正前方的虹膜采集单元实时采集驾驶员的虹膜特征，并通过数据传输单元将采集到的虹膜特征传输至数据处理单元；(3)虹膜信息对比及疲劳度判断：数据处理单元将当前采集到的虹膜特点与虹膜信息模板进行对比，得到百分比，根据特征点的百分比来判断驾驶员的疲劳程度；(4)根据步骤(3)中判断出的疲劳程度，通过警示单元做出相应的警示。
其中，步骤(3)中疲劳度判断的方法为：当数据处理单元得到的百分比大于50％，且小于或等于80％时，判断驾驶员为第一级疲劳；当数据处理单元得到的百分比大于35％，且小于或等于50％时，判断驾驶员为第二级疲劳；当数据处理单元得到的百分比小于或等于35％时，判断驾驶员为第三级疲劳。
其中，步骤(4)中，当驾驶员处于第一级疲劳状态时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；当驾驶员处于第二级疲劳状态时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；当驾驶员处于第三级疲劳状态时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆。
与现有技术相比，本发明具有如下优点：
1、通过人眼睁开的大小，来获取虹膜特征点的多少，通过与事先采集过特征点最大的虹膜信息模板进行比对，根据当前虹膜特征与原来比对后，得到一个百分比，根据特征点的百分比多少，来判断驾驶员的疲劳程度，当疲劳时眼晴睁开就会变小，虹膜信息就会相应的变少，同时根据每秒拍60帧图片来分析虹膜变化情况。
2、拍摄虹膜图像是一个带感红外功能的摄像机，摄像机在驾驶员正对前面，并且相机很小，不会影响驾驶员的开车视线，摄像机实时拍摄图像，当把拍摄的图像进行分析后，如有疲劳情况因产品带有无线传输功能，当系统判断出驾驶员的疲劳程度时，把数据传到后台，后台根据情况做出不同的判断后，给驾驶员发出不同的信息警示；可以通过短信的形式发送信息给亲属，与后台的交警管理部门进行实时互动，或者采用其它的提醒方式。
3、当系统设备检测到驾驶员疲惫时，数据传输到后台与自动语音呼叫平台对接联运，自动语音呼叫就会通过自动呼叫系统以语音的方式提醒司机驾驶员，同时有灯光提示，车内人员可以看到，在车的外部同时也安装提示灯，用来提示周边的车与人。当达到很严重的疲惫时，车辆自动启动双闪，同进发出很尖锐的报警信息，提醒司机及周边人群车辆；这时车辆可以启动到智能自动驾驶状态。
4、本发明具有虹膜启动汽车功能，虹膜远程控油功能。
5、本发明带有酒精检测功能，当在车内检测有酒精时，同时也会发出信息到后台。
6、本发明同时具有目前车辆普遍应用的北斗(GPS)定位导航功能、电子狗、倒车影像(雷达)、行车记录仪(影像，碰，刮，擦，)、行驶记录仪(能通过过虹膜开启车辆，记录这个驾驶人员车走的线路，行驶的车速，行车时间)、车载空气净化器、雷达防碰撞(根据行车记录仪进行)、手机APP、抬头MUP显示器和OBD(汽车电脑，胎压，发功机)等功能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于虹膜识别的防疲劳驾驶安全设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，一种基于虹膜识别的防疲劳驾驶安全设备，其包括虹膜采集单元、数据传输单元、数据处理单元和警示单元；虹膜采集单元用于实时采集驾驶员的虹膜特征；数据传输单元与虹膜采集单元连接，且数据传输单元用于将虹膜采集单元采集到的驾驶员的虹膜特征传送至虹膜比对模块；数据处理单元与数据传输单元连接，且数据处理单元用于将虹膜采集单元采集的驾驶员的虹膜特征与事先采集过特征点最大的虹膜信息模板进行比对，计算出百分比，并根据百分比判断驾驶员的疲劳程度；警示单元与数据处理单元连接，且警示单元用于当将数据处理单元判断出驾驶员的疲劳程度时，根据疲劳的程度给驾驶员发出警示。
其中，警示单元包括信息提醒单元、自动呼叫单元和报警单元；信息提醒单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第一预设阈值，且大于第二预设阈值时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；自动呼叫单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第二预设阈值，且大于第三预设阈值时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；报警单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第三预设阈值时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆。
其中，第一预设阈值为80％，第二预设阈值为50％，第三预设阈值的范围为35％～40％。第一预设阈值、第二预设阈值、第三预设阈值均通过本领域技术人员根据经验进行设定，作为驾驶员疲劳的一个判断依据，本领域技术人员还可以结合从后台观察到的驾驶员的其它状态进行判断。本发明通过人眼睁开的大小，来获取虹膜特征点的多少，通过与事先采集过特征点最大的虹膜信息模板进行比对，根据当前虹膜特征与原来比对后，得到一个百分比，根据特征点的百分比多少，来判断驾驶员的疲劳程度，当疲劳时眼晴睁开就会变小，虹膜信息就会相应的变少，同时根据每秒拍60帧图片来分析虹膜变化情况。
其中，虹膜采集单元为一个带红外感应功能的摄像机，其安装在驾驶员的正前方；且该摄像机设有无线传输单元，其通过无线传输单元与数据传输单元、后台的交警管理部分均连接。
其中，摄像机的拍摄速度为60帧/秒。本发明摄像机的拍摄速度由本领域技术人员通过实际需求进行设定，可以设置成其它的速度，能实时捕捉到驾驶员的状态，并及时进行提醒即可。
其中，该基于虹膜识别的防疲劳驾驶安全设备进一步设有虹膜启动汽车单元和虹膜远程控油单元。另外，该基于虹膜识别的防疲劳驾驶安全设备进一步设有酒精检测单元、GPS定位导航单元、倒车单元、行车记录单元、行驶记录单元、空气净化单元和雷达防碰撞单元。本发明集成有汽车上目前普遍应用的一些功能，如北斗(GPS)定位导航功能、电子狗、倒车影像(雷达)、行车记录仪(影像，碰，刮，擦，)、行驶记录仪(能通过虹膜开启车辆，记录这个驾驶人员车走的线路，行驶的车速，行车时间)，车载空气净化器、雷达防碰撞(根据行车记录仪进行)，手机APP，抬头MUP显示器、OBD(汽车电脑，胎压，发功机)，实现一机多用，节约成本。
本发明虹膜启动汽车的步骤为：首先将车主的身份信息保存到设备上去，然后，车主通过虹膜身份验证成功后，关联汽车的启动开关，达到发动汽车的功能。本发明虹膜远程控油是在系统检测到疲劳的程度，分别限制最大油门的使用量，类似现有的汽车的定速巡航。
本发明公开一种基于虹膜识别的防疲劳驾驶安全设备的使用方法，其包括如下步骤：(1)选取虹膜信息模板：将虹膜采集单元实现采集过的特征点最大的虹膜信息作为虹膜信息模板，并存储至数据处理单元中；(2)虹膜信息采集：通过位于驾驶员正前方的虹膜采集单元实时采集驾驶员的虹膜特征，并通过数据传输单元将采集到的虹膜特征传输至数据处理单元；(3)虹膜信息对比及疲劳度判断：数据处理单元将当前采集到的虹膜特点与虹膜信息模板进行对比，得到百分比，根据特征点的百分比来判断驾驶员的疲劳程度；(4)根据步骤(3)中判断出的疲劳程度，通过警示单元做出相应的警示。
本发明特征点最大的虹膜信息模板是标准大小，算法只有符合这个标准大小的时候，才会返回，算法如下所述，与如下图像获取和生成模板中使用同一个算法。
本发明在虹膜信息采集的过程中，由于受到人眼与采集装置距离的变化、光照不均匀等因素影响的同时，将会影响虹膜识别效果，降低虹膜识别的准确率。为了准确提取并采集虹膜信息，消除上述因素带来的影响，在虹膜特征提取进行之前，要对虹膜图像进行预处理；虹膜图像的预处理一般包括虹膜定位，图像归一化和增强等步骤。
虹膜定位：一般采用由粗到精的定位方法，首先对虹膜内边缘圆心和半径的进行粗定位，然后精确定位虹膜的内外边缘，最后将将虹膜区域分割出来。
(1)粗定位。原始虹膜图像的瞳孔颜色明显要比眼睛的其它部分要黑一些，这说明瞳孔的灰度值相对来说较小，且是面积最大的连通区域，但是虹膜相对眼睛的其它部分要明亮一些，这表明虹膜的灰度值相对来说要大一些，在人的眼睛中虹膜是最白的，其灰度值相应也是最大的；因此，可以利用人眼的灰度级变化的突变和虹膜的良好的环状特性，进行人眼睛的瞳孔的圆心和半径粗定位。
(2)精定位。当瞳孔的圆心和半径大致确定之后，就可以根据虹膜的圆形结构特征，可以对虹膜的内外边缘进行精定位。
首先对虹膜的内边缘进行精定位，定位公式如下：
其中，D(x，y)为利用Canny算子获得的灰度边缘图像，G0(r)表示高斯函数，r0表示粗定位后的瞳孔半径，Δr表示确定的搜索范围；由于虹膜的外边缘相对于内边缘来说是比较模糊，如果采用与内边缘相同的精定位方法，那么就容易产生定位不准的现象，为防止定位不准的现象的发生，本发明采用面积分代替线积分对虹膜的外边缘进行定位，具体定位公式如下：
其中，Δr表示搜索范围，R0的值根据虹膜内外径的大致比例关系来确定，从为搜索范围，D(x，y)为利用Canny算子获得的灰度边缘图像。
经过上述步骤虹膜的定位完成。
虹膜的图像归一化：由于不同人的虹膜大小不一，即使同一虹膜受光照不均和瞳孔放缩等影响，会引起虹膜大小的变化，为了消除这种不利的影响，必须对定位的虹膜图像进行归一化处理，将每幅原始图像调整为与原始图像相同的尺寸和对应的位置，从而消除缩放、旋转和平移对于虹膜识别的影响。
本发明以瞳孔圆心为中心点，将虹膜的环形区域归一化为矩形区域的方法。首先设虹膜图像的内外边缘的交点位置分别为(xi(θ)，yi(θ))和(x0(θ)，y0(θ))，然后通过如下公式(3)可将虹膜图像中的每一点全部映射到极坐标(r，θ)中，这样虹膜经过归一化处理后的r∈[ 0，1] ，θ∈[0， 2π]，最后就在极坐标(r，θ)平面上获得64×256大小的归一化虹膜图像。归一化虹膜图像通过上述映射后，对于消除缩放、旋转和平移等具有不变性。
由于归一化后的矩形虹膜图像由于眼睑遮挡的影响，从而使虹膜图像含有噪声信息，为了消除噪声干扰作用，在对虹膜进行归一化的同时，需对噪声进行相应标记，生成一个与归一化虹膜相对应的噪声屏蔽模板；在噪声屏蔽模板中，噪声信息被标记为0，虹膜信息被标记为1。
虹膜图像的增强：由于角膜反射和光源位置等因素的影响，虹膜图像上的光照分布不能完全均匀，从而影响后续的纹理分析效果。为了更好的提高识别效率，在特征提取之前必须先对归一化的虹膜图像进行增强。
本发明对归一化后的虹膜图像采用局部的直方图均衡化。设原始图像的灰度级为rk，直方图均衡化使用一个灰度函数作为变换函数，灰度函数为T(r)，虹膜图像中总的像素数目为N，输入直方图做修正，得到化后图像的灰度分布函数S(r)，图像中灰度级为ri的像素总数，则有：
经过直方图均衡化后的图像是一幅灰度级均匀分布的图像，图像灰度级的动态范围得到增大，从而实现了图像增强，减少了非均匀光照的影响；经过以上预处理以后的虹膜展开图像再进行模特征提取。
虹膜特征提取：用选16个Gabor滤波通道，即选择中心频率2槡2、4槡 2、8槡2和16槡2及0°、45°、90°和135°四个方向，通过Gabor滤波器的对称性可知，这样就构成了不同方向和频率下的Gabor滤波器。通过利用公式(3)对虹膜图像进行处理，从而得到各个通道上的滤波结果，来表达不同纹理之间的差异。
其中，Hkj表示卷积，I(x，y)表示处理后虹膜图像；k表示第k个尺度， j表示第j个方向，Fkj(x，y)表示卷积后结果。
特征编码：通过采用不同频率尺度和方向的滤波器对虹膜进行滤波处理后，获得子块滤波模的最大值所小波号。本发明通过采用分块方式对特征进行编码，提取局部相位信息。
设整个虹膜图像(x，y)被分M×N大小的若干个子块，子块大小与滤波器模板大小一样；通过对局部相位信息值进行计算，得到一个复数；如果这个复数的实部大于等于0，则表示该特征码为1，否则为0；如果这个复数的虚部大于等于0，则表示该特征码为1，否则为0，因此，最后得到虹膜特征码。
本发明步骤(3)中疲劳度判断的方法为：当数据处理单元得到的百分比大于50％，且小于或等于80％时，判断驾驶员为第一级疲劳；当数据处理单元得到的百分比大于35％，且小于或等于50％时，判断驾驶员为第二级疲劳；当数据处理单元得到的百分比小于或等于35％时，判断驾驶员为第三级疲劳。
本发明步骤(4)中，当驾驶员处于第一级疲劳状态时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；当驾驶员处于第二级疲劳状态时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；当驾驶员处于第三级疲劳状态时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆。
另外，当本发明数据处理单元得到的百分比小于或等于20％时，当数据传送至后台的交警管理部门时，通过后台控制强制将车辆自动停止。
本发明疲劳检测的数据精确度高，把以住车上用的电子产品高度集成为一个产品，实现一机多用的同时，节约了很大成本，做到一机到手，车上电子功能全有。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于虹膜识别的防疲劳驾驶安全设备的使用方法，其特征在于，所述基于虹膜识别的防疲劳驾驶安全设备包括虹膜采集单元、数据传输单元、数据处理单元和警示单元；
虹膜采集单元用于实时采集驾驶员的虹膜特征点；
数据传输单元与虹膜采集单元连接，且数据传输单元用于将虹膜采集单元采集到的驾驶员的虹膜特征点传送至虹膜比对模块；
数据处理单元与数据传输单元连接，且数据处理单元用于将虹膜采集单元采集的驾驶员的虹膜特征点与事先采集过特征点最大的虹膜信息模板进行比对，计算出百分比，并根据百分比判断驾驶员的疲劳程度；
警示单元与数据处理单元连接，且警示单元用于当将数据处理单元判断出驾驶员的疲劳程度时，根据疲劳的程度给驾驶员发出警示；
信息提醒单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第一预设阈值，且大于第二预设阈值时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；
自动呼叫单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第二预设阈值，且大于第三预设阈值时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；
报警单元与数据处理单元连接，当数据处理单元计算出的百分比小于或等于第三预设阈值时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆；
所述第一预设阈值为80％，第二预设阈值为50％，第三预设阈值的范围为35％～40％；
所述虹膜采集单元为一个带红外感应功能的摄像机，其安装在驾驶员的正前方；且该摄像机设有无线传输单元，其通过无线传输单元与数据传输单元、后台的交警管理部分均连接；
所述使用方法包括如下步骤：
(1)选取虹膜信息模板：将虹膜采集单元实现采集过的特征点最大的虹膜信息作为虹膜信息模板，并存储至数据处理单元中；
(2)虹膜信息采集：通过人眼睁开的大小，通过位于驾驶员正前方的虹膜采集单元实时采集驾驶员的虹膜特征点的多少，并通过数据传输单元将采集到的虹膜特征点传输至数据处理单元；
(3)虹膜信息对比及疲劳度判断：数据处理单元将当前采集到的虹膜特征点与虹膜信息模板进行对比，根据当前虹膜特征点与原来对比后，得到一个百分比，根据特征点的百分比多少，来判断驾驶员的疲劳程度，当疲劳时眼睛睁开就会变小，虹膜信息就会相应的变少，同时根据每秒拍60帧图片来分析虹膜变化情况；
(4)根据步骤(3)中判断出的疲劳程度，通过警示单元做出相应的警示；
步骤(3)中疲劳度判断的方法为：当数据处理单元得到的百分比大于50％，且小于或等于80％时，判断驾驶员为第一级疲劳；当数据处理单元得到的百分比大于35％，且小于或等于50％时，判断驾驶员为第二级疲劳；当数据处理单元得到的百分比小于或等于35％时，判断驾驶员为第三级疲劳；
其中，在所述步骤(2)中，在虹膜特征点提取进行之前，要对虹膜图像进行如下的预处理：
虹膜定位：一般采用由粗到精的定位方法，首先对虹膜内边缘圆心和半径的进行粗定位，然后精确定位虹膜的内外边缘，最后将将虹膜区域分割出来，具体为：
粗定位：利用人眼的灰度级变化的突变和虹膜的良好的环状特性，进行人眼睛的瞳孔的圆心和半径粗定位；
精定位：当瞳孔的圆心和半径大致确定之后，根据虹膜的圆形结构特征，对虹膜的内外边缘进行精定位，
首先对虹膜的内边缘进行精定位，定位公式如下：
其中，D(x，y)为利用Canny算子获得的灰度边缘图像，G0(r)表示高斯函数，r0表示粗定位后的瞳孔半径，Δr表示确定的搜索范围；由于虹膜的外边缘相对于内边缘来说是比较模糊，对虹膜的外边缘进行定位，具体定位公式如下：
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mi>&Delta;</mi>
<mi>R</mi>
<mo><</mo>
<mi>R</mi>
<mo><</mo>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>R</mi>
<mo>)</mo>
</mrow>
</munder>
<mo>|</mo>
<msub>
<mi>G</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mfrac>
<mo>&part;</mo>
<mrow>
<mo>&part;</mo>
<mi>R</mi>
</mrow>
</mfrac>
<munder>
<mrow>
<mo>&Integral;</mo>
<mo>&Integral;</mo>
</mrow>
<mi>D</mi>
</munder>
<mfrac>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>R</mi>
</mrow>
</mfrac>
<mi>d</mi>
<mi>&delta;</mi>
<mo>|</mo>
</mrow>
其中，Δr表示搜索范围，R0的值根据虹膜内外径的大致比例关系来确定，从为搜索范围，D(x，y)为利用Canny算子获得的灰度边缘图像；
虹膜的图像归一化：以瞳孔圆心为中心点，将虹膜的环形区域归一化为矩形区域的方法，首先设虹膜图像的内外边缘的交点位置分别为(xi(θ)，yi(θ))和(x0(θ)，y0(θ))，然后通过下面公式将虹膜图像中的每一点全部映射到极坐标(r，θ)中，最后就在极坐标(r，θ)平面上获得64×256大小的归一化虹膜图像，
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>rx</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>ry</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
在对虹膜进行归一化的同时，需对噪声进行相应标记，生成一个与归一化虹膜相对应的噪声屏蔽模板；在噪声屏蔽模板中，噪声信息被标记为0，虹膜信息被标记为1；
虹膜图像的增强：设原始图像的灰度级为rk，直方图均衡化使用一个灰度函数作为变换函数，灰度函数为T(r)，虹膜图像中总的
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>k</mi>
</munderover>
<mi>N</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
像素数目为N，输入直方图做修正，得到化后图像的灰度分布函数S(r)，图像中灰度级为ri的像素总数，则有：
虹膜特征点提取：用选16个Gabor滤波通道，即选择中心频率2槡2、4槡2、8槡2和16槡2及0°、45°、90°和135°四个方向，通过Gabor滤波器的对称性可知，这样就构成了不同方向和频率下的Gabor滤波器，通过利用公式(3)对虹膜图像进行处理，从而得到各个通道上的滤波结果：
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CircleTimes;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，Hkj表示卷积，I(x，y)表示处理后虹膜图像；k表示第k个尺度，j表示第j个方向，Fkj(x，y)表示卷积后结果；
特征编码：设整个虹膜图像(x，y)被分M×N大小的若干个子块，子块大小与滤波器模板大小一样；通过对局部相位信息值进行计算，得到一个复数；如果这个复数的实部大于等于0，则表示该特征码为1，否则为0；如果这个复数的虚部大于等于0，则表示该特征码为1，否则为0；最后得到虹膜特征码。
2.根据权利要求1所述的基于虹膜识别的防疲劳驾驶安全设备的使用方法，其特征在于，所述基于虹膜识别的防疲劳驾驶安全设备进一步设有虹膜启动汽车单元和虹膜远程控油单元。
3.根据权利要求1所述的基于虹膜识别的防疲劳驾驶安全设备的使用方法，其特征在于，所述基于虹膜识别的防疲劳驾驶安全设备进一步设有酒精检测单元、GPS定位导航单元、倒车单元、行车记录单元、行驶记录单元、空气净化单元和雷达防碰撞单元。
4.根据权利要求1所述的基于虹膜识别的防疲劳驾驶安全设备的使用方法，其特征在于，步骤(4)中，当驾驶员处于第一级疲劳状态时，信息提醒单元通过短信的形式给驾驶员发出信息警示，且与后台的交警管理部门进行实时互动；当驾驶员处于第二级疲劳状态时，自动呼叫系统以语音和灯光提示的方式提醒司机驾驶员；当驾驶员处于第三级疲劳状态时，报警单元控制车辆启动双闪，并发出报警信息，提醒司机及周边人群车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510094772.0A CN104751600B (zh) | 2015-03-03 | 2015-03-03 | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510094772.0A CN104751600B (zh) | 2015-03-03 | 2015-03-03 | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104751600A CN104751600A (zh) | 2015-07-01 |
| CN104751600B true CN104751600B (zh) | 2018-01-30 |
Family
ID=53591212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510094772.0A Active CN104751600B (zh) | 2015-03-03 | 2015-03-03 | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104751600B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105150959A (zh) * | 2015-09-16 | 2015-12-16 | 巨曌信息科技(苏州)有限公司 | 一种智能车载监测系统 |
| CN105575011A (zh) * | 2015-12-14 | 2016-05-11 | 宁波保众应急科技有限公司 | 一种智能虹膜支付机 |
| CN105701971B (zh) * | 2016-03-23 | 2018-04-03 | 江苏大学 | 一种基于虹膜识别的防止疲劳驾驶系统、装置及方法 |
| CN205440259U (zh) * | 2016-03-25 | 2016-08-10 | 深圳市兼明科技有限公司 | 基于虹膜识别的安全驾驶装置 |
| CN106447828A (zh) * | 2016-10-10 | 2017-02-22 | 深圳市驰勇科技有限公司 | 一种带有虹膜识别功能的行车记录仪 |
| CN106504477A (zh) * | 2016-12-27 | 2017-03-15 | 北京奇虎科技有限公司 | 一种基于gps的疲劳驾驶判断方法、装置和智能设备 |
| CN107563325B (zh) * | 2017-08-31 | 2020-09-25 | 广东小天才科技有限公司 | 一种测试疲劳度的方法、装置及终端设备 |
| CN107831602B (zh) * | 2017-11-13 | 2019-04-26 | 新昌县镜岭镇梅芹水果种植园 | 多功能阅读辅助眼镜 |
| CN108819836A (zh) * | 2018-05-28 | 2018-11-16 | 无锡职业技术学院 | 一种用于汽车仪表盘的防疲劳灯光控制系统及方法 |
| CN108898467B (zh) * | 2018-07-26 | 2022-12-23 | 北京中科虹霸科技有限公司 | 一种车辆租赁系统 |
| JP6777124B2 (ja) * | 2018-08-24 | 2020-10-28 | 株式会社Ｊｖｃケンウッド | 警告装置、運転傾向解析装置および運転傾向解析方法 |
| CN109703495A (zh) * | 2019-01-03 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 基于生物识别的辅助驾驶方法及装置、介质和电子设备 |
| CN109649357B (zh) * | 2019-01-30 | 2020-04-21 | 大连交通大学 | 一种基于虹膜识别控制的刹车系统 |
| CN110166559A (zh) * | 2019-05-24 | 2019-08-23 | 王瞻 | 一种车载监控方法及系统 |
| CN112381871A (zh) * | 2020-10-16 | 2021-02-19 | 华东交通大学 | 一种基于人脸识别的机车警惕装置的实现方法 |
| CN114446010A (zh) * | 2022-04-11 | 2022-05-06 | 天津市普迅电力信息技术有限公司 | 一种车载机器人系统及其驾驶管理方法 |
| CN115966056A (zh) * | 2022-11-29 | 2023-04-14 | 合众新能源汽车股份有限公司 | 一种车辆内人身安全预警的方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006139701A (ja) * | 2004-11-15 | 2006-06-01 | Niles Co Ltd | 眼の開度検出装置 |
| CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及系统 |
| DE102011084552A1 (de) * | 2011-10-14 | 2012-08-02 | Robert Bosch Gmbh | Erkennung des Vigilanzzustandes einer Person durch ein mobiles Gerät |
| CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103366510B (zh) * | 2013-07-02 | 2016-02-24 | 惠州Tcl移动通信有限公司 | 一种手机及基于其摄像头的安全行车方法 |
-
2015
- 2015-03-03 CN CN201510094772.0A patent/CN104751600B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006139701A (ja) * | 2004-11-15 | 2006-06-01 | Niles Co Ltd | 眼の開度検出装置 |
| CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及系统 |
| DE102011084552A1 (de) * | 2011-10-14 | 2012-08-02 | Robert Bosch Gmbh | Erkennung des Vigilanzzustandes einer Person durch ein mobiles Gerät |
| CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 驾驶员疲劳驾驶检测系统的研究与实现;柳露艳;《中国优秀硕士学位论文全文数据库•工程科技Ⅱ辑》;《中国学术期刊（光盘）》电子杂志社有限公司;20140615;正文第21页第1段-第25页第最后段，第39页第1段-41页最后段 * |
| 驾驶状态实时监测系统设计;白金蓬;《电子测量与仪器学报》;20140915;第28卷(第9期);第971页倒数第2段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104751600A (zh) | 2015-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104751600B (zh) | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 | |
| CN105844257B (zh) | 基于机器视觉雾天行车错失道路标志牌的预警系统及方法 | |
| CN105769120B (zh) | 疲劳驾驶检测方法和装置 | |
| CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
| CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
| CN109460699B (zh) | 一种基于深度学习的驾驶员安全带佩戴识别方法 | |
| CN101430195B (zh) | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 | |
| CN104021370B (zh) | 一种基于视觉信息融合的驾驶员状态监测方法及系统 | |
| CN110532976A (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 | |
| CN108447303A (zh) | 基于人眼视觉与机器视觉耦合的外周视野危险识别方法 | |
| CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
| CN103902976A (zh) | 一种基于红外图像的行人检测方法 | |
| CN109389806A (zh) | 基于多信息融合的疲劳驾驶检测预警方法、系统及介质 | |
| CN103824420A (zh) | 基于心率变异性非接触式测量的疲劳驾驶识别系统 | |
| CN103559507A (zh) | 基于颜色与形状特征相结合的交通标志检测方法 | |
| CN101587544A (zh) | 基于计算机视觉的机动车车载反跟踪装置 | |
| CN106965675A (zh) | 一种货车集群智能安全作业系统 | |
| CN107891808A (zh) | 行车提醒方法、装置及车辆 | |
| CN112381870B (zh) | 一种基于双目视觉的船舶识别与航速测量系统及方法 | |
| CN104881956A (zh) | 一种疲劳驾驶预警系统 | |
| CN109740477A (zh) | 驾驶员疲劳检测系统及其疲劳检测方法 | |
| CN103714659A (zh) | 基于双光谱融合的疲劳驾驶识别系统 | |
| CN108509900A (zh) | 交通标志检测和识别方法、系统及存储介质 | |
| CN106295474A (zh) | 船舶驾驶员的疲劳检测方法、系统和服务器 | |
| CN102436578B (zh) | 狗脸特征检测器的形成方法、狗脸检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |