论文部分内容阅读
随着我国城市轨道交通的快速发展,行车安全成为了一个不可忽视的问题。城市轨道交通列车司机长时间驾驶产生的疲劳,势必影响行车安全。目前主要是通过规章制度及警惕按钮来保证,这样既增加司机的劳动强度,也对司机疲劳驾驶检测效果有限。目前,几乎还没有城市轨道交通列车司机疲劳驾驶检测和预警方法成熟有效的研究,故本文针对城轨列车司机特殊的作业环境,开发了一套车载、实时的基于面部特征的列车司机疲劳驾驶检测系统。系统硬件基于德州仪器公司的TMS320DM3730处理器的硬件开发平台,采用具备ARM核和DSP核的TI公司TMS320DM3730嵌入式处理器,具备完善的外围IO接口;存储模块为核心板512Mbytes nandflash,512MBytes DDR400 memory;扩展板的1Gbytes 8位NAND Flash samsung K9G8G08UOM,支持32GBytes的SD card;视频采集芯片采用TVP5150作为视频的输入输出接口,配置红外夜视防水CCD摄像机。系统软件采用了Adaboost算法实现对人脸的精确定位,以及采用AAM匹配算法完成对眼部特征状态的检测,最后根据美国交通部提出的PERCLOS算法完成对列车司机疲劳状态的检测,该算法以单位时间内眼睛闭合时间所占的百比率作为依据,来判断司机是否处于疲劳状态。核心算法分为两个步骤:首先,移植并优化了TI的linux DVSDK软件开发包,采用AdaBoost算法完成对列车司机人脸检测;其次,针对列车运行复杂环境,采用了AAM匹配算法,提取单位时间内眨眼次数和一段时间内眼睛闭合所占比例,对单位时间内眼睛闭合时间、睁闭的次数进行了统计,进而判断被测司机是否处于疲劳状态。最后,通过对城轨列车司机作业环境视频图像的测试及优化,验证了本论文工作的正确性,证明了开发的软硬件系统初步达到了列车司机疲劳驾驶检测的效果。