TRƯỜNG ĐẠI HỌC SƯ PHẠM KĨ THUẬT TP.

HCM

Hệ thống phát hiện buồn ngủ của người lái xe sử dụng

Sinh viên Trần Đào Hoài Bảo học ngành cơ điện tử khoa cơ khí chế tạo máy trường đại học Sư
phạm kĩ thuật tp.HCM
--------------------------------------------------------------------- **** ---------------------------------------------------------
Abstract - Khái niệm suy nghĩ dựa trên tầm nhìn của máy tính đã được sử dụng để tạo ra
Hệ thống phát hiện trình điều khiển buồn ngủ này. Camera là điểm ban đầu của hệ thống
bằng cách cung cấp nguồn cấp dữ liệu trực tiếp của người lái xe vào khung tập trung nó
thẳng về phíakhuôn mặt của người lái xe và kiểm tra mắt của người lái xe với một mục tiêu
cụ thể để bắt cơn buồn ngủ của người lái xe. Khi phân tích video trực tiếp, một cảnh báo
được đưa ra cho người lái xe trong trường hợp buồn ngủ là kết quả của phân tích. Khung di
chuyển kiểmsoát chương trình về phía trước bằng cách sử dụng thông tin thu thập được từ
hình ảnh để tìm các điểm du lịch trên khuôn mặt, giúp hệ thống xác định vị trí của mắt của
một cá nhân tồn tại. Nếu mắt của người lái xe được nhắm lại trong một khoảng thời gian cụ
thể, khung đề xuất rút ra kết luận rằng người lái xe đang cảm thấy buồn ngủ và báo động
cho sự an toàn là âm thanh. Hệ thống hoạt động sau khi khuôn mặt ban đầu được nhận ra
và mắt được phát hiện, nó cũng hoạt động tốt trong điều kiện ánh sáng mờ.

Từ khóa: Phát hiện tài xế buồn ngủ, Điểm nhận diện khuôn mặt, Báo động, điều kiện ánh sáng

1.GIỚI THIỆU

Với tốc độ ngày càng tăng của cuộc sống và công việc, con người đã bắt đầu thỏa hiệp với
những gì họ cần nhất, để hoạt động hiệu quả trong một uation ngồi nhất định, tức là nghỉ ngơi
và ngủ đầy đủ để hoạt động trong khi thực hiện một nhiệm vụ. Sự buồn ngủ của người lái xe
là một điều rất thận trọng và đã dẫn đến rất nhiều rủi ro. Một số nhà nghiên cứu thậm chí còn
cung cấp một dữ liệu cho thấy gần 1200 người chết và 7.000 thương tích lớn được gây racho
người lái xe mệt mỏi đang phải đối mặt mà cuối cùng dẫn đến một vụ tai nạn. Với sự trợ giúp
của công nghệ hiện đại và hệ thống quét thời gian thực bằng camera, chúng ta có thể ngăn
ngừa rủi ro lớn trên đường bằng cách cảnh báo người lái xe đang cảm thấy buồn ngủ thông
quahệ thống phát hiện buồn ngủ. Mục đích của cam kết này là xây dựng một hệ thống phát
hiện buồn ngủ nguyên mẫu. Sự chú ý sẽ được đưa vào việc lập kế hoạch một khuôn khổ sẽ
theo dõi chính xác tình trạng mở hoặc đóng của mắt người lái xe liên tục. Bằng cách tập trung
vào mắt, nó đã dẫn đến sự khởi đầu của sự mệt mỏi của người lái xe có thể được phát hiện
để tránh một tai nạn xe hơi. Phát hiện buồn ngủ phụ thuộc vào chuyển động của mắt và thời
gian trôi qua giữa các lần chớp mắt để giúp tạo ra điểm số mà người lái xe được đánh giáed
có buồn ngủ hay không. Để ngăn chặn những tai nạn này, chúng tôi đã phát triển một hệ
thống sử dụng python, mở Cv và keras hoạt động trên nguồn cấp dữ liệu trực tiếp của người
lái xe thông qua webcam sau đó được xử lý để tạo ra điểm số dựa trên thời gian giữa mắt
closing và mở và khi mắt nhắm trong một thời gian dài, điểm số bắt đầu tăng lên và khi đạt
đến một dấu hiệu nhất định, báo thức bắt đầu bíp cảnh báo người lái xe và đánh thức anh ta.
lên.

1.1 Mục tiêu chính

Phát hiện buồn ngủ của người lái xe là một công nghệ an toàn xe hơi giúp cứu sống người
lái xe bằng cách tránh rủi ro khi người lái xe cảm thấy mệt mỏi. A) Mục tiêu chính là ban đầu
lên kế hoạch cho một khuôn khổ để phân biệt sự chậm chạp của người lái xe bằng cách kiên
trì kiểm tra võng mạc của mắt. b) Khung hoạt động không quan tâm đến việc người lái xe đeo
màn hình và trong các điều kiện ánh sáng khác nhau. C) Cảnh báo người lái xe về việc xác
định sự lười biếng bằng cách sử dụng chuông hoặc cảnh báo. D) Tốc độ của xe có thể được
nhượng lại. E) Quản lý giao thông có thể được duy trì bằng cách giảm tai nạn.

1.2 Tầm nhìn của máy tính

Tầm nhìn của PC là sự thay đổi thông tin từ ảnh tĩnh hoặc máy quay thành mô tả hoặc lựa
chọn khác. Mỗi và mọi thay đổi như vậy được thực hiện để đạt được một mục tiêu cụ thể. Một
máy tính có được một mặt cắt ngang của các con số từ một máy ảnh hoặc từ vòng tròn, và
nó chỉ đơn giản như vậy. Đối với hầu hết các phần, không có công việc trong ví dụ thừa nhận
hoặc lập trình kiểm soát trung tâm và khoảng cách, không có mối quan hệ chéo với thời gian
dài của kinh nghiệm. Nói chung, khung tầm nhìn vẫn còn hợp lý gullible.

1.3 OpenCV
OpenCV là một thư viện nguồn máy tính mã nguồn mở có sẵn trong mã hóa python để mã
hóa các kỹ năng hình ảnh của máy tính thông minh của chúng tôi. OpenCV được mong đợi
cho khả năng tính toán và tập trung cao độ vào vị trí hình ảnh đang diễn ra và bằng chứng
phân biệt. OpenCV được mã hóa với C được sắp xếp hợp lý và có thể hoạt động với bộ xử
lý đa lõi. Nếu chúng ta cần cải tiến được lập trình dần dần bằng cách sử dụng các mô hình
Intel [Intel]. Chúng bao gồm các lịch trình cấp thấp ở các khu vực thuật toán khác nhau được
sắp xếp hợp lý. Do đó, Ope nCV sử dụng thư viện IPP, vào thời gian chạy nếu thư viện đó
được giới thiệu.

1.4 Tại sao mở CV?

A) OpenCV cụ thể đã được lên kế hoạch để xử lý hình ảnh. Mỗi cấu trúc và cấu trúc của thông
tin được hình dung trong Kế hoạch xử lý hình ảnh. Sau đó, Matlab, là rất thông thường. Bạn
có thể có được hầu hết mọi thứ trên hành tinh bằng các phương pháp cho công cụ
compartments. Nó có thể là công cụ liên quan đến tiền bạc hoặc sau đó một lần nữa tập trung
các ngăn công cụ DNA. B) Matlab tốc độ chỉ là quá vừa phải. Bản thân Matlab phụ thuộc vào
Java. Tương tự, Java phụ thuộc vào C. Vì vậy, khi chúng tôi chạy chương trình Matlab, PC
của chúng tôi bị bắt gặp đang cố gắng dịch và tích hợp tất cả mã Matlab tích hợp này . Sau
đó, nó được chuyển đổi sang Java, cuối cùng sử dụng mã. C) Efficient Matlab sử dụng quá
nhiều tài sản hệ thống. Với OpenCV, chúng tôi có thể trích xuất ram 10mb để đóng băng appl
liên tục. Ngoài thực tế là với các PC hiện tại, tính năng RAM không phải là một mối quan tâm
đáng kể. Trong mọi trường hợp, màn hình mệt mỏi của chúng tôi sẽ được sử dụng bên trong
xe theo cách không trượt và không trượt; Do đó, nhu cầu quản lý thấp là rất quan trọng .

1.5 Machine Learning

Mục đích của AI là chuyển đổi thông tin nhận được thành dữ liệu có thể sử dụng được. Sau
khi được hưởng lợi từ vấn đề thông tin xã hội, chúng ta cần một cỗ máy có thể trả lời bất kỳ
câu hỏi nào liên quan đến thông tin đó.

1.6 Thuật toán học máy của OpenCV

Số liệu thống kê ML được nhúng trong OpenCV được cung cấp như sau. Tất cả các số liệu
thống kê có sẵn trong thư viện ML được ngăn cách bởi Mahalanobis và K-implication, được
tìm thấy trong CVCORE, cũng như các tính toán nhận dạng khuôn mặt, được tìm thấy.
2. Phương pháp luận
Mục đích chínhcủa bài báo này là tạo ra một hệ thống đơn giản và dễ sử dụng
sẽ dẫn đến một chuyến đi đường an toàn.

Hình 1 cho thấy phương pháp được sử dụng để phát triển hệ thống một cách hiệu quả. Thuật
toán được sử dụng để xử lýhình ảnh t he để cung cấp mã để chỉ định khuôn mặt trong hình
ảnh, hình ảnh được chia thành các tiểu vùng để xác định xem khu vực có trên khuôn mặt hay
không. Việc sử dụng thuật toán này có nghĩa là một phương pháp tiết kiệm thời gian và chỉ
các tên miền chứa khuôn mặt được xử lý.

Hình 2 cho thấy hệ thống sẽ hoạt động và trông như thế nào trong thế giới thực
Hình 3,4,5 Cho thấy trường hợp kiểm tra thời gian thực tạo ra điểm số dựa trên thời gian
mắt nhắm lại và phát ra âm thanh báo động khi đạt đến ngưỡng nhất định.

3. Kết quả
Sau đây là bảng đại diện cho bốn trường hợp thử nghiệm gặp phải trong khi thực hiện dự
án này liên quan đến sự buồn ngủ của người lái xe.

Bảng 1. Có một điểm mà mắt nhắm trên một số cạnh nhất định khi chúng ta thấy rằng người
lái xe cảm thấy mệt mỏi. Từ bây giờ những trường hợp này là nổi bật và cảnh báo. Tìm thấy
kết quả đã không chụp những bức ảnh lớn và những nỗ lực đã được thực hiện để xác định
chớp mắt và buồn ngủ. Đối với dự án này, chúng tôi đã sử dụng pc tương thích webcam 5
megapixel . Webcam có một đèn LED màu trắng tích hợp gắn liền với nó để cho thấy rằng
nó đang hoạt động. Trong trường hợp thời gian thực, đèn LED hồng ngoại nên được sử dụng
instead của đèn LED trắng cho mục đích đóng khung. Loa tích hợp được sử dụng để cung
cấp đầu ra âm thanh để đánh thức người lái xe khi phát hiện buồn ngủ. Khung được thiết kế
cho những người khác nhau trong điều kiện ánh sáng khác nhau (ngày và đêm). Khi điểm
mà tại đó ánh sáng nền của webcam được bật và khuôn mặt được giữ thẳng hàng, thì khung
hình có thể phát hiện chớp mắt và buồn ngủ với độ chính xác hơn 95%.
Độ chính xác phát hiện mắt = tổng số lần mắt được phát hiện / (tổng độ chính xác phát hiện
buồn ngủ = tổng số không. âm thanh báo động thời gian / (tổng số không. thời gian âm
thanh báo động + tổng số lần báo thức không phát ra âm thanh).

4. KẾT LUẬN
Với sự giúp đỡ của các thiết bị hỗ trợ nghiên cứu và các tài liệu nghiên cứu, chúng tôi kết luận
rằng chương trình buồn ngủ của người lái xe là quan trọng và nên là một phần bắt buộc trong
cuộc sống của người lái xe. Do đó, chúng tôi sẽ thiết kế và cải thiện thành công việc triển khai
Driver Drowsiness Detector sử dụng Python và OpenCv và web cam để có được một khuôn
mặt.

THAM KHẢO
[1]. Ameratunga.S , Bailey.J, Connor.J, Civil.I, Dunn.R , Jackson.R , Norton.R, và Robinson.E,
―Người lái xe buồn ngủ và nguy cơ gây thương tích nghiêm trọng cho người ngồi trên xe: Nghiên
cứu kiểm soát dân số .‖British Medical Journal, vol. 324, 2002, trang 1125–1129. [2]. Bronte.S,
Bergasa.L, Delgado.B, Garcia.I, Hernandez.N và Sevillano.M, ―Máy dò buồn ngủ dựa trên tầm nhìn
cho một mô phỏng lái xe thực tế, ‖ trong Hội nghị hệ thống giao thông thông minh IEEE (ITSC),
2010. [3]. Distante.A, D'Orazio. T, Guaragnella.C và Leo.M, ―Một cách tiếp cận trực quan để phát
hiện sự không chú ý của người lái xe , ‖Pattern Recogn., vol. 40, số 8, 2007, trang 2341–2355.
[4]. Bradski. G, Kaehler.A, -Learning OpenCV, O'Reilly, 2008.
[5]. Igarashi.K, Itou.K, Itakura.F, Miyajima.C, Ozawa.T, Takeda.K và Wakita.T, ―Nhận dạng người
lái xe bằng tín hiệu hành vi lái xe, ‖IEICE - Trans. Inf. Syst., vol. E89- D, 2006.
[6]. Nakakhông. T, Suzuki.M, Yamamoto.N, Yamamoto.O và Yamamoto.S, ―Đo lường ý thức của
người lái xe bằng cách xử lý hình ảnh một phương pháp giả định sự buồn ngủ của người lái xe bằng
cách chớp mắt đối phó với sự khác biệt cá nhân.‖Systems, Man and Cybernetics, vol. 4, 2006