一种基于嵌入式的多维感知驾驶员安全辅助和报警系统
阅读说明：本技术 一种基于嵌入式的多维感知驾驶员安全辅助和报警系统 (Embedded multidimensional perception driver safety assistance and alarm system ) 是由 魏启康 朱文忠 候亚妮 江嘉文 谢鑫煌 陈国尧 于 2021-08-19 设计创作，主要内容包括：本发明公开了一种基于嵌入式的多维感知驾驶员安全辅助和报警系统,所述多维感知驾驶员安全辅助和报警系统包括疲劳状态检测子系统、车内环境检测子系统、分心驾驶检测子系统、定位报警子系统,包括以下所述工作步骤：一：图像采集模块和图像处理分析模块、二：酒精检测模块、三：一氧化碳检测模块和二氧化碳检测模块、四：甲醛检测模块和温度检测模块、五：计时模块和定位模块；六：报警模块、七：显示模块、八：中央处理模块。本发明通过将对驾驶人员的疲劳检测、分心驾驶检测和车内环境安全检测结合起来,可以为驾驶人员提供一个更加安全可靠的驾驶环境,通过对车内环境的实时检测,保护了驾驶人员的生命安全。(The invention discloses an embedded multidimensional perception driver safety assisting and alarming system, which comprises a fatigue state detection subsystem, an in-vehicle environment detection subsystem, a distraction driving detection subsystem and a positioning alarming subsystem, and comprises the following working steps: firstly, the method comprises the following steps: the image acquisition module and the image processing and analyzing module: alcohol detection module, III: carbon monoxide detection module and carbon dioxide detection module, four: formaldehyde detection module and temperature detection module, five: the timing module and the positioning module; sixthly, the method comprises the following steps: alarm module, seventeen: display module, eight: a central processing module. The invention can provide a safer and more reliable driving environment for the driver by combining fatigue detection, distracted driving detection and in-vehicle environment safety detection for the driver, and protects the life safety of the driver by detecting the in-vehicle environment in real time.)
技术领域
本发明涉及汽车辅助驾驶系统技术领域，具体为一种基于嵌入式的多维感知驾驶员安全辅助和报警系统。
背景技术
随着人民生活水平的不断提高，我国私家车的保有量也在逐年递增。机动车保有量和驾驶人员数量不断地增加，由于汽车所导致的人身安全事故概率也在不断地增加。
安全事故主要包含了两种类型：一种是由于驾驶员未系安全带、疲劳驾驶、低头玩手机、酒驾等危险驾驶行为是导致车祸发生的主要因素，在这其中疲劳驾驶导致的事故占比要远远高于非疲劳驾驶导致的事故占比，另一种是由于车内环境安全所引发的人身安全事故，现在家用轿车门窗的密封性能良好，汽车内各种有毒有害气体例如：一氧化碳、二氧化碳、甲醛等会导致驾乘者头晕、恶心、压抑烦躁、注意力无法集中、反应迟钝，既危害驾乘者的健康，又容易引发交通安全事故。
针对疲劳驾驶检测和车内环境检测。已经出现了多种检测系统，但是现有的系统都没有把这两项检测和报警融合在一起，无法更加全方位的有效保护驾驶人员的生命安全，因此，有必要开发出一套基于嵌入式的多维感知驾驶人员安全辅助与报警系统，通过侧端机器学习模型对驾驶员危险驾驶行为进行检测并报警，同时也能够实时监测车内的主要有害气体并及时给出报警提示信息，可以极大的减少因疲劳等危险驾驶行为和车内有害气体对驾驶人员的伤害而导致的人身安全事故，对保障人民群众的生命财产安全和提高驾乘环境安全具有重要意义。
现有技术中一种驾驶员安全辅助和报警系统缺点不足：
1、对比文件CN107330378A，公开了一种基于嵌入式图像处理的驾驶员行为检测系统，“包括：主控模块、信息传输模块、功能模块、报警模块；信息传输模块包括图像视频传输单元和驾驶行为状态信号传输单元；功能模块包括图像预处理单元、图像视频存储单元、疲劳驾驶检测单元、盲视驾驶检测单元及违规驾驶检测单元；功能模块进行图像、视频处理和分析，并产生驾驶行为状态信号，报警模块分析驾驶行为状态信号进行危险程度评估，决定是否启动报警器并根据分析结果选择报警级别。有益效果：可对驾驶员多种行为和状态进行检测，检测范围广，适用性强，能够有效提醒驾驶员注意不良驾驶行为和驾驶状态，有效减少车祸的发生”，但该专利中缺乏对劳驾驶检测和车内环境的实时检测，没有把这两项检测和报警融合在一起，无法更加全方位的有效保护驾驶人员的生命安全；
2、现有技术中一种驾驶员安全辅助和报警系统，现有的部分汽车用智能监测装置，在对驾驶员进行安全监测时，其延时较高，功耗高，且缺乏对隐私的保护；
3、现有技术中一种驾驶员安全辅助和报警系统，现有的部分汽车用智能监测装置，在对驾驶员进行安全监测时，当车辆发生意外发出警报时，不能够及时的连接外界救援，导致装置的实用性不足。
发明内容
本发明的目的在于提供一种基于嵌入式的多维感知驾驶员安全辅助和报警系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案，一种基于嵌入式的多维感知驾驶员安全辅助和报警系统，所述多维感知驾驶员安全辅助和报警系统包括疲劳状态检测子系统、车内环境检测子系统、分心驾驶检测子系统、定位报警子系统，包括以下所述工作步骤：
一、图像采集模块和图像处理分析模块；
二、酒精检测模块；
三、一氧化碳检测模块和二氧化碳检测模块；
四、甲醛检测模块和温度检测模块；
五、计时模块和定位模块；
六、报警模块；
七、显示模块；
八、中央处理模块。
优选的，所述步骤一中图像采集模块包括：图像采集模块用于采集人脸特征，通过侧端机器学习模型检测驾驶人眨眼频率、检测驾驶员嘴巴的横纵比、检测是否系安全带、检测驾驶人的头部位置状态；
所述步骤一中图像处理分析模块包括：图像处理分析模块将通过机器学习模型分析后的结果发送至中央处理模块，中央处理模块根据结果判断是否存在疲劳驾驶状态、未系安全带和分心驾驶状态，存在则将指令发给报警模块。
优选的，所述步骤一中图像处理分析模块通过侧端机器学习模型检测驾驶人员的。
优选的，所述步骤二中酒精检测模块包括：酒精检测模块放置在驾驶员的正前方用于检测驾驶员呼出的气体是否含有酒精，若检测到则报警模块就会发出报警的声音提示。
优选的，所述步骤三中一氧化碳检测模块包括：一氧化碳检测模块，用于检测车内的一氧化碳浓度，如果车内一氧化碳浓度过高，则报警模块就会发出报警的声音提示；
所述步骤三中二氧化碳检测模块包括：二氧化碳检测模块用于检测车内的二氧化碳浓度，如果车内二氧化碳浓度过高，则报警模块就会发出报警的声音提示。
优选的，所述步骤四中甲醛检测模块包括：甲醛检测模块用于检测车内的甲醛浓度，如果车内甲醛浓度过高，则报警模块就会发出报警的声音提示；
所述步骤四中温度检测模块包括：温度检测模块用于检测车内的温度信息，如果车内温度过高，则报警模块就会发出报警的声音提示。
优选的，所述步骤五中计时模块包括：计时模块用于统计驾驶人员一次连续驾驶时长，若超过设定的阈值，则报警模块就会发出报警的声音提示；
所述步骤五中定位模块包括：定位模块用于实时获取车辆的位置信息，并将获取到的位置信息发送给中央处理器。
优选的，所述步骤六中报警模块包括：报警模块用于异常信息提供报警功能，报警模块与中央处理器相连接，所述报警模块为语音报警器和远程报警模块；
所述步骤六中远程报警模块包括：远程报警模块将车辆报警信息和位置信息上传至服务后台，远程报警模块内设置有信号传输模块。
优选的，所述步骤七中显示模块包括：显示模块用于显示驾驶员的状态信息、车内的环境信息、连续驾驶时长信息，显示模块与中央处理相连接。
优选的，所述步骤八中中央处理器模块包括：中央处理器模块用于根据检测到的眼部、嘴巴状态、连续驾驶时长判断是否存在疲劳驾驶，用于根据检测到的安全带状态判断是否系安全带，用于根据检测到的头部状态信息判断是否存在分心驾驶，用于根据酒精传感器、一氧化碳传感器、二氧化碳传感器、甲醛传感器、温度传感器检测到的数值判断驾驶员是否存在酒驾和车内环境的安全状况。
与现有技术相比，本发明的有益效果如下：
1、本发明通过将对驾驶人员的疲劳检测、分心检测和车内环境安全检测结合起来，可以为驾驶人员提供一个更加安全可靠的驾驶环境，通过对车内环境的实时检测，可以有效避免有毒有害气体对驾驶人员身体的伤害，保护了驾驶人员的生命安全。
2、本发明通过基于嵌入式机器学习的概念，在本地运行基于机器学习的智能算法，拥有更低的时延、更低的功耗并达到更高的实时性和隐私保护性，该系统是一个独立的智能硬件设备，可以安装在所有类型的汽车上面，可以实时检测驾驶员是否存在疲劳驾驶的行为、分心驾驶行为和实时检测车内环境安全。融合了驾驶员本身的因素和车内环境的因素，具有良好的实用价值和推广价值。达到改善中国驾驶环境，降低交通事故率，保障驾驶人员生命财产安全可以带来巨大的经济效益和社会效益。
3、本发明通过对驾驶员疲劳驾驶行为、分心驾驶行为进行实时检测并报警，可以有效的避免交通事故的发生保护驾驶员和乘客的生命财产安全。降低车祸发生的概率，营造出一个良好的道路驾驶环境且通过远程报警模块将报警次数、报警内容、车辆位置信息上传，从而便于后台服务人员的及时检测，采用其他通知方式，以及及时为车辆提供救援。
附图说明
图1为本发明终端的系统结构示意图；
图2为本发明终端的数据处理流程图。
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。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2，本发明提供的一种实施例，一种基于嵌入式的多维感知驾驶员安全辅助和报警系统，包括：中央处理器，用于接收来自像图像采集设备、计时模块、定位模块、酒精传感器、一氧化碳传感器、二氧化碳传感器、甲醛传感器、温度传感器的数据，对数据进行处理分析，并作出相应的输出处理给报警器；图像采集设备，与中央处理器电性连接，用于将采集到的图像传输与至中央处理器；所述的图像采集设备的采集信息包括:驾驶员的眼睛眨眼频率、嘴巴张开幅度、是否系安全带、头部位置状态；然后将采集到的信息传输给中央处理器，通过侧端机器学习模型检测驾驶人员是否为疲劳驾驶状态，是否未系安全带，是否为分心驾驶状态，若检测的结果超出阈值，中央处理器即输出信号给报警模块，报警模块收到中央处理器的信号即发出报警声音；所述计时模块用于统计驾驶员一次连续驾驶时长并传输至中央处理器，若时长超出阈值，中央处理器即输出信号给报警模块，报警模块收到中央处理器的信号即发出报警声音；所述定位模块用于实时记录车辆的位置信息并传输给中央处理器，用于在危险时候将车辆位置信息上传至服务后台；所述酒精传感器、一氧化碳传感器、二氧化碳传感器、甲醛传感器、温度传感器用于采集车内酒精浓度、一氧化碳浓度、二氧化碳浓度、甲醛浓度、温度，并将这些采集到的数据传输至中央处理器，一旦采集到的数据超出阈值，中央处理器即输出信号给报警模块，报警模块收到中央处理器的信号即发出报警声音；所述报警模块与中央处理器电性连接，所述报警模块为扬声器，所述报警模块内包含远程报警模块，远程报警模块将车辆报警信息和车辆位置信息上传至服务后台，进行记录以及便于相关人员的监测和人为提示，为车辆提供紧急救援。
实施例一：
S1：获取驾驶人员的视频图像、车内环境信息；
S2：对所述视频图像进行特征提取，定位眼部、唇部、安全带；
S3：根据预设的侧端机器学习模型分析眨眼频率、唇部的张开幅度、头部位置状态和是否系安全带；
S4：根据侧端机器学习模型分析的结果判断是否存在疲劳驾驶状态和是否存在未系安全带行为；
S5：所述机器学习模型包括：眨眼频率阈值；
S6：判断所述眨眼频率特征参数是否超过了眨眼频率阈值，若超过了眨眼频率阈值，则判断驾驶员的驾驶状态是疲劳驾驶状态并发出报警提示；
S7：所述机器学习模型包括：唇部张开幅度阈值：
S8：判断所述唇部张开幅度的特征参数是否超过了唇部张开幅度阈值，若超过了唇部张开幅度阈值，则判断驾驶员的驾驶状态是疲劳驾驶状态并发出报警提示；
S9：所述机器学习模型包括：安全带检测；
S10：对所述安全带进行检测，确定所述图像区域中是否包含有安全带图像；
S11：若没有发现安全带图像信息，则判定驾驶员未系安全带并发出报警提示；
S12:所述机器学习模型包括：头部位置状态检测；
S13:对驾驶员的头部位置状态进行检测，确定驾驶员的头部是朝着前方，没有出现低头看手机或者偏头说话的状态；
S14:若出现低头或者偏头的情况，则判定驾驶员存在分心驾驶状态的情况并发出报警提示；
S15：对驾驶员的连续驾驶时长进行统计，若超出所设阈值，则判断驾驶员存在疲劳驾驶状态的情况并发出报警提示；
S16：所述的车内环境信息包括：酒精浓度；
S17：对所述酒精浓度信息进行检测，若超过酒精浓度阈值，则判定为酒后驾驶并发出报警提示；
S18：所述的车内环境信息包括：一氧化碳浓度；
S19：对所述一氧化碳浓度进行检测，若超过一氧化碳浓度阈值，则发出报警提示；
S20：所述的车内环境信息包括：二氧化碳浓度；
S21：对所述二氧化碳浓度进行检测，若超过二氧化碳浓度阈值，则发出报警提示；
S22：所述的车内环境信息包括：甲醛浓度；
S23：对所述甲醛浓度进行检测，若超过甲醛浓度阈值，则发出报警提示；
S24：所述的车内环境信息包括：温度；
S25：对所述温度检测，若超过温度阈值，则发出报警提示；
S26：所述报警模块包括：报警提示；
S27：对报警提示进行上传记录，若次数较多，则通过后台人工电话进行提示。
实施例二：
S1：获取驾驶人员的视频图像、车内环境信息；
S2：对所述视频图像进行特征提取，定位眼部、唇部、安全带；
S3：根据预设的侧端机器学习模型分析眨眼频率、唇部的张开幅度、头部位置状态和是否系安全带；
S4：根据侧端机器学习模型分析的结果判断是否存在疲劳驾驶状态和是否存在未系安全带行为；
S5：所述机器学习模型包括：眨眼频率阈值；
S6：判断所述眨眼频率特征参数是否超过了眨眼频率阈值，若超过了眨眼频率阈值，则判断驾驶员的驾驶状态是疲劳驾驶状态并发出报警提示；
S7：所述机器学习模型包括：唇部张开幅度阈值：
S8：判断所述唇部张开幅度的特征参数是否超过了唇部张开幅度阈值，若超过了唇部张开幅度阈值，则判断驾驶员的驾驶状态是疲劳驾驶状态并发出报警提示；
S9：所述机器学习模型包括：安全带检测；
S10：对所述安全带进行检测，确定所述图像区域中是否包含有安全带图像；
S11：若没有发现安全带图像信息，则判定驾驶员未系安全带并发出报警提示；
S12:所述机器学习模型包括：头部位置状态检测；
S13:对驾驶员的头部位置状态进行检测，确定驾驶员的头部是朝着前方，没有出现低头看手机或者偏头说话的状态；
S14:若出现低头或者偏头的情况，则判定驾驶员存在分心驾驶状态的情况并发出报警提示；
S15：对驾驶员的连续驾驶时长进行统计，若超出所设阈值，则判断驾驶员存在疲劳驾驶状态的情况并发出报警提示；
S16：所述的车内环境信息包括：酒精浓度；
S17：对所述酒精浓度信息进行检测，若超过酒精浓度阈值，则判定为酒后驾驶并发出报警提示；
S18：所述的车内环境信息包括：一氧化碳浓度；
S19：对所述一氧化碳浓度进行检测，若超过一氧化碳浓度阈值，则发出报警提示；
S20：所述的车内环境信息包括：二氧化碳浓度；
S21：对所述二氧化碳浓度进行检测，若超过二氧化碳浓度阈值，则发出报警提示；
S22：所述的车内环境信息包括：甲醛浓度；
S23：对所述甲醛浓度进行检测，若超过甲醛浓度阈值，则发出报警提示；
S24：所述的车内环境信息包括：温度；
S25：对所述温度检测，若超过温度阈值，则发出报警提示；
S26：所述报警模块包括：报警提示；
S27：对报警提示进行上传记录，若次数过多，后台人工电话无回应，则根据车辆的位置信息派出救援车辆。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。