ระบบเตือนอาการง่วงนอน: 3 ขั้นตอน

2025 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2025-01-23 15:12

ทุกๆ ปี ผู้คนจำนวนมากเสียชีวิตจากอุบัติเหตุบนท้องถนนที่ร้ายแรงทั่วโลก และการขับรถง่วงนอนเป็นหนึ่งในสาเหตุหลักของอุบัติเหตุบนท้องถนนและการเสียชีวิต ความเหนื่อยล้าและการนอนน้อยในการควบคุมการขับขี่มักเป็นสาเหตุของอุบัติเหตุร้ายแรง อย่างไรก็ตาม สัญญาณเริ่มต้นของความเหนื่อยล้าสามารถตรวจพบได้ก่อนเกิดสถานการณ์สำคัญ ดังนั้น การตรวจจับความเหนื่อยล้าของผู้ขับขี่และการบ่งชี้จึงเป็นหัวข้อการวิจัยที่ดำเนินอยู่ วิธีการแบบดั้งเดิมส่วนใหญ่ในการตรวจหาอาการง่วงนอนจะขึ้นอยู่กับลักษณะพฤติกรรม ในขณะที่วิธีการบางอย่างเป็นการรบกวนและอาจทำให้ผู้ขับขี่เสียสมาธิ ในขณะที่บางวิธีต้องใช้เซ็นเซอร์ราคาแพง ดังนั้น ในบทความนี้ จึงได้มีการพัฒนาและใช้งานระบบตรวจจับอาการง่วงนอนของคนขับแบบเรียลไทม์น้ำหนักเบาในแอปพลิเคชัน Android ระบบจะบันทึกวิดีโอและตรวจจับใบหน้าของผู้ขับขี่ในทุกเฟรมโดยใช้เทคนิคการประมวลผลภาพ ระบบสามารถตรวจจับจุดสังเกตบนใบหน้า คำนวณอัตราส่วนของสายตา (EAR) และอัตราส่วนการปิดตา (ECR) เพื่อตรวจจับอาการง่วงนอนของผู้ขับขี่โดยอิงตามเกณฑ์ที่ปรับเปลี่ยนได้ มีการใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อทดสอบประสิทธิภาพของแนวทางที่เสนอ ผลลัพธ์เชิงประจักษ์แสดงให้เห็นว่าแบบจำลองที่เสนอสามารถบรรลุความถูกต้องถึง 84% โดยใช้ตัวแยกประเภทฟอเรสต์แบบสุ่ม

ขั้นตอนที่ 1: สิ่งที่คุณต้องการ

1.ราสเบอร์รี่ปี่

2. WEBCAM (C270 HD WEB CAM เพื่อผลลัพธ์ที่ดีกว่า)

เวอร์ชั่น PC อาจต้องมีการเปลี่ยนแปลงในโค้ด

ขั้นตอนที่ 2: รหัส Python พร้อมชุดข้อมูลทำนายรูปร่างดวงตา (เวอร์ชั่น PC)

เพื่อตรวจจับดวงตาได้อย่างมีประสิทธิภาพในวิดีโอแบบเรียลไทม์ เราสามารถใช้ไฟล์.dat ด้านล่างนี้

drive.google.com/open?id=1UiSHe72L4TeN14VK…

ดาวน์โหลดไฟล์.dat จากลิงค์ด้านบนและรันโค้ด python ด้านล่าง

รหัสหลาม

จาก scipy.spatial ระยะทางนำเข้าจาก imutils นำเข้า face_utils นำเข้า imutils นำเข้า dlib นำเข้า cv2

def eye_aspect_ratio(ตา):

A = distance.euclidean(ตา[1], ตา[5]) B = distance.euclidean(ตา[2], ตา[4]) C = distance.euclidean(ตา[0], ตา[3]) หู = (A + B) / (2.0 * C) return ear thresh = 0.25 frame_check = 20 detect = dlib.get_frontal_face_detector() ทำนาย = dlib.shape_predictor(".\shape_predictor_68_face_landmarks.dat")# Dat file เป็นปมของรหัส

(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["left_eye"]

(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["right_eye"] cap=cv2. VideoCapture(0) flag=0 while True: ret, frame=cap.read() frame = imutils.resize(frame, grey = cv2.cvtColor(frame, cv2. COLOR_BGR2GRAY) subjects = ตรวจพบ (gray, 0) สำหรับ subject ใน subjects: shape = ทำนาย (สีเทา, subject) รูปร่าง = face_utils.shape_to_np(shape)#converting to NumPy Array leftEye = shape[lStart:lEnd] rightEye = รูปร่าง[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 leftEyeHull = cv2.convexHull(leftEye) rightEyeHull = cv2.convexHull(rightEye) drawContours(frame, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours(frame, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText(frame, "****************ALERT!******************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "****************ALERT!*********** *****", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) #print ("Dro wsy") else: flag = 0 cv2.imshow("Frame", frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() cap.stop()

ขั้นตอนที่ 3: รุ่น Raspberry Pi

เมื่อบุคคลหลับตาลง ราสเบอร์รี่ pi จะเตือนคุณ

เชื่อมต่อออดของคุณเพื่อปักหมุด 23 (ดูรูป)

จาก scipy.spatial นำเข้าระยะทาง

นำเข้า RPi. GPIO เป็น GPIO

จากเวลานำเข้าการนอนหลับ

GPIO.setwarnings(เท็จ)

GPIO.setmode(GPIO. BCM)

จาก imutils นำเข้า face_utils

นำเข้า imutils นำเข้า dlib นำเข้า cv2

ออด = 23

GPIO.setup (ออด, GPIO. OUT)

def eye_aspect_ratio(ตา):

A = distance.euclidean(ตา[1], ตา[5]) B = distance.euclidean(ตา[2], ตา[4]) C = distance.euclidean(ตา[0], ตา[3]) หู = (A + B) / (2.0 * C) return ear thresh = 0.25 frame_check = 20 detect = dlib.get_frontal_face_detector() ทำนาย = dlib.shape_predictor(".\shape_predictor_68_face_landmarks.dat")# Dat file เป็นปมของรหัส

(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["left_eye"]

(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["right_eye"] cap=cv2. VideoCapture(0) flag=0 while True: ret, frame=cap.read() frame = imutils.resize(frame, grey = cv2.cvtColor(frame, cv2. COLOR_BGR2GRAY) subjects = ตรวจจับ (gray, 0) สำหรับ subject ใน subjects: shape = ทำนาย (สีเทา, subject) รูปร่าง = face_utils.shape_to_np(shape)#converting to NumPy Array leftEye = shape[lStart:lEnd] rightEye = รูปร่าง[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 leftEyeHull = cv2.convexHull(leftEye) rightEyeHull = cv2.convexHull(rightEye) drawContours(frame, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours(frame, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText(frame, "****************ALERT!******************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "****************ALERT!*********** *****", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) #print ("Dro wsy")

GPIO.output(ออด, GPIO.สูง)

อื่น: ธง = 0

GPIO.output(ออด, GPIO. LOW)

cv2.imshow("Frame", frame) คีย์ = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() cap.stop()