面向复杂道路的安全智能头盔设计

面向复杂道路的安全智能头盔设计

李雨生，曾耀徵，耿曙凡，洪浩然，李嘉鑫

南京工业大学浦江学院   211200

摘 要:现有的安全法规定电动车戴头盔上路，电动车上路遇到的最主要危险是行人的突然窜出和与盲区的车辆发生碰撞。针对传统的头盔在道路安全上防护的不足，本文提出了一种以超声波雷达和区域识别摄像头为主要技术，通过区域识别摄像头监测可视区域，超声波雷达技术监测视野盲区，来检测电动车骑行周围行人和障碍物的智能头盔实现。

关键词:超声波雷达，区域识别摄像头，智能头盔

引言：

多地现行的交通法规规定，骑摩托车或电动车时必须戴上安全头盔。在智能时代，传统的头盔已经无法满足人们对于更复杂社会道路出行安全的需求。智能头盔是一种经过技术人员精心装配高新技术产品升级而成的新型头盔，具备智能功能。本文介绍的智能安全头盔是一种通过区域识别摄像头和超声波雷达的测距技术来实现的新型智能头盔。

1 系统总体结构

1.1系统概括：

本项目主要采用了超声波测距技术和区域入侵报警功能来实现骑行安全。超声波测距技术是通过发射探头发出超声波信号，与障碍物反弹到接收探头，整个过程所在介质中经历的时间来计算距离，再经过接收电路到微处理器进行信息处理。区域入侵报警是在摄像头上设置固定警戒区域，并通过图像算法处理对外来闯入范围的人进行识别，当行人进入警戒区域时，摄像头会触发报警模块，警示骑行者留意行人的存在。

1.2系统架构：

项目大体分为两个功能块，分别为超声波雷达测距功能块和区域入侵检测报警功能块。超声波雷达测距功能块是利用超声波雷达对视野盲区进行监测，当盲区出现车辆或其他物品，并达到危险距离的时候提醒骑行者进行躲避。如图1所示该系统中的超声波总体体结构[4]。

图1 超声波雷达预警系统的总体结构

区域入侵检测报警是由前面的摄像头负责（只针对行人）对行人进行检测和报警提示，当摄像头捕捉行人经过警戒区域，进行报警提示骑行者。如图2所示该系统中的摄像头入侵检测流程图。

图2 摄像头检测流程图

2系统硬件设计

2.1超声波雷达设计

2.1.1超声波测距的原理。超声波测距原理是得知在空气介质中超声波的固定速度，从发出信号直线传播与障碍物接触瞬间直线反弹回来被接收的相对距离，再利用测距公式为。其中为测量的距离相对距离，为超声波在空气介质中特定的传播速度，为测量距离传播的时间差。但由于超声波的传播速度受到空气密度和温度的影响，所以超声波雷达的测量精度是客观存在一些误差的，需要进行相应的校准[1]。

2.1.2 STC89C52处理器及最小系统介绍。该系统使用了STC89C52处理器，它是一款由STC公司生产的低功耗、高性能的8位微控制器。STC89C52Q是增强型8051单片机，指令代码完全兼容传统8051。它的工作电压范围为5.5V至3.3V，工作频率范围为0至40MHz，实际工作频率可达48MHz。处理器具备32个通用I/O口，所有I/O口默认状态均为高电平，复位后P1/P2/P3为准双向是漏极开路输出，作为总线扩展用时不需要加上拉电阻，作为I/O口用时则需要加上拉电阻。该处理器还具备EEPROM功能，总大小为4KB，被分为8个扇区，每个扇区包含512个字节。处理器共有3个16位定时器/计数器，即定时器TO、T1和T2。[7]。

2.1.3报警模块。报警模块由数码管和扬声器部分组成。当STC89C52处理器处理测量距离小于预设定的安全距离数值，即达到报警条件。报警板块开始运转，数码管开始快速的变换，同时扬声器发出提示声，保证用户安全[5]。

2.2区域检测摄像头设计

2.2.1图像算法处理模块。区域报警监控摄像头主要利用图像算法处理模块进行区域识别，这也是智能监控系统的核心组成部分，需要涉及信号分析、视觉图像分析和人工智能等多个领域的技术。图片的理解包括分类、定位、检测与分割等单个或组合任务。该处理模块实时对监控采集的视频图像进行目标出现在图像哪个位置，目标属于什么类别。如果检测的类别是人，就会报警。

2.2.2报警模块。报警模块由摄像头和扬声器组成。摄像头先对进入固定区域的实物进行捕捉，系统将通过摄像头进行对比，核实人形，则报警模块进入工作。报警时扬声器会发出声响以达到提示的效果。

3软件设计

3.1超声波雷达程序流程

超声波测量系统的主程序对系统数值初始化，确保数据的精确度。单片机发送请求到微处理机，微处理机即开始从发射电路发送信号，当从发送探头开始计算时间，到接收探头接收到超声波信号，按照公式，计算对应的值自动进行距离计算，如果算出的测量距离小于设置的预警距离数值，则预警模块会开始工作。如图三所示：

3.2摄像头警戒区域绘制

为提高目标检测的精度，可以利用相邻图像之间的空间拓扑关系。警戒区域可以通过让用户在图像上绘制来确定。需要注意的是，对于目标全部进入警戒区域和只有部分进入警戒区域，检测条件是不一样的。目标入侵区域检测可以分为以下情况：目标只是部分进入警戒区域，或者目标完全进入警戒区域。

图三 程序流程图

现有四个点，z1（a1，b1）、z2（a2，b2）、z3（a3，b3）、z4（a4，b4），并需要证明线段z1z3和z1z4与线段z2z3和z2z4的叉积异号时，目标正在进入“危险区域”。在这里，点(a1，b1)代表点z1，点(a2，b2)代表点z2，点(a3，b3)代表点z3，点(a4，b4)代表点z4。

如果移动目标进入警戒区域，其轨迹线段必将与其边界相交。由于叉积可以判断线段是否相交，因此，通过判断两个线段的叉积是否异号，可以确认移动目标是否正在侵入“危险区域”。如果线段z1z3和z1z4与线段z2z3和z2z4的叉积异号，这意味着目标正在进入“危险区域”[2]。

图四 危险区域图示

3.3区域识别特定区域入侵算法描述

三层自适应混合高斯模型是在混合高斯模型的基础上做出改进的。该模型图示如图五所示，分为三层。第一层针对像素点进行建模，第二层则是对像素块进行建模，其中包含阴影消除和八邻域相关性去噪算法。第三层基于帧结构建模，涵盖自适应学习率和全局灰度均值统计模型[3]。

图五高斯模型

3.3.1阴影消除

在运动目标的检测与跟踪中，运动目标的分割很重要的，因为运动目标通常伴随着阴影出现，导致其形状发生变化。因此，阴影消除成为识别运动目标的关键步骤。本文通过分析阴影在HSV彩色空间中的特性，利用阴影和运动目标在H、S、V三个分量中的不同特点，计算它们在特定情况下相应的阈值，进行阴影消除。这包括对Imax和Imin的处理，它们是颜色空间转换的重要参数。Imax表示在（R，G，B）三通道值中的最大值，而Imin表示在（R，G，B）三通道值中的最小值。RGB色彩空间转换成HSV色彩空间的转换公式如下。

得到前景与背景图像在新的颜色空间模型下各个分量的差值，差值计算完成后进行阈值的分割。根据差进行二值化操作:

按照以上阈值分割后即将阴影和实际前景分离区域。

3.3.2  全局灰度平均值

全局灰度均值统计信息用于处理光线突变或长时间积累导致的假前景目标问题。光线的变化可能使背景像素点的匹配度降低，导致其被错误地认为是前景目标，产生假前景目标。设全局灰度均值为Avggray，则计算全局灰度均值的公式如下：

其中，W，H 为图像的宽和高。

根据灰度均值可以调节高斯模型的学习率 α，从 而使得模型能够自适应场景的亮度变化。为了体现灰 度的变化引入灰度均值变化率 θ :

3.3.3   信息提取

通过多步处理，我们得到了相对精确的前景图像。接下来，通过Canny算子提取了前景轮廓信息，将边缘点连接以获得轮廓信息。这些轮廓信息的统计长度可用于确定特定区域是否遭受入侵以及入侵者的数量。

4 实验部分

试验分为两个模块进行测试，分别是区域入侵摄像头模块测试和超声波雷达模块测试。区域入侵摄像头模块测试，在教学楼入口选择各个区域进行检测，在视频图像上绘制出几何形状警戒区域，当校内行人穿越之前设置的危险区域时，模拟“区域入侵”情况。当目标经过区域时，如果与区域产生交集则算作入侵[3]。本模块实验应用的环境并不复杂，主要检测目标是学生也就是行人，当目标运动的标识矩阵与设定区域的边线相交时，判定目标是否为行人选择报警与否。区域入侵摄像头模块所预期的效果基本达成。超声波雷达模块测试，在实验室模拟各种障碍物进行检测。通过不断调试和实验来确定超声波雷达的测距范围，大概到左右，超声波雷达模块的实验环境主要为实验室，通过超声波测距的算法设计，超声波在空气中传播速度为（时）。是接收超声波时刻，是超声波声波发射时刻，，则有。由于在这的时间里，超声波发出到遇到返射物返回的距离。通过不断测试和调整，确定超声波雷达的测量范围，系统判断是否低于警戒范围，从而报警与否。同时经过不断地测试，我们发现实验的超声波雷达由于功率小的原因，常常会发生超出量程的情况，只要更改大功率的雷达，这种情况就能得到改善，总的来说超声波雷达测距模块也初步完成预期效果。

结束语

本文提出了一种以超声波雷达和图像识别摄像头为主要技术，通过图像识别摄像头监测可视区域，超声波雷达技术监测视野盲区，来检测电动车骑行周围行人的智能头盔。该项目主要帮助电动车骑行者能够实时观测道路状况。在实验室的情况下，经过测试证实，该项目所具备功能初步实现，但也发现超声波雷达由于购买的功率小，会发生超量程的情况，还有超声波受环境温度影响。距离真正可以应用在非机动车骑行安全领域，适应复杂的社会道路还需继续持续优化取得进一步的应用场景。

参考文献：

[1]谢星,孙玲,曹海平等.基于ARM的超声波倒车雷达报警系统设计[J].计算机光盘软件与应用,2014,17(03):20-21.

[2]向翼凌,何伟.面向校园安全的视频区域入侵检测算法[J].武汉工程大学学报,2019,41(01):93-97.

[3]王欣宇.视频监控中特定区域入侵检测算法设计与实现[J].计算机技术与发展,2014,24(10):159-162+166.

[4]邢东洋.超声波雷达预警系统的设计和实现[J].科学技术创新,2022(10):185-188.

[5]王亚君,刘赫,吕实诚.具有实时语音播报的超声波测距仪[J].电脑学习,2008,No.137(04):19-20.

[6]沈睿谦. 基于单片机及机器学习的电子舌系统设计与研究[D].浙江大学,2012.

[7]韩旭,吴华,杨岱霖等.基于STC89C52的电子密码锁设计[J].电子技术,2020,49(10):10-11.

项目编号； PJ20221390539

基金项目：南京工业大学浦江学院大学生创新创业训练计划项目资金资助