为防止交通事故,95后学生运用“黑科技”这样做!

网友投稿 557 2022-05-29

经常在电视上总会看到这样的消息:xxx道路发生严重交通事故,X死X伤。

疲劳驾驶和酒驾目前已经成为高速上的头号杀手,根据相关数据统计:

▸每年由酒后驾车引发的交通事故达数万起;而造成死亡的事故中50%以上都与酒后驾车有关;

▸每年因疲劳驾驶引发的事故,致9万多人死亡或重伤,高速路上20%的事故都是因为疲劳驾驶。

触目惊心的数字,深深的印在三位95后学生的心里,并埋下了一颗“改变这个现状”的种子,为解决酒驾和疲劳驾驶他们组成了“智能车伙伴团队”。

开发初衷

“如果可以实时监测驾驶员的身体状况,包括疲劳程度、心率、血压、血氧、体温、酒精含量,是不是可以减少这类交通事故的发生呢?”智能车伙伴队长丁茹梦说。

于是智能车伙伴基于AIoT,利用实时抓取到的图像信息融合实时监测的体征数据,综合判断驾驶员疲劳程度和状态,并发出提醒,最终完成“基于AIoT的驾驶员状态实时监测系统”。他们相信,通过这个方案,能够有效的防止交通事故发生并挽救生命。

基于AIoT的驾驶员状态实时监测系统

AIoT无疑是今年的热门话题之一,融合AI技术和IoT技术,通过物联网产生、收集海量的数据存储于云端、边缘端,再通过大数据分析以及更高形式的人工智能,实现万物数据化、万物智联化。而要做好驾驶员实时动态监测,人工智能算法和物联网是必不可少的技术。

当前主流的疲劳驾驶监测方法包括:移动应用APP如地图软件等,根据驾驶时间或里程超过某一阈值时即进行提醒,不够科学;少量高档汽车中配置了通过图像分析手段判定驾驶员状态的功能,但成本相对较高,需出厂前预装,通用性较差。

基于AIoT的驾驶员状态实时监测系统,通过Landmark 算法来实现人脸检测及特征点提取,再利用眼部特征点计算EAR值,进而结合 PERCLOS 疲劳判断准则,算出PERCLOS值,再结合体征数据变化情况,来综合判别驾驶员的疲劳程度。

同时,利用华为云IoT提供的网络管道模块,将采集的信息上传至华为云IoT平台,平台对信息进行解析,再推送至云端应用服务器,最终由云端应用服务器将分析信息下发至手机APP。

智能车伙伴为此做了场景模拟,在不影响驾驶的情况下,将多种传感器于方向盘套内,采用图像与传感器结合,同时利用头部姿态算法、表情识别算法,实时监测驾驶员表情、身体状态。当监测到驾驶员劳驾驶,长时间不注视前方或愤怒驾驶时,系统对驾驶员进行报警提醒以及向其家人发送相关信息。

凭借AIoT驾驶员监测系统,智能车伙伴在2019年获得了华为开发者大赛·IoT赛道三等奖。

办法都是在“坑”里多待两天想出来的

“我们在开发中也遇到不少的‘坑’,但在这个‘坑’里转悠两天,就能想到解决的办法了。”丁茹梦说道。

虽然在开发中遇到了信息采集、分析结果上报等多种方面不成功的问题,但对他们来说,最难的是他们都没有过驾驶经验,不了解汽车。为了“知己知彼”,刚刚领了驾驶证的队员不得不被迫租一辆共享汽车,在车辆、人行往来较少的道路上进行场景模拟和实验。

一人驾驶,一人拍摄、一人记录问题,一起修复旧Bug,发现新Bug…为了确保系统的可行性,丁茹梦和她的小伙伴不断地测试论证,历时2个月的打磨,最终基于AIoT打造的驾驶员状态实时监测系统成功“出炉”。

“作品让我们感受到了成为开发者的自豪”

谈及参赛初衷,丁茹梦说道:“华为开发者大赛是全球性的,而且与来自全球的企业、学生同台竞技,我们更想知道自己的作品和能力与别人的差距在哪里,是青铜,白银,还是王者?于是,我们就来了。”

为防止交通事故,95后学生运用“黑科技”这样做!

经过2个月的开发经历,智能车伙伴从课本理论到真实场景实践,从初出茅庐的急躁到驾轻就熟的从容,现在他们似乎对开发者有了更深刻的理解:“主动探索,不放弃,成为开发者是一个有趣过程,看到自己的作品能给世界带来一点点的改变,这让我们感受到了成为开发者的自豪。”队长丁茹梦说。

大四的学生,面临着就业、考研的选择,而智能车伙伴团队也即将各奔东西,但对他们来,《基于AIoT的驾驶员状态实时监测系统》不仅仅是团队的纪念作品,还是他们毕业前送给自己的一份“礼物”。

自动驾驶开发平台 IoT

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Docker、Podman 容器“扫盲“ 学习笔记【与云原生的故事】
下一篇:Ignition Gazebo机器人模拟仿真支持ROS1 Noetic和ROS2 Foxy
相关文章