为防止交通事故，95后学生运用“黑科技”这样做！

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。”

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。