一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于GD32的智能车载安全监测系统及其使用方法


[0001]本专利技术涉及安全监测系统
，特别是指一种基于
GD32
的智能车载安全监测系统
。

技术介绍

[0002]随着社会经济发展水平的不断提高以及基础交通建设的不断推广，车辆的普及程度也在逐年增加
。
机动车数量与驾驶人数的增加使得道路驾驶环境变得复杂，在一定程度上增加了交通事故发生概率
。
在这些汽车事故中有极大部分是由于驾驶员存在疲劳驾驶
、
不规范驾驶行为
、
以及突发身体疾病等因素造成的，从这些数据可以看出，如何预防驾驶员危险驾驶行为
(
疲劳驾驶与分心驾驶
)
，实时监测驾驶员的健康状况，是我国需要重点关注和解决的问题
。
[0003]目前现有的车载安全监测系统并不完善，没有完整的体系，监测指标单一，在进行疲劳驾驶和分心驾驶检测时，普遍采用的是基于图像处理和特征提取的传统方法，难以准确地识别驾驶员的危险驾驶行为，且识别算法的泛化能力差；少部分使用深度学习方法，用于检测疲劳驾驶的神经网络模型大多运行在云端服务器，当车辆在高速行驶或通过隧道等网络较差的环境时，很难有效地进行实时监测；同时目前的车载安全监测系统在面对一些突发情况时，也没有完善的处理和应对方式
。

技术实现思路

[0004]针对上述问题，本专利技术提供了一种基于
GD32
的智能车载安全监测系统及其使用方法，该系统安装在驾驶室内，在行车前判断驾驶人员是否饮酒，在行车时监测并记录驾驶员的体征参数，并将深度学习模型部署在
GD32
上以实时监测多种危险驾驶行为，给予相应的语音提示，同时将监测得到的驾驶员身体指标和驾驶情况进行直观的展示
。
当驾驶员身体指标异常或发生交通事故时，系统可以自动定位当前车辆位置
。
该系统对车内驾驶员的静态与动态行为进行识别和检测分析，通过对驾驶员生理数据指标的检测为驾驶员进行安全辅助，对其进行相对应的反馈
、
信息提示，增加驾驶员的行车安全性
。
[0005]为了实现以上技术目的，本专利技术技术方案如下：
[0006]一种基于
GD32
的智能车载安全监测系统，包括危险驾驶行为检测模块
、
酒精浓度检测模块
、
语音模块
、
体征监测模块
、
加速度检测模块
、
卫星定位模块
。
[0007]进一步地，所述的危险驾驶行为检测模块部署在
GD32F470
开发板上，同时通过
OV2640
摄像头采集分辨率为
320
×
320
的图像进行检测；为防止误检情况出现，若连续两帧图像均出现异常驾驶行为，则记录异常信息，并通过
USART
串口通信传输至
GD32
主控开发板，再由主控系统响应异常信息处理
。
[0008]进一步地，所述的酒精浓度检测模块由
MQ
‑3酒精传感器和
GD32
蓝莓派内置
ADC
电路组成
。
[0009]进一步地，所述的
MQ
‑3酒精传感器的气敏元素使用二氧化锡
。
[0010]进一步地，所述的
MQ
‑3气体传感器输出信号经信号调理电路处理，输出随酒精浓度变化的电压信号，将电压信号送入
GD32
主控系统，经
A/D
转换，与设定的酒精浓度阈值进行比较，判断是否触发警报
。
[0011]进一步地，所述的语音模块选用
SU
‑
03T
语音芯片作为语音模块的主控芯片
。
[0012]进一步地，所述的体征智能监测模块为可二次开发智能手环
。
[0013]进一步地，所述的加速度检测模块采用
MPU6050
六轴传感器作为加速度计检测模块，将测得的车辆的加速度模拟量转化为可输出的数字量，通过一对差分信号
SDA
和
SCL
建立与主控制器的通信，同时还存在一对差分信号
XDA
和
XCL、
时钟信号
CLKOUT
；
MPU6050
模块首先测得车辆加速度的模拟信号，并通过内置
16
位
AD
转换器转化为数字量，然后经过
400kHz
的
I2C
接口把数字信号传输给主控制器
。
[0014]进一步地，所述的卫星定位模块采用
ATGM332D
‑
5N
模块
。
[0015]本专利技术还提供一种基于
GD32
的智能车载安全监测系统的使用方法，包括以下步骤：
[0016]通过
MQ
‑3酒精浓度传感器检测驾驶员酒精含量的模拟信号，将该模拟信号通过
A/D
数模转换模块转换为数字信号，传输到
GD32
主控系统，如果酒精含量超出正常范围，语音模块将进行警报提示，如果酒精含量正常，将进入驾驶监测主界面，体征监测模块实时监测驾驶员的体征数据，通过蓝牙传输至
GD32
主控系统，主控系统分析当前驾驶员的体征数据是否正常；危险驾驶行为监测模块识别驾驶员是否存在危险驾驶行为，并给予相应的语音提示；
[0017]如果出现驾驶员突发身体疾病，或
MPU6050
六轴传感器检测到瞬时加速度过大异常情况，语音模块会确认驾驶人是否安全，若5秒内未得到驾驶人确认，
ATMG332D
卫星定位模块将解算出当前车辆所在的经度和纬度，通过
USART
串口通信传输到
GD32
主控系统中，并显示在系统界面上
。
[0018]本专利技术具有以下创新性和有益效果：
[0019](1)
本专利技术使用深度学习方法对常见危险驾驶行为进行识别，如打哈欠
、
闭眼等疲劳驾驶行为和抽烟等不文明驾驶行为
。
相较于传统的图像特征提取方法而言，深度学习通过多层神经网络的组合和训练，够从原始的传感器数据中提取出高级的抽象特征，无需手动设计和提取特征，能够在不同的驾驶场景和条件下保持良好的识别准确性和鲁棒性
。
[0020](2)
本专利技术提出了一套适用于
GD32 MCU
系列硬件平台的深度学习模型部署方案
。
本专利技术使用
X
‑
CUBE
‑
AI
将
onnx
转换成<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
GD32
的智能车载安全监测系统，其特征在于：包括危险驾驶行为检测模块
、
酒精浓度检测模块
、
语音模块
、
体征监测模块
、
加速度检测模块
、
卫星定位模块
。2.
根据权利要求1所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的危险驾驶行为检测模块部署在
GD32F470
开发板上，同时通过
OV2640
摄像头采集分辨率为
320
×
320
的图像进行检测；为防止误检情况出现，若连续两帧图像均出现异常驾驶行为，则记录异常信息，并通过
USART
串口通信传输至
GD32
主控开发板，再由主控系统响应异常信息处理
。3.
根据权利要求1所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的酒精浓度检测模块由
MQ
‑3酒精传感器和
GD32
蓝莓派内置
ADC
电路组成
。4.
根据权利要求3所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的
MQ
‑3酒精传感器的气敏元素使用二氧化锡
。5.
根据权利要求4所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的
MQ
‑3气体传感器输出信号经信号调理电路处理，输出随酒精浓度变化的电压信号，将电压信号送入
GD32
主控系统，经
A/D
转换，与设定的酒精浓度阈值进行比较，判断是否触发警报
。6.
根据权利要求1所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的语音模块选用
SU
‑
03T
语音芯片作为语音模块的主控芯片
。7.
根据权利要求1所述的基于
GD32
的智能车载安全监测系统，其特征在于：所述的体征...

【专利技术属性】
技术研发人员：刘德馨，谢洪，丁一，白金平，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：