论文部分内容阅读
随着社会经济的进步,汽车作为交通运输中非常重要的工具而被广泛的推广。我国汽车保有量和驾驶员的数目激增,道路行驶安全也面临空前的压力。交通管理部门统计的数据显示,疲劳驾驶为交通事故的主要凶手,因此设计一款准确且高实时性的疲劳状态检测系统,来减少交通事故发生的频率,是一个值得深入研究的领域。本文主要对检测算法优化和系统的实现两方面进行论述。算法方面的相关工作内容如下所示:(1)针对目前人脸检测中实时性不高的问题。本文采用简单阈值分割出肤色区域,可以缩小人脸特征检测范围,来提高检测实时性。(2)采用优化的Adaboost检测算法提高实时性和准确率。通过优化权值的改变速率来提升准确率,将Adaboost算法中的浮点数进行定点化处理提高实时性。(3)采用精简且实时性高的Phash(Perceptual hash)算法对人脸进行追踪,减少人脸检测次数,可以再次提高人脸检测的实时性。(4)通过前面的算法快速检测到人脸区域再进行人眼检测。使用Adaboost人眼检测算法对人眼特征提取,然后进行对睁眼和眨眼判断,最终采用PERCLOS(Percentage of eyelid Closure over the Pupil over time)算法实现疲劳判断。系统方面的实现工作如下所示:(1)通过对比和分析各种平台下的疲劳检测的优缺点,选择了本文需要的ZYNQ-7000平台。并对ZYNQ-7000平台中的关键模块进行了详细说明。(2)本文使用Vivado HLS高层次综合工具,自定义图像处理的硬件IP核,其中包括:肤色识别IP核、Otsu二值化IP核等。然后我们配置了ZYNQ-7000的硬件结构、存储设备和外部设备,并利用OV7670摄像头实现图像采集、VGA接口实现图像显示。(3)实现图像处理代码移植到ZYNQ开发板,同时移植和配置ZYNQ开发板运行环境,其中包含U-boot、Opencv图像库、Qt函数库、Linaro操作系统。最后对搭建的整个系统进行疲劳检测测试。本文通过合理的软硬件协同划分,在实验室环境下模拟实际的疲劳检测,具有较高实时性、便捷性,又能减少硬件逻辑资源的使用,节约开发成本的特点。