基于FPGA平臺的實(shí)時人眼檢測系統(tǒng)設(shè)計＊

李秀圣，郭偉峻

（1.濰坊學(xué)院，山東 濰坊 261061；2.中興通訊股份有限公司，陜西 西安 710065）

人眼檢測系統(tǒng)在疲勞駕駛、人臉識別、人機(jī)交互、視頻監(jiān)控等方面具有廣泛的應(yīng)用［1］。目前，用于人眼檢測的方法主要包括積分投影、模板匹配和統(tǒng)計的方法［2］。其中，積分投影法實(shí)現(xiàn)的系統(tǒng)對人臉的姿態(tài)非常敏感，特別是在人眼處的波峰和波谷位置，導(dǎo)致檢測準(zhǔn)確率低；而基于模板匹配和統(tǒng)計的方法難以在硬件上實(shí)現(xiàn)。在實(shí)現(xiàn)平臺上，大部分人眼檢測系統(tǒng)基于PC機(jī)實(shí)現(xiàn)，存在體積大、功耗高的缺點(diǎn)；小部分系統(tǒng)基于DSP平臺實(shí)現(xiàn)［3］，但指令的執(zhí)行以串行方式進(jìn)行，難以滿足系統(tǒng)實(shí)時檢測的要求。

FPGA具有數(shù)據(jù)并行處理的特點(diǎn)，指令執(zhí)行速度快，易于滿足實(shí)時性檢測的要求。并且可以通過硬件描述語言結(jié)合FPGA內(nèi)部資源進(jìn)行邏輯電路設(shè)計，而不需要附加專用芯片，利于實(shí)現(xiàn)系統(tǒng)的小型化［4］，基于以上考慮，本系統(tǒng)選取FPGA作為硬件實(shí)現(xiàn)平臺。在系統(tǒng)實(shí)現(xiàn)方法上，根據(jù)人眼對不同波長的紅外光具有不同反射率的原理，對分別在850nm和940nm兩種波長的紅外光照射下獲得的人臉圖像進(jìn)行差分，然后通過圖像處理，結(jié)合改進(jìn)的復(fù)雜度算法最終獲得人眼位置。

1 系統(tǒng)結(jié)構(gòu)及工作原理

系統(tǒng)的硬件結(jié)構(gòu)主要由CMOS圖像傳感器、紅外光源、FPGA、視頻編碼芯片、VGA接口及若干存儲器等組成，其中紅外光源由內(nèi)外兩圈環(huán)形的LED燈產(chǎn)生，外圈是波長為940nm的紅外LED燈，內(nèi)圈是波長為850nm的紅外LED燈。

系統(tǒng)工作流程如圖1所示，CMOS圖像傳感器經(jīng)12C配置電路初始化后輸出行有效信號、幀有效信號、像素時鐘信號及數(shù)據(jù)信號。人眼瞳孔對波長為940nm紅外光的反射率為40%，對波長為850nm紅外光的反射率是90%［5］，通過控制兩圈不同波長的LED燈隨圖像幀頻率而交替閃爍即可獲得相鄰的兩幀亮、暗圖像；然后利用圖像差分法對上述兩幀圖像進(jìn)行差分，即可獲得具有亮瞳孔效應(yīng)、人臉突出、幾乎沒有背景影響的紅外圖像；再通過對差分圖像進(jìn)行分割、積分投影等處理即能準(zhǔn)確定位人臉；最后對定位的人臉區(qū)域利用改進(jìn)的復(fù)雜度算法進(jìn)行人眼定位。

幀緩沖模塊由SDRAM控制器和3個FIFO組成，其中SDRAM控制器負(fù)責(zé)外部SDRAM的度讀、寫操作，Write＿FIFO用于數(shù)據(jù)輸入、Read＿FIFO1和Read＿FIFO2用于輸出兩幀相鄰的圖像數(shù)據(jù)，系統(tǒng)檢測后的圖像利用VGA控制器顯示在顯示器上。

圖1 系統(tǒng)工作流程圖

2 人臉檢測模塊

用于人臉檢測的算法流程如圖2所示。

圖2 人臉檢測算法處理流程

圖3 差分后的圖像與灰度拉伸后的圖像對比

2.1 灰度拉伸

進(jìn)行灰度拉伸的目的是提高目標(biāo)圖像與背景之間的對比度，以便于圖像進(jìn)行分割處理［6］。具體實(shí)現(xiàn)過稱為：從系統(tǒng)中取出一幀差分后的圖像進(jìn)行灰度拉伸，將像素灰度值處于［20，255］區(qū)間的像素點(diǎn)線性映射到［0，255］區(qū)間，灰度值小于20的像素點(diǎn)映射為0。兩者的對比如圖3所示，可見經(jīng)灰度拉伸后提高了與差分圖像之間的對比度。

2.2 圖像分割

圖像分割的關(guān)鍵是選取恰當(dāng)?shù)拈撝?，這樣才能有效的將目標(biāo)圖像從背景中分割出來。本設(shè)計采用自適應(yīng)閾值法中的最大類間方差法實(shí)現(xiàn)閾值選?。?］。設(shè)一副圖像的灰度值為0～（l－1），灰度值為i的像素個數(shù)為ni，總像素個數(shù)為N，則各像素值的概率Pi＝ni／N。設(shè)以灰度值t將圖像中的像素按灰度值分為兩個區(qū)域，則最大類間方差的表達(dá)式為：

使得σ2最大的值即為圖像分割的最佳閾值。最大類間方差算法是一種全局性的算法，計算出的閾值會在處理的兩幀圖像期間出現(xiàn)，通過實(shí)現(xiàn)測得系統(tǒng)的處理速度可達(dá)30幀／秒，故可將當(dāng)前幀的分割閾值用于下一幀，而不必設(shè)計專門的當(dāng)前幀存儲電路，從而降低硬件實(shí)現(xiàn)的復(fù)雜度，分割后的圖像如圖4所示。

2.3 積分投影

通過圖像分割處理，可以將人臉區(qū)域從背景中進(jìn)行分離，這樣就可以利用積分投影的方法得到人臉的邊界。在區(qū)間［x1，x2］和［y1，y2］內(nèi)的水平積分投影函數(shù)和垂直積分投影函數(shù)分別表示為［9］：

通過實(shí)驗發(fā)現(xiàn)，人臉左右邊界的積分投影值為人臉垂直方向積分投影值最大值的0.1～0.2倍，上邊界的積分投影值為人臉?biāo)椒较蚍e分投影值最大值的0.2～0.3倍，人臉的下邊界可以通過上邊界和左右邊界之間的距離確定，本設(shè)計中人臉的下邊界為上邊界加左右邊界的距離，其定位結(jié)果如圖5所示。

圖4 閾值分割后的圖像

圖5 人臉區(qū)域定位結(jié)果圖像

3 人眼檢測模塊

通過觀察差分后的紅外圖像，可知瞳孔周圍的灰度值變化最為頻繁，故人眼的檢測采用復(fù)雜度算法來實(shí)現(xiàn)。同時，對定位出的人臉區(qū)域進(jìn)行人眼檢測，不僅縮小了檢測范圍，加快檢測速度，而且還排除了人臉區(qū)域外的干擾，提高了人眼檢測的精度。

圖像復(fù)雜度的數(shù)學(xué)定義為：設(shè)圖像塊的大小為行列，灰度值為I（x，y），?I／?x為I（x，y）沿x方向的梯度，可以用差分Δx＝I（x＋1，y）－I（x，y）近似，則圖像塊的復(fù)雜度為［10］：

本設(shè)計選取的圖像塊大小為3＊3，如圖6所示。經(jīng)實(shí)驗發(fā)現(xiàn)，相鄰兩點(diǎn)間進(jìn)行復(fù)雜度的計算沒有取得理想效果，通過對復(fù)雜度算法進(jìn)行改進(jìn)，在3＊3的圖像塊中選取4個像素點(diǎn)，使用公式Com＝｜x11－x33｜＋｜x13－x31｜進(jìn)行復(fù)雜度計算，能夠得到較好的效果。

圖6 實(shí)驗選取的3＊3圖像塊

圖7 人眼定位結(jié)果及在VGA上的圖像顯示

在FPGA中采用行緩沖和流水線處理方式，3＊3圖像窗口的構(gòu)造通過調(diào)用移位寄存器的IP核Shift register實(shí)現(xiàn)，輸入和輸出的數(shù)據(jù)位寬為8位，3個taps，每個taps的寬度為752。3＊3的圖像窗口在時鐘上升沿到來時在圖像上滑動，直至掃描完整幀圖像。人眼定位結(jié)果圖像及在VGA上的顯示如圖7所示。

4 結(jié)束語

利用人眼對不同波長的紅外光具有不同反射率的原理，結(jié)合圖像差分方法在FPGA平臺上實(shí)現(xiàn)了人眼檢測系統(tǒng)。利用FPGA處理速度快、資源豐富的特點(diǎn)使設(shè)計的系統(tǒng)具備小型化、功耗低、成本低、高速化等優(yōu)點(diǎn)，處理速度達(dá)到30幀／秒，檢測的精度在90%以上，滿足實(shí)時性檢測的要求。

［1］葛如海，陳彥博，劉志強(qiáng).基于計算機(jī)視覺的駕駛疲勞識別方法的研究［J］.中國安全科學(xué)學(xué)報，2006，16（9）：134－138.

［2］唐琎，許海柱，王立.圖像中人眼檢測技術(shù)綜述［J］.計算機(jī)應(yīng)用研究，2008，25（4）：961－965.

［3］張希坤.視線跟蹤關(guān)鍵技術(shù)研究及其在TI－DSP DM642上的實(shí)現(xiàn)與優(yōu)化［D］.西安：西北工業(yè)大學(xué)，2005.

［4］Amir A，Zimet L，Sangiovanni－Vincentelli A，et al.An embedded system for an eye－detection sensor［J］.Computer Vision and Image Understanding，2005，98（1）：104－123.

［5］田娥，莫易敏，廖張華，等.基于紅外光源的駕駛員實(shí)時檢測［J］.計算機(jī)工程，2007，33（7）：255－257.

［6］陳芳，姚建剛，楊迎建，等.灰度拉伸及邊緣掃描在紅外圖像分割中的應(yīng)用［J］.計算機(jī)工程與應(yīng)用，2009，45（14）：167－169.

［7］胡斌，宮寧生.一種改進(jìn)的 Otsu閾值分割算法［J］.微電子學(xué)與計算機(jī)，2009，26（12）：153－155.

［8］Huang D Y，Wang C H.Optimal multi－level thresholding using a two－stage Otsu optimization approach［J］.Pattern Recognition Letters，2009，30（3）：275－284.

［9］Zhou Z H，Geng X.Projection functions for eye detection［J］.Pattern Recognition，2004，37（5）：1049－1056.

［10］崔連延，徐林，顧樹生.基于復(fù)雜度和最佳閾值的人眼定位方法［J］.控制工程，2008，15（1）：11－14.