基于ADSP—BF609的駕駛員疲勞檢測系統(tǒng)研究

摘 要：設計了一種可檢測駕駛員駕駛狀態(tài)的裝置，使用圖像傳感器采集駕駛員的面部信息，通過圖像識別，分析駕駛員的駕駛狀態(tài)。當探測到駕駛過程中存在疲勞駕駛情況時，裝置可以進行必要的報警，減少疲勞駕駛行為的發(fā)生，減少交通事故從而，改善交通狀況。實驗表明，裝置在駕駛過程中，不會對駕駛員造成任何干擾，可以正確、及時、有效的識別疲勞駕駛情況，具有良好的實用性。

關鍵詞：疲勞駕駛；視覺；PERCLOS；ADSP-BF609

前言

隨著經(jīng)濟的飛速發(fā)展，汽車作為一種交通工具，對人們的生活產(chǎn)生越來越廣泛的影響。然而隨著汽車保有量的增加，道路交通事故與日俱增。疲勞駕駛作為交通事故發(fā)生的主要原因之一，已經(jīng)引起了社會的廣泛關注。統(tǒng)計數(shù)據(jù)表明，2007年至2009年，由疲勞駕駛引起的交通事故死亡人數(shù)已占到交通肇事的死亡總數(shù)的10%以上[1]。可見，疲勞駕駛對人們生活造成的危害度越來越深。針對居高不下的死亡人數(shù)，開發(fā)一種防止駕駛員疲勞駕駛的裝置顯得尤為重要，對改善道路交通狀況具有重大意義。

1 系統(tǒng)設計

目前檢測車輛是否存在疲勞駕駛，主要有兩種途徑：基于駕駛員狀態(tài)的檢測方法和基于車輛運行狀態(tài)的檢測方法。駕駛員狀態(tài)包括生理指標及行為，如腦電圖、心電圖、低頭、眨眼等與疲勞相關且能夠被檢測的項目。通過對駕駛員的檢測，直接進行駕駛行為判斷。檢測車輛的運行狀態(tài)指檢測在駕駛途中，車輛的運行軌跡及駕駛員對車輛的控制情況。如在疲勞駕駛過程中，駕駛員對車輛的操作減少，車輛易出現(xiàn)左右緩慢轉彎的現(xiàn)象。通過對車輛行駛情況的間接檢測，判斷駕駛員狀態(tài)。這兩種檢測的手段在理論上都具有可行性，但在實際應用中均有各自的不足。

本系統(tǒng)采用基于視覺的駕駛員疲勞檢測方法，直接檢測駕駛員眼部區(qū)域，計算行駛中的眨眼頻率，從而判斷駕駛員是否為疲勞狀態(tài)。系統(tǒng)主要包含：圖像采集模塊、外圍電路、檢測算法模塊、反饋輸出模塊。系統(tǒng)框圖如圖1。

裝置通過安裝于車輛內(nèi)后視鏡下方的圖像傳感器，實時采集駕駛員面部圖像信息，利用圖像處理算法對采集的圖像進行處理，最終得到駕駛員是否疲勞的結果，當識別結果為疲勞駕駛時，通過LED及蜂鳴器對駕駛員進行危險警示。

基于視覺的檢測方法為非接觸式測量，不對駕駛過程造成任何影響，相比于其他原理的檢測方法，具有更高的實用性。

2 硬件設計

對裝置性能具有重要影響的主要元器件包括：ADSP-BF609處理器和OV10633圖像傳感器。硬件框圖如圖2。

ADSP-BF609，它是ADI公司推出的高性能雙核DSP處理器，采用了ADI公司的Inter微信號架構。該芯片針對嵌入式視覺應用進行了優(yōu)化，并配備了一種稱為“流水線視覺處理器（PVP）”的高性能視頻分析加速器[2]。它是ADI高性能產(chǎn)品，其強大的性能可以滿足該裝置對實時性的嚴格要求。

OV10633 CMOS圖像傳感器，分辨率高達100萬像素，擁有并行的輸出引腳，可以輸出YUV的圖像格式。通過SCCB協(xié)議可以對OV10633內(nèi)寄存器進行編程，設置自動白平衡、伽馬校正等功能，同時也可以設置圖像的輸出分辨率及輸出頻率，以保證系統(tǒng)以最優(yōu)的性能運行。

3 軟件設計

疲勞駕駛檢測系統(tǒng)軟件模塊主要由圖像采集模塊、面部定位模塊、眼睛定位模塊、神經(jīng)網(wǎng)絡模塊、疲勞判斷模塊等子模塊構成。系統(tǒng)軟件框圖如圖3。

（1）圖像采集模塊：主要負責接收從攝像頭采集的圖像，并將采集的圖像轉換為系統(tǒng)所需要的圖像格式。

（2）面部定位模塊：在全景圖像上進行膚色檢測、頭發(fā)檢測從而實現(xiàn)對于面部的定位。

（3）眼睛定位模塊：在面部區(qū)域內(nèi)，根據(jù)色彩以及位置關系等，實現(xiàn)對于眼睛的精準定位。

（4）疲勞判斷模塊：根據(jù)PERCLOS原理，實現(xiàn)對于駕駛員疲勞狀態(tài)的判斷。

3.1 圖像采集模塊

SCCB協(xié)議是OmniVision公司開發(fā)的串行攝像頭控制總線（Serial Camera Contral Bus），它用于對CMOS圖像傳感器芯片中的寄存器進行讀寫。系統(tǒng)上電后需要對CMOS圖像傳感器進行初始化，設置圖像的開窗位置、開窗大小和彩色工作模式等，這些參數(shù)是受內(nèi)部相應寄存器的值控制的，可通過SCCB總線對其進行設置。

在軟件中通過SCCB協(xié)議，對OV10633內(nèi)部寄存器進行編程，使之輸出1280*800的YUV422格式圖像數(shù)據(jù)。系統(tǒng)軟件后期的算法需要對RGB格式數(shù)據(jù)進行處理，故需要對圖像進行格式轉換，以獲得RGB格式圖像。

YUV422格式是YUV色彩空間的一種數(shù)據(jù)格式。YUV色彩空間的基本特征是將亮度信號和色度信號分離表示，Y表示亮度信號，U表示藍色色差信號，V表示紅色色差信號[3]。YUV422與RGB的轉換公式如（1）所示。

3.2 面部定位模塊

算法對全景區(qū)域進行彩色空間變換，根據(jù)建立的膚色模型，計算每塊像素點與膚色的相似度，并進行二值化。再利用連通域算法，根據(jù)每塊皮膚區(qū)域的面積、位置，合并相關區(qū)域、排除雜質，最終實現(xiàn)對于面部的定位。

彩色空間的變換，就是將RGB顏色空間映射到YCbCr顏色空間，因為人類膚色在YCbCr顏色空間上能夠較好地體現(xiàn)膚色的聚類特性。YCbCr與RGB的轉換公式如（2）所示。

（2）

YCbCr 空間歸一化色度直方圖后，膚色滿足二維高斯模型，如（3）所示。

M=（m，c） （3）

其中m為均值，C為協(xié)方差。通過這個膚色模型能夠較好地區(qū)分面部區(qū)域和非面部區(qū)域。根據(jù)膚色模型建立的二值化圖像，對其進行連通域分析，根據(jù)膚色區(qū)域的面積與位置分布，最終判斷面部的位置。

3.3 眼睛定位模塊

面部定位模塊得到面部區(qū)域后，先對該分區(qū)內(nèi)進行二值化。二值化圖像后，非皮膚器官（如眼鏡框、眼睛、頭發(fā)、眉毛等）就被提取了出來，算法綜合考慮頭發(fā)、眼鏡框、眉毛、歪頭等因素，自上而下對眼部感興趣區(qū)域二值化圖像進行掃描篩選其連通域，根據(jù)其連通域的位置、大小等信息最終確定眼睛位置。

3.4 疲勞判斷模塊

在獲得眼睛位置后，選擇合適的閾值，對眼部進行二值化，區(qū)分瞳孔及周圍區(qū)域并計算瞳孔所占面積。裝置在開始3分鐘內(nèi)進行訓練，以獲取駕駛員正常狀態(tài)下的瞳孔面積。訓練結束、正常檢測開始后，將實時計算的面積與正常狀態(tài)的面積進行對比，從而判斷眼睛的閉合情況，并計算一段時間內(nèi)的眨眼頻率。

PERCLOS疲勞檢測算法被廣泛應用到機器視覺系統(tǒng)中。根據(jù)PERCLOS標準，設P為PERCLOS值，t單位為單位時間，t閉合為在此單位時間內(nèi)眼睛閉合的時間，按照定義，計算公式為[4]（4）：

P=■（4）

在一定時間段內(nèi)，P值將直接反映駕駛員是否疲勞。系統(tǒng)中，P的閾值選擇為40%，這一值在疲勞判定中的應用最為廣泛，即閉眼時間占單位時間40%以上時，認為是疲勞狀態(tài)；反之，閉眼時間不足40%，認為是非疲勞狀態(tài)。

4 測試

測試過程中，志愿者通過閉眼及頻繁眨眼的方式，模擬疲勞駕駛狀態(tài)，通過觀察規(guī)定時間內(nèi)，裝置是否進行響應，從而判斷裝置的運行狀況。裝置在實車環(huán)境下，經(jīng)過早晨、正午、黃昏的多組測試，每組進行20次模擬，運行結果統(tǒng)計如表1。

測試結論：共測試120人次，其中誤判發(fā)生17次，準確率約為85.8%，在三個時間段內(nèi)，能夠檢測出駕駛員的疲勞狀態(tài)。

5 結束語

在檢測疲勞駕駛的各類方法中，基于視覺的方法具有非接觸、準確率高、實時性強的優(yōu)勢，因此這種檢測方法將是未來的發(fā)展趨勢。隨著軟件功能及算法的進一步優(yōu)化，必將克服使用中的一些障礙。隨著疲勞駕駛檢測在車輛中的大范圍推廣，車輛及道路安全水平將會得到大幅提升。

參考文獻

[1]2009年全國道路交通事故概況[J].道路交通管理，2009（1）：6-8.

[2]胥京宇.ADI推出高性能Blackfin處理器[J].世界電子元器件，

2012，5.

[3]楊春山，王雪梅.基于DSP平臺的圖形顯示的研究與應用[J].計算機與數(shù)字工程，2013（3）：480-483.

[4]苑瑋琦，滕紅艷.眼睛疲勞程度判定方法研究[J].計算機工程與應用，2013，49（17）：199-203.

作者簡介：劉征宇（1990-），男，本科，助理工程師，研究領域：人工智能。