基于ZYNQ AP SoC的安全駕駛系統(tǒng)設(shè)計(jì)

　具體算法分析：

　　(1)本系統(tǒng)的臉部采集算法采用基于Haar特征的AdaBoost級聯(lián)分類器，其具有精度和速度較快的優(yōu)點(diǎn)，在AdaBoost算法中，核心思想是針對同一個(gè)訓(xùn)練集訓(xùn)練不同的弱分類器，然后聚合起來，構(gòu)成強(qiáng)分類器。它根據(jù)每次訓(xùn)練集中的每個(gè)樣本進(jìn)行分類判決，以及上一次的總體分類的準(zhǔn)確度來決定每個(gè)樣本的權(quán)值，最后將每次訓(xùn)練得到的分類器融合起來，作為最終的判決分類器，運(yùn)行在ARM嵌入式系統(tǒng)上，檢測速度較慢。而因?yàn)轳{駛位置相對固定，當(dāng)系統(tǒng)啟動(dòng)時(shí)，通過detectMultiScale函數(shù)對駕駛員位置和臉部五官進(jìn)行初定位，這樣可以通過駕駛員坐標(biāo)，分割圖像，降低分類器級數(shù)，提高檢測速度。而且，駕駛員駕駛機(jī)動(dòng)時(shí)候，位置基本無變化，可采取隔2幀圖像檢測一次人臉位置，并更新的駕駛員位置坐標(biāo)值。另外，由于人臉五官在臉部中的位置分布是固定的，可采用初始化時(shí)得到的五官坐標(biāo)分布與五官之間的距離，提取檢測圖像的ROI部分，進(jìn)一步降低運(yùn)算量。 部分程序如下：

　　pFaceCas->detectMultiScale(dstImFull,faceRectInit,1.1,2,0,Size(30,30));

　　pEyesCas->detectMultiScale(dstGImeyes,eyeRectInit,1.1,4,0|CV_HAAR_SCALE_IMAGE , Size(5,5) );

　　faceRectInitV=Rect(faceRectInitVX,faceRectInitVY,faceRectInitVW,faceRectInitVH*6/5);

　　dstGImface = dstImFull(faceRectInitV);

　　檢測效果如圖5，檢測統(tǒng)計(jì)結(jié)果如表1。

　　(2)采用morphologyEx函數(shù)，對識(shí)別提取的眼和嘴巴ROI圖像進(jìn)行開運(yùn)算形態(tài)學(xué)濾波。開運(yùn)算算法實(shí)際是對圖像先進(jìn)性腐蝕后膨脹，而形態(tài)學(xué)圖象處理表現(xiàn)為一種鄰域運(yùn)算形式，一種特殊定義的鄰域稱之為“結(jié)構(gòu)元素”(Structure Element)，它在每個(gè)像素位置上與二值圖象對應(yīng)的區(qū)域進(jìn)行特定的邏輯運(yùn)算，邏輯運(yùn)算的結(jié)果為輸出圖象的相應(yīng)像素。開運(yùn)算能達(dá)到消除小物體、在纖細(xì)點(diǎn)處分離物體、平滑較大物體的邊界的同時(shí)并不明顯改變其面積的效果，假設(shè)給定二值圖象B(x,y)和作為結(jié)構(gòu)元素的二值模板X(i,j)。

　　腐蝕運(yùn)算：

　　開運(yùn)算：

　　開運(yùn)算程序如下：

　　Mat element = getStructuringElement(MORPH_RECT,Size(3,3));

　　Mat element2 = getStructuringElement(MORPH_RECT,Size(7,7));

　　morphologyEx(leyeT,leyeTm,MORPH_ERODE,element); // 腐蝕

　　morphologyEx(leyeTm,leyeTm,MORPH_DILATE,element2); // 膨脹

　　開運(yùn)算效果如圖6。

　　(3)OpenCV里面的findcontours算子能標(biāo)記并提取臉部五官輪廓，通過提取出來的輪廓，計(jì)算得到眼睛、嘴巴的最大逼近張開度，然后通過比較，可判斷出駕駛員的眼睛開閉狀態(tài)、打哈欠次數(shù)。處理效果如圖7，代碼實(shí)現(xiàn)如下：

　　vector> contours;

　　vectorhierarchy;

　　Mat image1 = dstTImmouth.clone();

　　findContours(image1,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

　　int i = 0 ;int crea;

　　for( ;i

　　crea = fabs(contourArea(contours[i]));

　　if(crea>=500) {cout<

　　qDebug()<<crea<<endl; p="" }

　　Rect box = boundingRect(contours[i]);

　　dstTImmouth = dstTImmouth(box);

4 行車記錄與酒精檢測

　　隨著道路上機(jī)動(dòng)車數(shù)量的增多，在開車的路上難免有小刮小碰，遇到撞車黨和碰瓷黨的事件常有發(fā)生，所以本系統(tǒng)集成有行車記錄儀功能，記錄每一個(gè)行車過程的細(xì)節(jié)，維護(hù)司機(jī)的合法權(quán)益。如圖8，系統(tǒng)具有清除內(nèi)存、內(nèi)存剩余量、續(xù)航時(shí)間報(bào)時(shí)和回播功能。同時(shí)，系統(tǒng)集成了12位精度的數(shù)模轉(zhuǎn)換器和酒精傳感器，實(shí)時(shí)對酒駕行為提出警報(bào)。

5 結(jié)論

　　本系統(tǒng)在ZYNQ ApSoC平臺(tái)下，集成疲勞檢測、行車記錄、酒駕判斷功能，對人臉檢測算法進(jìn)行了嵌入式架構(gòu)移植，對AdaBoost算法進(jìn)行了嵌入式優(yōu)化，利用ZYNQ的ARM+FPGA的架構(gòu)優(yōu)勢，在(PL)FPGA端對圖像進(jìn)行了灰度轉(zhuǎn)換預(yù)處理，在PS(ARM)端，對來自PL端的圖像進(jìn)行了降噪和人臉檢測、人臉五官特征值提取。

　　本系統(tǒng)的運(yùn)行圖如圖9，通過實(shí)驗(yàn)，參考表1，識(shí)別率較高，達(dá)到了預(yù)定的功能，適用于車輛防止交通事故的發(fā)生等一體化行車安全場景，加以完善，有廣泛的應(yīng)用前景。

參考文獻(xiàn)：

　　[1]李慶梅,鐘燕科.機(jī)車司機(jī)疲勞駕駛監(jiān)測[J].制造業(yè)自動(dòng)化,2011(24):50-53.

　　[2]Mike Santarini.Zynq-7000 EPP為創(chuàng)新開啟新時(shí)代[J].電子技術(shù)應(yīng)用,2011(07):29-31.

　　[3]邢艷芳,張延冬.基于Zynq的OLED驅(qū)動(dòng)設(shè)計(jì)[J].液晶與顯示,2014(02):75-79.

　　[4]逯沛龍,符意德.圖像預(yù)處理算法在ZYNQ芯片上的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程,2015(06):184-186+206.

　　[5]張瑩,李勇平,敖新宇.基于OpenCV的通用人臉檢測模塊設(shè)計(jì)[J].計(jì)算機(jī)工程與科學(xué),2011(01):101-105.

　　[6]楊定禮,趙正敏,白秋產(chǎn).基于Adboost與空間支持向量域分類的人臉檢測[J].電路與系統(tǒng)學(xué)報(bào),2013(02):325-329.

　　[7]陳健.基于眼動(dòng)數(shù)據(jù)和PERCLOS的管制員疲勞狀態(tài)研究[J].無線互聯(lián)科技,2015(10):135-136.

　　[8]楊捷,高增梁,湯健彬.基于ARM的新型行車記錄儀[J].儀器儀表學(xué)報(bào),2004:320-321.

本文來源于《電子產(chǎn)品世界》2017年第2期第38頁，歡迎您寫論文時(shí)引用，并注明出處。