如何為駕駛員提供一個(gè)有效實(shí)用的安全輔助駕駛系統(tǒng)是車輛安全駕駛的一個(gè)重要課題?；跈C(jī)器視覺的疲勞駕駛檢測(cè)技術(shù)已在國內(nèi)外開展了廣泛研究，其中以駕駛員眼部特征的檢測(cè)最為廣泛。

本文以低成本、低功耗、高實(shí)時(shí)性為設(shè)計(jì)原則，以ARM+DSP構(gòu)成硬件平臺(tái)，并移植了嵌入式操作系統(tǒng)Windows CE 5.0，設(shè)計(jì)了一套基于駕駛員眼部特征的疲勞駕駛檢測(cè)算法，對(duì)駕駛員駕駛過程進(jìn)行實(shí)時(shí)檢測(cè)和報(bào)警，從而提高駕駛的安全性與舒適性。

1 硬件平臺(tái)設(shè)計(jì)

系統(tǒng)硬件平臺(tái)選用三星公司ARM9架構(gòu)的S3C2440作為核心處理器，利用TI公司的TMS320DM642作為視頻采集處理模塊，其結(jié)構(gòu)框圖如圖1所示。DSP平臺(tái)主要負(fù)責(zé)采集圖像、圖像算法處理，ARM平臺(tái)主要完成整個(gè)系統(tǒng)的控制處理，兩者之間通過網(wǎng)口實(shí)現(xiàn)通信和同步。在系統(tǒng)運(yùn)行過程中，ARM平臺(tái)可實(shí)時(shí)顯示采集到的視頻以及相應(yīng)眼部疲勞特征識(shí)別的結(jié)果，同時(shí)用戶可通過觸摸屏交互界面對(duì)系統(tǒng)進(jìn)行設(shè)置和控制。為保證系統(tǒng)平臺(tái)具有高的可靠性以實(shí)現(xiàn)復(fù)雜的系統(tǒng)調(diào)度，在設(shè)計(jì)過程中對(duì)本系統(tǒng)各平臺(tái)進(jìn)行了操作系統(tǒng)移植，DSP平臺(tái)移植了DSP/BIOS系統(tǒng)，ARM平臺(tái)移植了Wince操作系統(tǒng)。

S3C2440是一款基于ARM92OT核的16/32 bit RSIC結(jié)構(gòu)的嵌入式微處理器，主頻為400 MHz，最高可達(dá)533 MHz；片內(nèi)外資源豐富，具有強(qiáng)大的處理能力。系統(tǒng)存儲(chǔ)擴(kuò)展了64 MB的NANDFlash、64 MB的SDRAM；另外還有2 MB的NORFalsh，用于存放系統(tǒng)引導(dǎo)加載程序[1]。

TMS320DM642芯片[2]能夠?qū)崟r(shí)高速地完成大數(shù)據(jù)量的數(shù)字視頻編解碼處理，是強(qiáng)大的高性能單片多媒體處理器，具有高質(zhì)量、多通道、優(yōu)越的視頻處理性能，以及完整的軟件可編程特性；基于C64x系列VelociTI.2DSP 架構(gòu)的設(shè)計(jì)，與TI公司其他的C64x數(shù)字信號(hào)處理器代碼相兼容，擁有500/600 MHz時(shí)鐘頻率，性能高，其傳輸速率達(dá)4 000/4 800 MIPS；不僅具有C64x系列芯片的主要特征，還高度集成了音視頻等外部設(shè)備的接口，方便多媒體應(yīng)用開發(fā)。

2 圖像識(shí)別算法

2.1 總體檢測(cè)流程

首先，根據(jù)臉部膚色的聚類特性檢測(cè)駕駛員臉部位置，在人臉檢測(cè)的基礎(chǔ)上，根據(jù)眼睛在人臉上的幾何位置分布，確定眼睛的大概位置，縮小眼部檢測(cè)的區(qū)域范圍；其次，在縮小的眼部搜索區(qū)域范圍內(nèi)，利用Sobel邊緣檢測(cè)算法對(duì)眼部區(qū)域進(jìn)行邊緣檢測(cè)，提取眼部的邊緣信息，并對(duì)其進(jìn)行二值化處理；再對(duì)二值化后的眼部區(qū)域進(jìn)行連通成分分析，采用基于區(qū)域連通的二值圖像濾波方法去除眼部周圍圖像噪聲點(diǎn)的干擾；然后根據(jù)改進(jìn)的積分投影算法，計(jì)算左右眼角和上下眼瞼的距離，確定駕駛員眼睛的睜閉狀態(tài)；最后，定義眨眼頻率，并據(jù)此實(shí)現(xiàn)疲勞駕駛的檢測(cè)。具體的算法流程如圖2所示。


2.2 基于膚色聚類的人臉檢測(cè)

膚色對(duì)面部表情、頭部旋轉(zhuǎn)以及圖像尺度的變化不敏感， 但是人臉檢測(cè)的一個(gè)重要特征。在HSV 顏色空間， 圖像的照度和色度是分離的，膚色聚類更緊密， 不易受周圍光線的影響。因此， 本文采用基于RGB 和HSV 顏色空間的膚色聚類算法對(duì)駕駛員臉部進(jìn)行檢測(cè)。從攝像頭采集的圖像為RGB 格式， 可以利用式(1)實(shí)現(xiàn)從RGB 顏色空間到HSV 空間的轉(zhuǎn)換[ 3]。



2.3 眼部感興趣區(qū)域確定

假設(shè)檢測(cè)出的人臉區(qū)域長度為HF、寬度為WF， 在豎直方向上， 眼睛大概位于臉部二分之一以上、頭頂以下
HF/5 的區(qū)域。在水平方向上， 眼部邊界區(qū)域被定位于距離臉部左邊界WF/8 處開始到距離臉部右邊界WF/8 處
的區(qū)域。根據(jù)上述原則， 初始眼部檢測(cè)區(qū)域?yàn)槿鐖D3 中所示的矩形EFGH 區(qū)域。

[!--empirenews.page--]

2.4 基于Sobel 算子的邊緣檢測(cè)

邊緣是圖像灰度變化劇烈的地方， 在從皮膚到眼白再到瞳孔的變化過程中， 包含了豐富的眼部圖像邊緣信
息， 因此可以用邊緣提取的方法將眼部邊緣提取出來作為人眼檢測(cè)和定位的基礎(chǔ)。利用Sobel 邊緣算子對(duì)初始眼部檢測(cè)區(qū)域進(jìn)行邊緣檢測(cè)，能夠有效地將眼部邊緣提取出來。Sobel 算子可用矩陣形式表示為：


2.5 改進(jìn)積分投影算法確定左右眼角和上下眼瞼的距離

對(duì)濾波后的二值圖像， 首先將初始眼部檢測(cè)區(qū)域EFGH 從水平方向的中線位置分成如圖3 所示的左右兩個(gè)部分(即右眼檢測(cè)區(qū)域EMNH 和左眼檢測(cè)區(qū)域MFGN)，然后利用改進(jìn)積分投影算法分別在左右眼檢測(cè)區(qū)域內(nèi)確定左右眼的左右眼角距離及上下眼瞼距離。因左、右眼的參數(shù)確定方法類似，故僅以右眼檢測(cè)區(qū)域EMNH 為例說明參數(shù)的確定過程。具體實(shí)現(xiàn)過程如下：

(1)為避免計(jì)算過程中眼睛上方眉毛對(duì)定位結(jié)果的影響， 算法在確定上下眼瞼邊緣， 從右眼檢測(cè)區(qū)域EMNH
的最下方一行像素開始向上搜索，逐行從左至右統(tǒng)計(jì)每行中灰度值等于1 的像素個(gè)數(shù)， 并將第i 行中灰度值為
1 的像素個(gè)數(shù)之和存放在數(shù)組Nc [i] 中， 規(guī)定右眼檢測(cè)區(qū)域EMNH 的最下方一行為第0 行， 即i=0 ； 每搜索統(tǒng)計(jì)完一行后i 自動(dòng)加1。

(2) 對(duì)當(dāng)前第i 行中灰度值等于1 的像素的個(gè)數(shù)之和進(jìn)行統(tǒng)計(jì)計(jì)算， 如果：


3 實(shí)驗(yàn)與分析

為驗(yàn)證眼睛疲勞特征檢測(cè)算法的有效性，在構(gòu)建的ARM+DSP系統(tǒng)上對(duì)采集到的視頻圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證。在滬寧高速南京段的實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)將算法處理時(shí)間控制在50 ms以內(nèi)，取得了良好的實(shí)時(shí)效果，疲勞駕駛檢測(cè)正確率達(dá)97.6%。部分圖像的眼部區(qū)域檢測(cè)結(jié)果如圖4所示，其中，第一行為人臉檢測(cè)后的面部定位圖像，第二行為經(jīng)Sobel邊緣檢測(cè)后的眼部二值圖像，第三行為得到的眼部邊界定位圖像。

通過觀察發(fā)現(xiàn)，通常情況下，駕駛員在睜眼和閉眼時(shí)，左、右眼的睜閉情況是同步的，即同時(shí)睜開或同時(shí)閉合。因此，在對(duì)眼睛睜閉狀態(tài)進(jìn)行判斷時(shí)，為減少計(jì)算量，僅對(duì)左眼的睜閉情況進(jìn)行判斷。針對(duì)圖4所示的眼部區(qū)域檢測(cè)結(jié)果，利用式(8)計(jì)算其左眼睜閉度的大小，計(jì)算結(jié)果如表1所示。
由表1可知，圖4中第一列和第二列所示的眼睛閉合時(shí)的睜閉度值明顯小于第三列和第四列所示的眼睛睜開時(shí)的睜閉度值。故只要選擇合適的閾值，根據(jù)眼睛睜閉度值的大小，就可對(duì)駕駛員眼睛的睜閉狀態(tài)進(jìn)行有效判斷。

本文在ARM+DSP系統(tǒng)上實(shí)現(xiàn)了基于眼部特征的疲勞駕駛檢測(cè)算法。利用基于膚色聚類的臉部檢測(cè)算法確定臉部邊界，采用一種簡單有效的改進(jìn)積分投影算法，實(shí)現(xiàn)了駕駛員眼部睜閉狀態(tài)的有效判定和疲勞駕駛的實(shí)時(shí)檢測(cè)。