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算法，對駕駛員駕駛過程進(jìn)行實(shí)時(shí)檢測和報(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 總體檢測流程
    首先，根據(jù)臉部膚色的聚類特性檢測駕駛員臉部位置，在人臉檢測的基礎(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邊緣檢測算法對眼部區(qū)域進(jìn)行邊緣檢測，提取眼部的邊緣信息，并對其進(jìn)行二值化處理；再對二值化后的眼部區(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。具體的算法流程如圖2所示。

3 實(shí)驗(yàn)與分析
    為驗(yàn)證眼睛疲勞特征檢測算法的有效性，在構(gòu)建的ARM+DSP系統(tǒng)上對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，疲勞駕駛檢測正確率達(dá)97.6%。部分圖像的眼部區(qū)域檢測結(jié)果如圖4所示，其中，第一行為人臉檢測后的面部定位圖像，第二行為經(jīng)Sobel邊緣檢測后的眼部二值圖像，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，在對眼睛睜閉狀態(tài)進(jìn)行判斷時(shí)，為減少計(jì)算量，僅對左眼的睜閉情況進(jìn)行判斷。針對圖4所示的眼部區(qū)域檢測結(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算法。利用基于膚色聚類的臉部檢測算法確定臉部邊界，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。
參考文獻(xiàn)
[1] 楊忻愷，張為公，于兵，等.基于DSP的車載視頻監(jiān)控存儲(chǔ)系統(tǒng)的設(shè)計(jì)[J].電子器件，2009，32(4)：805-808.
[2] 袁慶輝.基于TMS320DM 642的車道偏離預(yù)警系統(tǒng)設(shè)計(jì)[J].制造業(yè)自動(dòng)化，32(5)：70-72.
[3] Li S H，Guo G Z.The application of improved HSV color space model in image processing[C].Proceedings of the 2010 International Conference on Future Computer and Communication，2010：210-213.
[4] LIN H J，WANG S Y，YEN S H，et al.Face detection based on skin color segmentation and neural network[C].Proceedings of 2005 International Conference on Neural Networks and Brain Proceedings，2005：1144-1149.
[5] SUN W，ZHANG W G，LI X，et al.Driving fatigue fusion detection based on T-S fuzzy neural network evolved by subtractive clustering and particle swarm optimization[J].Journal of Southeast University(English Edition)，2009，25(3)：356-361.