基于FPGA平臺的實時人眼檢測系統設計＊

李秀圣，郭偉峻

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

人眼檢測系統在疲勞駕駛、人臉識別、人機交互、視頻監控等方面具有廣泛的應用［1］。目前，用于人眼檢測的方法主要包括積分投影、模板匹配和統計的方法［2］。其中，積分投影法實現的系統對人臉的姿態非常敏感，特別是在人眼處的波峰和波谷位置，導致檢測準確率低；而基于模板匹配和統計的方法難以在硬件上實現。在實現平臺上，大部分人眼檢測系統基于PC機實現，存在體積大、功耗高的缺點；小部分系統基于DSP平臺實現［3］，但指令的執行以串行方式進行，難以滿足系統實時檢測的要求。

FPGA具有數據并行處理的特點，指令執行速度快，易于滿足實時性檢測的要求。并且可以通過硬件描述語言結合FPGA內部資源進行邏輯電路設計，而不需要附加專用芯片，利于實現系統的小型化［4］，基于以上考慮，本系統選取FPGA作為硬件實現平臺。在系統實現方法上，根據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行差分，然后通過圖像處理，結合改進的復雜度算法最終獲得人眼位置。

1 系統結構及工作原理

系統的硬件結構主要由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，其中紅外光源由內外兩圈環形的LED燈產生，外圈是波長為940nm的紅外LED燈，內圈是波長為850nm的紅外LED燈。

系統工作流程如圖1所示，CMOS圖像傳感器經12C配置電路初始化后輸出行有效信號、幀有效信號、像素時鐘信號及數據信號。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行差分，即可獲得具有亮瞳孔效應、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行分割、積分投影等處理即能準確定位人臉；最后對定位的人臉區域利用改進的復雜度算法進行人眼定位。

幀緩沖模塊由SDRAM控制器和3個FIFO組成，其中SDRAM控制器負責外部SDRAM的度讀、寫操作，Write＿FIFO用于數據輸入、Read＿FIFO1和Read＿FIFO2用于輸出兩幀相鄰的圖像數據，系統檢測后的圖像利用VGA控制器顯示在顯示器上。

圖1 系統工作流程圖

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

進行灰度拉伸的目的是提高目標圖像與背景之間的對比度，以便于圖像進行分割處理［6］。具體實現過稱為：從系統中取出一幀差分后的圖像進行灰度拉伸，將像素灰度值處于［20，255］區間的像素點線性映射到［0，255］區間，灰度值小于20的像素點映射為0。兩者的對比如圖3所示，可見經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

圖像分割的關鍵是選取恰當的閾值，這樣才能有效的將目標圖像從背景中分割出來。本設計采用自適應閾值法中的最大類間方差法實現閾值選取［7］。設一副圖像的灰度值為0～（l－1），灰度值為i的像素個數為ni，總像素個數為N，則各像素值的概率Pi＝ni／N。設以灰度值t將圖像中的像素按灰度值分為兩個區域，則最大類間方差的表達式為：

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，通過實現測得系統的處理速度可達30幀／秒，故可將當前幀的分割閾值用于下一幀，而不必設計專門的當前幀存儲電路，從而降低硬件實現的復雜度，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，可以將人臉區域從背景中進行分離，這樣就可以利用積分投影的方法得到人臉的邊界。在區間［x1，x2］和［y1，y2］內的水平積分投影函數和垂直積分投影函數分別表示為［9］：

通過實驗發現，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水平方向積分投影值最大值的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，本設計中人臉的下邊界為上邊界加左右邊界的距離，其定位結果如圖5所示。

圖4 閾值分割后的圖像

圖5 人臉區域定位結果圖像

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雜度算法來實現。同時，對定位出的人臉區域進行人眼檢測，不僅縮小了檢測范圍，加快檢測速度，而且還排除了人臉區域外的干擾，提高了人眼檢測的精度。

圖像復雜度的數學定義為：設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，則圖像塊的復雜度為［10］：

本設計選取的圖像塊大小為3＊3，如圖6所示。經實驗發現，相鄰兩點間進行復雜度的計算沒有取得理想效果，通過對復雜度算法進行改進，在3＊3的圖像塊中選取4個像素點，使用公式Com＝｜x11－x33｜＋｜x13－x31｜進行復雜度計算，能夠得到較好的效果。

圖6 實驗選取的3＊3圖像塊

圖7 人眼定位結果及在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圖像窗口的構造通過調用移位寄存器的IP核Shift register實現，輸入和輸出的數據位寬為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。人眼定位結果圖像及在VGA上的顯示如圖7所示。

4 結束語

利用人眼對不同波長的紅外光具有不同反射率的原理，結合圖像差分方法在FPGA平臺上實現了人眼檢測系統。利用FPGA處理速度快、資源豐富的特點使設計的系統具備小型化、功耗低、成本低、高速化等優點，處理速度達到30幀／秒，檢測的精度在90%以上，滿足實時性檢測的要求。

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

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

［3］張希坤.視線跟蹤關鍵技術研究及其在TI－DSP DM642上的實現與優化［D］.西安：西北工業大學，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時檢測［J］.計算機工程，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用［J］.計算機工程與應用，2009，45（14）：167－169.

［7］胡斌，宮寧生.一種改進的 Otsu閾值分割算法［J］.微電子學與計算機，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.基于復雜度和最佳閾值的人眼定位方法［J］.控制工程，2008，15（1）：11－14.