基于DM8127的嵌入式疲勞駕駛預警系統的研究

姚婭川,韓 強

（四川理工學院自動化與電子信息學院,四川自貢,643000）

基于DM8127的嵌入式疲勞駕駛預警系統的研究

姚婭川,韓 強

（四川理工學院自動化與電子信息學院,四川自貢,643000）

針對疲勞駕駛系統對實時性，非接觸性，無干擾性的要求，本系統采用以TI公司的TMS320DM8127達芬奇視頻處理器為架構核心，利用卡爾曼濾波和mean shift算法相結合的算法定位和跟蹤眼睛的狀態變化，并提取眼睛相關特征值。最后利用改進的疲勞狀態判定算法PERCLOS值對特征值處理判定駕駛員的疲勞狀態，通過語音提示達到預警效果。該系統在頭部傾斜、閉眼等實驗條件測試下，識別率達到90%以上。

TMS320DM8127；達芬奇；卡爾曼；PERCLOS

0 引言

人臉檢測已是一個比較成熟的研究方向，與人臉檢測相關衍生出來的疲勞駕駛系統遂成為研究的熱點。 疲勞是一種生理狀態，同時也是人的一種精神狀態，反映在人的面部是一種比較容易判定的面部表情。結合人臉識別的技術，本課題組主要從駕駛員疲勞狀態量化為出發點，采用機器視覺的perclos值判定方法來判定疲勞等級。同時考慮到系統的實時性和非接觸性，設計了以DSP+ARM雙核的DM8127為硬件平臺，搭載實時性高、移植性好的Android系統，該設計系統可實現高速處理圖像，快速判定疲勞等級預警的要求。

1 系統設計

TMS320DM8127是一款高性能達芬奇系列視頻處理器，專為數字視頻、影像和視覺應用而設計。其優越性體現在系統控制方面和圖像處理方面分別由ARM和DSP進行處理，并針對視頻解碼和編碼進行了優化。由于DSP本身特有的結構和特性，使得其在圖像數據處理方面比普通的CPU具有更大的優勢。疲勞駕駛系統主要有圖像信息采集模塊、圖像顯示輸出模塊、邏輯同步控制模塊、數據存儲模塊、圖像數據信息處理模塊、語音報警、電源模塊、網絡傳輸模塊和結果顯示模塊。系統硬件設計如圖1：

本系統以DM8127為核心， CCD攝像頭采集視頻圖像信息，其輸出的模擬信號經TVP5150視頻解碼器數字化為BT.656視頻流數據并傳送至DM8127視頻端口。由于DM8127自身提供的通用視頻接口可以與TVP5150實現無縫鏈接，無需外加CPLD和FIFO。再經視頻端口解碼為YUV(4:2:2)格式的圖像暫存在視頻緩沖區，最后將緩沖區數據存儲在SDRAM中。DM8127可通過內部集成的I2C總線對視頻解碼器完成數據查詢和參數配置等操作。可見，DM8127和TVP5150構成的視頻采集系統具有很大的通用性和靈活性。

DM8127讀取存儲器中的信息并通過相應的人眼跟蹤定位算法、疲勞判別算法進行疲勞等級判別，當達到預警閾值時系統發出語音警告提示，最后由駕駛員自己決定取消或繼續行駛。

2 圖像采集系統

疲勞駕駛預警系統的視頻采集系統主要由DM8127、CCD攝像頭、視頻解碼芯片TVP5150和同步動態存儲器SDRAM構成。根據視頻采集過程對數據實時控制和有效傳輸要求，采取硬件中斷方式，將視頻端口內部的FIFO數據通過EDMA方式讀取到DSP中。通用的視頻端口通過EDMA輸入輸出的方式來傳輸數據。視頻驅動程序包括了類驅動和微驅動兩個模塊。上層的類驅動是FVID，其優點就是允許增加新領域的API，利用這一特性可實現視頻定制的應用接口。應用程序需要從微驅動獲得所有權才能使用，所以 FVID模塊 API函數的主要功能就是在應用程序和微驅動之間管理數據緩沖的所有權。

采用code engine機制完成ARM對接口的調用和初始化，和DSP之間數據的傳輸和處理。 修改buildutils/platform. xs文件來確定codec對應的平臺信息：

Var allDevices=new Array();

allDevices[‘OMAP3530’]={platforms:

ti.platforms.evm3530’. GPP.true. DSP’C64P};

修改完畢后分別進入 ti/sdo/ce/examples/codecs/，/ ti/sdo/ce/examples/exten-sions//ti/sdo/ce/examples/ servers/子目錄編譯生產目標文件。編譯成功后可以在codec和app內添加一系列的圖像處理算法。

3 算法設計

疲勞預警系統的算法主要包括圖像預處理、人眼跟蹤、人眼定位和疲勞狀態判別算法。根據疲勞狀態判定的要求，比較該領域內檢測算法的優缺點，本文采用最簡單有效的灰度投影積分法對人臉檢測和人眼定位，采用卡爾曼濾波和meanshifit算法對人眼進行跟蹤定位，并采用perclos值法作為疲勞判斷的依據。

3.1 人眼定位跟蹤算法

利用卡爾曼濾波和menshift算法相結合進行設計。卡爾曼濾波是用遞歸方法解決離散數據線性濾波的問題，以均方誤差極小作為判斷依據，是一種自適應濾波器。可根據當前幀的預測結果來判斷下一幀的預測結果，從而減小圖片運算量而提高跟蹤速度，進而提高精確度，這種運算量少的優點也更適合于嵌入式系統。

時間更新方程：

A為系統狀態轉移矩陣，u為可控輸入，B為輸入矩陣的增益，H為觀測矩陣，wk是在觀測過程中產生的激勵噪聲，vk則是觀測噪聲，我們假定wk, vk之間為相互獨立且都服從正態分布p(w)～N(0, Q),p(v)～N(0,R)。測量協方差，矩陣K被稱為卡爾曼增益，Q為狀態噪聲協方差矩陣，P為誤差協方差矩陣。R為觀測噪聲協方差矩陣。

圖1 系統硬件設計框圖

Meanshift算法可以概括為利用概率密度的梯度爬升來尋找局部最優，其物理意義即其向量總是指向概率密度增加最大的方向。在視頻序列的初始偵中，用灰度分量等信息來描述目標特征。

設目標的初始中心位置為x0, 潛在跟蹤目標中灰度u建立模型：

其中x0為搜索目標模板的中心坐標，xi表示模板中第i個象素的坐標，n表示象素總個數，；k（||x||2）表示核函數，h表示核函數的寬度；函數b和的作用是判斷第i個象素的灰度或顏色值是否屬于特征值u；C是一個歸一化系數，且表示特征個數。

根據上述公式（1） ，建立當前幀搜索目標中第u個待測模型為：

其中y0代表當前幀搜索窗口的中心坐標。

利用Bhattacharyya系數來表示初始偵目標特征值模型和當前幀目標的匹配程度，則相似度為：

將公式（3）按泰勒級數展開的線性部分并求極值，可使匹配程度最大，即當前幀目標與初始偵目標最大。計算meanshift向量，候選目標的下一個新位置：

將卡爾曼預測位置（xk，yk）與meanshift迭代位置y1的坐標(x,y)比較：

設定閾值T，當小于等于T，選擇均值[(x+xk)/2,(y+yk)/2]作為跟蹤結果，否則，選擇卡爾曼濾波的預測值作為跟蹤結果。

人眼定位跟蹤部分檢測圖如圖所示 分別在左傾斜/右傾斜、閉眼情況下對人眼跟蹤。在人臉轉動、閉眼、光照變化的情況下該算法具有較強的魯棒性。

3.2 疲勞檢測算法

PERCLOS原理是弗吉尼亞大學的Walt Wirewill研究眼睛光學變量與疲勞關系時提出的。即測量在一定時間內眼睛閉合時間所占的比例。經大量實驗證明其與疲勞程度有著密切關系。本文采取P80算法（即統計單位時間內，眼睛閉合程度為80%及以上的時間占總時間的百分比；）作為疲勞檢測算法，該算法經美國國家公路交通安全局證明與疲勞程度相關性較好。該算法的基本原理如圖4：

計算公式：

基于圖像處理幀數連續的特點，對PERCLOS值判定法進行離散化處理，即統計閉眼幀數占采樣幀數為80%的次數。

人在正常眨眼時眼睛閉合時間在0.2～0.3s時間之間，閉合持續時間超過0.5s則認為處于疲勞狀態。設定單位時間為0.6s，設置所用CCD攝像頭采集幀數為30/s，將時間比例轉換成幀數比則單次測試內PERCLOS 參數值是15幀圖像中閉合幀數所占的百分比。根據眼睛睜閉狀態識別法，當PERCLOS值＞40%時，則判定人為疲勞狀態，系統發出預警

當設定的閾值得出的疲勞駕駛警告不能滿足駕駛員自行判定，則系統會自我提高閾值進行下一步的判斷，從而達到最優疲勞判斷。

該方法充分的利用了灰度分布的特性進行匹配，計算簡單、跟蹤時間短，有較強的魯棒性，在頭部旋轉、傾斜或眼睛閉合的情況也能夠準確地跟蹤。在前后幀眼睛運動過快的情況下可能會出現跟蹤失敗，遇到這種情況時，可通過人臉檢測和眼睛定位來解決。

4 結束語

根據實驗測試效果來看，由于本系統先采用灰度圖像預處理，并采用卡爾曼濾波和meanshift結合的算法，能夠在光線變化下、頭部姿態不同的情況下迅速、準確地定位人眼，具有跟蹤時間短，魯棒性強等優點。同時考慮到人的眼睛眨眼頻率和時間不同，設定不同perclos參數閾值來進行疲勞判斷，達到了更好的效果。

王大偉，周軍等.人臉表情識別綜述[J].計算機工程與應用。2014, 50(20) 149.

Research on Fatigue Driving Alarm Embedded System based on DM8127

Yao Yachuan,Han Qiang
（School of Automation and Electronic Information,Sichuan University of Science & Engineering, Zigong643000,China）

The system uses TI Da Vinci video processor as the core of the fatigue driving system,which is based on TMS320DM8127,mean and shift algorithm.The system uses the algorithm to locate and track the state of the eye,and extract the relevant characteristics.In the end,the PERCLOS value is used to judge the fatigue state of the driver by using the improved fatigue state.In this system,the closed head tilt test, the recognition rate is above 90%.

TMS320DM8127;Da Vinci;Calman;PERCLOS

姚婭川(1968-)，女，河南信陽人，教授，研究方向自動控制及電路與系統。

2012年四川省教育廳重點項目(12ZA093)；四川理工學院重大培養項目(2014PY15)；2014釀酒生物技術及應用四川省重點實驗室項目(NJ2014-14)；2014企業信息化與物聯網測控技術四川省高校重點實驗室開放項目(2014WYJ05)；2014自貢市科技局項目(2014DZ10)