基于TMS320DM6446和Adaboost算法的防疲劳驾驶系统的研究

基于TMS320DM6446和Adaboost算法的

防疲劳驾驶系统的研究

许　威，权芳芳，李陈陈，皇淼淼

(安徽理工大学 电气与信息工程学院,安徽 淮南 232001)

摘　　要：本文设计了一种基于TMS320DM6446的防疲劳驾驶报警系统,考虑到防疲劳驾驶报警系统实时性的要求,此处选择实时性较

好的Adaboost算法来识别定位人眼,进而分析眼睛的状态和提取眼睛的特征参数。最后,根据单位时间内眼睛闭合时间所占得百分比的PERCLOS值方法来判断驾驶员的疲劳程度,用蜂鸣器来报警,以提醒驾驶员。实验表明,该报警系统简单实用,实时性和准确性较好,能有效地进行防疲劳驾驶报警。

关键词：TMS320DM6446;Adaboost算法;PERCLOS;防疲劳驾驶

中图分类号:U169.61 文献标识码:A 文章编号:1003-7241(2013)01-0048-04

Research of Anti- Fatigue Driving System Based On

TMS320DM6446 and Adaboost Algorithm

XU Wei, QUAN Fang-fang, LI Chen-chen, Huang Miao-miao

( College of Electric and Information Engineering, Anhui University of Science and Technology, Huainan 231001 China )Abstract: The paper describes a design of anti-fatigue driving system based on TMS320DM6446, taking into account the require-ment of real time of the anti fatigue driving alarm system, using a better real-time Adaboost algorithm to identify theorientation of human’s eyes, then analyzing the state of the eyes and extracting the characteristic parameters of the eyes.Finally, according to the PERCLOS value, which is the percentage of eyes closure time accounts for the unit time todetermine the degree of the driver’s fatigue, using the buzzer to alarm and remind the driver. Experimental results showthat, the alarm system is simple and practical, real-time and good accuracy, can effectively prevent fatigue driving.

Key words: TMS320DM6446; adaboost algorithm; PERCLOS; anti- fatigue driving

１　　引言

目前,国内外许多学者对防疲劳驾驶做了许多的研究,综合来看,主要是从驾驶员的生理反应、个体特征及车辆的运行参数三个方面来检测驾驶员是否疲劳。生理上主要有脑电信号EEG、心电信号ECG、肌电信号EMG三个信号,但由于检测设备较为复杂昂贵,不利于推广;车辆运行参数方面主要有方向盘和车辆行驶路线两个指标,但由于这两个指标检测实时性和可靠性不高,较难满足防疲驾驶需求[1]。个体特征方面主要有眼

睛动作、头部动作、嘴巴状态等参数。这三个检测指标的实时性、可靠性及可扩展性都较好。由此看来最合适的检测方法就是检测个体特征。本文通过摄像头对人脸进行不间断实时拍摄,将每一帧图像传输到TMS320DM6446,在该DSP上实现Adaboost算法实时准确判断出人眼的位置,提取眼睛的特征参数并分析眼睛的闭合状态,计算PERCLOS值来判断司机是否疲劳,并通过蜂鸣器进行相应的报警处理。该报警系统的优点在于人眼定位实时性和可靠性较高,简单实用,易于推广。

收稿日期：２０１２－０６－０７

２　　硬件设计

该报警系统以TMS320DM6446为硬件平台,还包括视频图像采集模块、SDRAM扩展模块及FLASH扩展模块、报警装置等四部分。视频解码器将摄像头采集到的模拟信号转换成数字信号,然后将数字信号以YCb-Cr4:2:2的格式存储到扩展的SDRAM中[2],作为后续处理的数据来源,FLASH作为该系统的外部程序存储器,在DSP通电复位后可通过自举程序把该FLASH中的程序加载到DSP内部的RAM里运行,使得系统的运行速度更快。该系统一旦检测出驾驶员处于疲劳驾驶状态,报警装置就发出报警信号,提醒驾驶员注意安全。该系统的硬件结构框图如图1所示。

图２　　系统软件部分结构流程图

Adaboost算法是一种高效的迭代算法,由Paul Viola和Michael Jones于2001年提出,在机器学习领域分类精度很高而且识别速度很快,能较好地满足疲劳状态下人眼的实时快速检测[3]。在Adaboost算法中,每个样本的权重值表示该样本被错分的大小,在每一轮权重更新过程中,被错分样本的权重会变大,如果一个样本被错分了多次,那么,这个样本的权重就会越来越大。根据样本权重分布进行学习训练,获得不同的弱分类器,这些不同的弱分类器通过加权求和得到强分类器,从而形成级联分类器[4]。训练方法如下:

假设样本特征空间以X表示,样本类别标识集合以Y表示,对于二值分类的问题,Y={1,-1},分别对应样本的正和负。令S={(x1,y1),(x2,y2),(x3,y3),……,(xn,yn)}为样本训练集,其中

图１　　系统硬件部分结构框图

３　　软件设计

该系统的软件部分主要由算法组成。首先对采集到的图像进行一系列预处理,然后根据Adaboost算法对人脸和眼睛进行检测定位,提取眼睛的特征参数,分析眼睛的闭合状态,从而计算出PERCLOS值,由此来判断驾驶员是否处于疲劳驾驶状态。软件部分的结构流程图如图2所示,

xi∈X,yi∈Y,∈Y,i=1,2,

3,……,N,N为样本数。

(1) 样本权重的初始化。对于(xi,yi)∈S,令

Di(xi,yi)=(2) 令t=1.

３．１　　图像预处理

进行图像预处理的主要目的是滤除图像噪声,提高视频图像的质量。本设计采用中值滤波法来滤除噪声,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。此外,中值滤波法还能有效地保护边界信息。

① 选择弱分类器,

1,λxpλθii

ht(xi)= ii

0,λixi≥λθii

在上式中,阈值θi一般取此类特征值的中值,进行学习,获得弱分类器ht:X→Y.

② 计算错误率i:yi≠ht(xi)

| 49

λi∈

{1,-1}表示不等号的偏置方向。根据样本权重分布Dt

３．２　　Adaboost算法

εt=

∑

i:yi≠ht(xi)

Dt(xi,yi)

足这些特征的点,通过扫描找到上眼睑的最高点P(X1,Y1),下眼睑的最低点Q(X2,Y2),左临界点R(X3,Y3),右临界点Z(X4,Y4),就可以得到与眼睛边界相切的矩形框,如图4所示。

11 εtln,若εt≥0.5,删除2εt

本轮生成的弱分类器,t=t+1,返回①。

若εt<0.5,选择at=③ 更新样本的权重,

Dt+1(xi,yi)=Dt(xi,yi)e atht(xi)yi/Zt

在上式中,

Zt称之为归一化因子,使得

图４　　眼睛边界提取

由此,人眼的高宽比Z(t)可以定义为:

N

∑i=1Dt(xi,yi)=1

④ t=t+1,设T为弱分类器最大训练轮数,如果t=T,则训练结束,如果t<T,则返回①

(3) 形成的强分类器为:H(x)=sign(∑

αtht(x))t=1

强分类器H(x)由所有的弱分类器h1(x),h2(x),h3

在该系统中使用美国麻省理工大学的MIT CBCL

T

Y2 Y1X4 X3

３．４　　计算PERCLOS值及报警

Z(t)=

PERCLOS值是一种很有效的判定疲劳状态的方法,它是指单位时间内眼睛闭合所占时间的百分比,PERCLOS有P70、P80、EM三个判断标准,这里采用P80标准,即眼睛闭合80％的时间占某一特定时间的百分率[5]。但是由于每个人的眼睛大小是不一样的,所以不能用同一个阈值。为此将系统每次初始化后所得到的前20组人眼高宽比Z(t)存储到数组A[20]中,并将最大值

(x),...hr(x),通过加权求和得到。

人 …… 此处隐藏：4627字，全部文档内容请下载后查看。喜欢就下载吧 ……