基于FPGA的司机眼球跟踪疲劳检测报警系统
摘要：眼球跟踪疲劳检测报警系统主要由三部分组成，人脸识别装置、FPGA图像处理和报警装置。人脸识别运用垂直积投影法和瞳孔检测法分别进行读取和检测是否疲劳，本文总结了人体在疲劳驾驶时的特征，介绍了图像的处理方法。
关键词：疲劳驾驶；FPGA；人脸检测；图像处理；
1 背景
机动车辆作为社会发展、人类文明和科学技术进步的产物，为人类文明进步和社会经济发展做出了巨大贡献。然而，随着机动车辆的增加，交通事故发生量有不断增加的趋势。随着我国交通运输业的发展，交通事故的发生也日趋频繁，给人们的生产、生活带来了严重的影响。现在，全世界由机动车辆事故导致的受伤人数约有2500万人，而每一年由于交通事故的原因至少使50万人死亡。统计资料表明，全球道路交通事故的总数约占安全事故的90％左右，造成的伤亡人数占所有安全事故伤亡人数的80%以上。在非正常死亡之中，道路交通事故已成为名副其实的“第一杀手”。
2 国内外的相关研究
人脸检测与技术识别技术已经逐渐在支付、解锁、公共安全等很多领域运用，对于传统的PC端来说，不便携带和对高速图像信号进行实时处理较难是很大的不足，在需要高速处理和体积小便携情况下难以发挥作用。[1]介绍了一个概率和客观模型（Rasch模型），以估计牧场土壤肥力的测量，整合不同的土壤变量（纹理，SMC，OM，磷，钾，ECA，海拔和坡度）[2] 适用于对人脸的识别及五官的定位。对于疲劳检测来说，使用最多的就是采用基于计算机视觉技术的生理状态检测并结合PERCLOSE方法来判断人体疲劳状态及程度，而人眼开闭状态是PERCLOSE原理的基本内容。利用迭代算法Adaboost算法获取眉毛眼睛区域，再对图像进行Gamma校正，从而克服不同光照环境对图像的影响，利用Gamma校正进行非线性的灰度值指数变换，其对应的变换公式为。得出二值图像后，可以计算出左右眼角切线斜率平均值所对应的弧度作为眼睛的张开角度，从而可以推断出人眼睁闭状态。[3]但利用红外图像进行检测时，需要红外光源的补光。一般检测眼睛状态的方法有好几种，比如垂直积投影法、眼睛高度判断法、模板匹配、Hough变换圆检测法、瞳孔检测法和眼睛宽高比等。
[4] 模板匹配法需要预存多个模板，存储信息量大不易推广；Hough变换圆检测方法计算量较大，实时性较差；瞳孔检测则只适用于睁眼的情况。针对这些情况介绍了一种结合肤色信息和积分投影法识别眼睛张开和闭合状态的方法，主要分为四步：人脸检测、眼睛定位、眼睛状态的识别和疲劳的检测。从而使得计算量较小，保证了算法的实时性，而且驾驶员在驾驶室的位置一般比较固定，所以误检率也可以大大降低。但是驾驶员戴眼镜和驾驶员头部转动过大等情况下，不能对眼睛进行正确定位。因此设计了改进的PSO算法与连续的高度贝奇尔曲线结合。[5]
[6]基于被约束局部模型的自动特征点定位CLM，首先是将关键点定位问题转化为对函数求解最优解的问题，再建立局部模型的一种定位方法。CLM一般使用SVM来建立局部模型，建立的全局形状模型一般以主成分分析法为主，且将主要的维度参数化为函数矩阵，以此来分析人脸形状的改变。但是会有一个闭眼动作称为瞬目反射，根据统计数据，一般人每分钟瞬目反射大约有10到18次，普通人通常2-5秒就要眨眼一次，每次眨眼要用到0.1-0.3秒，而在双眼凝视或者高度集中注意力时，就会减少到4至5次/秒，出现疲劳后，人的眨眼频率则会变快且每次眨眼所用时长会变慢，所以可以根据每一帧图像进行人眼信息统计，以此来判别司机疲劳状态。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
