隨著汽車保有量持續(xù)增長,交通事故數(shù)量逐年上升。交通事故給人們的生命和財產(chǎn)安全造成重大威脅,研究表明疲勞駕駛是導(dǎo)致交通事故的主要原因之一,因此設(shè)計一種功耗低、實時性好、便攜的疲勞駕駛檢測系統(tǒng)具有重要意義。本文選用ZedBoard開發(fā)板,其核心芯片為Zynq系列的xc7z020-clg484-1,Zynq芯片的結(jié)構(gòu)是ARM+FPGA。ARM精于控制和易于搭建操作系統(tǒng),FPGA具有強大的并行計算能力。疲勞駕駛檢測系統(tǒng)采用軟硬協(xié)同的方法實現(xiàn),可以充分發(fā)揮ARM和FPGA的各自優(yōu)點。FPGA 部分主要有人臉檢測 IP、VDMA（Video Direct Memory Access）和 HDMI接口等模塊。VDMA是FPGA和DDR之間的圖像數(shù)據(jù)傳輸通道,HDMI接口用來完成圖像的高清顯示。人臉檢測IP使用Vivado HLS（High-Level Synthesis）高層次綜合工具設(shè)計,采用基于圖片縮放的AdaBoost算法。其主要包含圖像縮放、積分圖計算、圖像遍歷、分類器檢測、窗口合并等模塊。圖像縮放采用雙線性插值法,利用積分圖增量算法獲得積分圖,圖像遍歷通過設(shè)置行、列步長加速窗口遍歷,窗口合... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１疲勞駕駛檢測流程??Ｆｉｇ．２．１?Ｔｈｅ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｄｒｉｖｅｒ?ｆａｔｉｇｕｅ?ｄｅｔｅｃｔｉｏｎ??－７?－??

圖２．３簡單Ｈａａｒ特征??Ｆｉｇ．２．３?Ｔｈｅ?ｓａｍｐｌｅ?Ｈａａｒ?ｆｅａｔｕｒｅ??

?基于Ｚｙｎｑ的疲勞駕駛檢測系統(tǒng)軟硬件協(xié)同設(shè)計???如圖２．５所示，陰影區(qū)域表示點／（ｘ，ｙ）的積分圖值，它與／／〇，＞〇相對應(yīng)，表示陰影??區(qū)域所有的像素值的和，／〇＇，＞〇為陰影區(qū)域中的任意一點的像素值。??１?１??取ｙ）??圖２．５積分圖像??Ｆｉｇ．２．５?Ｔｈｅ?ｉｎｔｅｇｒａｌ?ｉｍａｇｅ??為了快速計算出Ｈａａｒ特征，可以利用積分圖增量計算方法，如圖２．６所示。＆、＆、??＆分別表示各自矩形區(qū)域的像素的和，點Ａ、Ｂ、Ｃ、Ｄ的積分圖值為：??Ｈ?（２．７）??１１Ｂ?＝Ｓ，＋Ｓ２?（２．８）??ＩＩｃ?＝Ｓ｛＋Ｓ３?（２．９）??ＩＩＤ?－Ｓ｛＋Ｓ２?＋?Ｓ３＋Ｓ４?（２．１０）??Ａ、Ｂ、Ｃ、Ｄ四點圍成的矩形區(qū)域內(nèi)的像素和??ＳＡＢＣＤ?二?ＩＩＡ?＋?ＩＩＤ?－?ＨＢ?－?ＨＣ?（２．１１）??Ｓｌ?ｓ２????＿Ａ?Ｂ??Ｓ３?靜??－；＾?Ｃ？?Ｄ??圖２．６積分圖增量計算??Ｆｉｇ．２．６?Ｔｈｅ?ｉｎｃｒｅｍｅｎｔａｌ?ｃａｌｃｕｌａｔｉｏｎ?ｏｆ?ｉｎｔｅｇｒａｌ?ｉｍａｇｅ??－１２?－??

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的疲勞駕駛狀態(tài)檢測方法[J]. 熊群芳,林軍,岳偉.  控制與信息技術(shù). 2018(06)
[2]基于深度學(xué)習(xí)的疲勞駕駛檢測算法[J]. 戴詩琪,曾智勇.  計算機系統(tǒng)應(yīng)用. 2018(07)
[3]基于視覺的駕駛員疲勞特征提取方法[J]. 靳冰凌,張震,張子耀.  計算機技術(shù)與發(fā)展. 2018(11)
[4]人臉檢測方法綜述[J]. 李娥.  信息技術(shù)與信息化. 2018(04)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的車載疲勞駕駛檢測系統(tǒng)的實現(xiàn)[J]. 唐杰,陳仁文,余小慶.  國外電子測量技術(shù). 2018(01)
[6]基于橢圓擬合的瞳孔中心精確定位算法研究[J]. 余羅,劉洪英,皮喜田,陳為民,許帥,嚴旭.  中國醫(yī)療器械雜志. 2017(03)
[7]基于圖像識別的模擬駕駛疲勞檢測系統(tǒng)設(shè)計及實現(xiàn)[J]. 岳翼.  電子世界. 2016(22)
[8]基于Zynq的人臉檢測設(shè)計[J]. 霍芋霖,符意德.  計算機科學(xué). 2016(10)
[9]我國道路交通事故人因分析[J]. 張茜,楊佩釗,嚴慈磊,范起飛.  汽車實用技術(shù). 2016(06)
[10]監(jiān)測疲勞駕駛時定量腦電圖特征量化指標分析[J]. 陳朝陽,王文軍,張超飛,成波,曾超,孟祥杰,John M CAVANAUGH.  汽車安全與節(jié)能學(xué)報. 2016(02)

碩士論文
[1]基于Zynq的汽車駕駛員疲勞檢測系統(tǒng)設(shè)計[D]. 辛春明.大連海事大學(xué) 2018
[2]駕駛員疲勞檢測算法研究[D]. 王軍.北京交通大學(xué) 2017
[3]基于人眼狀態(tài)的駕駛員疲勞檢測技術(shù)研究[D]. 陳明初.重慶大學(xué) 2012
[4]AdaBoost算法硬件并行架構(gòu)研究與FPGA實現(xiàn)[D]. 田聯(lián)炳.華南理工大學(xué) 2011
[5]基于PERCLOS的駕駛疲勞檢測系統(tǒng)設(shè)計[D]. 吳康華.浙江大學(xué) 2008



本文編號：2992533