基于FPGA的疲劳驾驶检测系统研究
本文关键词：基于FPGA的疲劳驾驶检测系统研究 出处：《重庆大学》2016年硕士论文 论文类型：学位论文
更多相关文章： 疲劳驾驶检测 PERCLOS FPGA 近红外人眼识别 SPCNN模型
【摘要】：随着经济社会的迅猛发展,汽车保有量呈持续增长趋势,随之而来的道路交通事故给全球带来了巨大的经济损失和人员伤亡。疲劳驾驶被证明是造成交通事故的重要诱因。研究表明,绝大多数因疲劳驾驶导致的交通事故可以通过事前及时预警的方式有效地避免。基于机器视觉和PERCLOS(Percentage of Eyelid Closure Time,单位时间内眼睛闭合时间所占的百分比)眼动特征的疲劳驾驶检测具有非侵入性和相关性好的优点,已成为检测疲劳驾驶最有效的技术手段之一。鉴于软件处理在速度上的劣势,基于FPGA(Field-Programmable Gate Array,现场可编程门阵列)的硬件处理系统以其高集成度、强并行处理能力和丰富的硬件资源为疲劳驾驶在线实时检测提供了良好的实现方案。因此,本课题利用数字图像处理技术,通过对驾驶员眼睛睁闭状态的实时监测来实现疲劳判断,以FPGA集成设计相应的控制与处理模块,开发出疲劳驾驶实时在线检测系统并进行实验验证。具体研究内容如下:(1)从疲劳驾驶检测意义出发,介绍了国内外现有的疲劳驾驶检测技术和检测仪器;分析了近红外人眼识别在疲劳驾驶检测中的优势,并结合信号处理硬件化设计的发展趋势,提出基于近红外人眼识别的疲劳驾驶检测与FPGA硬件相结合的思路。(2)围绕疲劳驾驶检测系统整体构架展开研究,首先设计了近红外视频采集装置。该装置通过在摄像头前配置850 nm的主动LED光源和窄带滤光片来获取清晰稳定的近红外人眼图像,其良好的环境适应性使系统具有全天候、全时段的工作特点。同时采用高级硬件语言VHDL和编译工具ISE,在Xilinx的FPGA器件上进行了系统硬件设计,实现了I2C配置、视频采集、存储以及显示功能。(3)对疲劳驾驶检测关键技术即近红外人眼识别算法进行了研究。针对近红外图像中人眼目标成像面积较小、缺乏纹理信息等特点,首先采用gamma校正提高对比度;然后基于top-hat变换进行人眼区域定位;并利用SPCNN模型达到准确、完整、有效的人眼分割效果。最后,基于FPGA平台,设计流水线结构,进行数据的并行处理并实现算法移植。本文以FPGA平台构建了疲劳驾驶实时在线检测系统,通过一系列实验对系统的准确性和实时性进行了测试。结果表明该系统运行稳定、功能正确,能够在线、实时、准确地对驾驶员疲劳驾驶进行检测。
[Abstract]:With the rapid development of the economy and society , the quantity of cars keeps increasing , and the road traffic accidents bring huge economic losses and casualties . The research shows that most of the traffic accidents caused by fatigue driving can be effectively avoided by means of real - time monitoring of fatigue driving . ( 3 ) The key technology of fatigue driving detection , i.e . near infrared human eye recognition algorithm , is studied in this paper . In the light of the characteristics of small target imaging area and lack of texture information in the near infrared image , the human eye region location is improved by gamma correction . Finally , based on the FPGA platform , the data processing is carried out and the algorithm is transplanted . Finally , the system is designed based on FPGA platform . The system has stable operation and correct function . It can detect the driver ' s fatigue driving on line , in real time and accurately .
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【参考文献】
相关期刊论文 前10条
1 陈军;陆娇蓝;刘尧;杨著;;基于云计算的多特征疲劳驾驶检测系统研究与设计[J];计算机测量与控制;2015年10期
2 胥川;王雪松;陈小鸿;张惠;;基于决策树的驾驶疲劳等级分析与判定[J];同济大学学报(自然科学版);2015年01期
3 牛清宁;周志强;金立生;刘文超;于鹏程;;基于眼动特征的疲劳驾驶检测方法[J];哈尔滨工程大学学报;2015年03期
4 张波;王文军;张伟;李升波;成波;;驾驶人眼睛局部区域定位算法[J];清华大学学报(自然科学版);2014年06期
5 周东国;高潮;郭永彩;;一种参数自适应的简化PCNN图像分割方法[J];自动化学报;2014年06期
6 李贺建;安平;张兆杨;王奎;程浩;;基于FPGA的三维视频系统实时深度估计[J];光电子.激光;2014年05期
7 刘云川;龚向东;;BT.656数字视频流的处理及其硬件实现[J];液晶与显示;2013年02期
8 周东国;高潮;郭永彩;;自适应分层阈值的简化PCNN红外人体图像分割[J];计算机辅助设计与图形学学报;2013年02期
9 程文冬;付锐;袁伟;郭应时;;驾驶人疲劳监测预警技术研究与应用综述[J];中国安全科学学报;2013年01期
10 任森;;机动车辆危险因素分析及事故防范对策[J];交通标准化;2011年20期
相关博士学位论文 前7条
1 李贺建;三维视频中基于FPGA的实时深度估计研究与应用[D];上海大学;2015年
2 牛清宁;基于信息融合的疲劳驾驶检测方法研究[D];吉林大学;2014年
3 孙继刚;序列图像红外小目标检测与跟踪算法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年
4 陆志坚;基于FPGA的卷积神经网络并行结构研究[D];哈尔滨工程大学;2013年
5 张伟;基于机器视觉的驾驶人疲劳状态识别关键问题研究[D];清华大学;2011年
6 谢晓莉;驾驶疲劳生成机理研究[D];北京工业大学;2010年
7 王建庄;基于FPGA的高速图像处理算法研究及系统实现[D];华中科技大学;2011年
相关硕士学位论文 前10条
1 陈瑞斌;基于FPGA的自适应夜间图像增强算法研究[D];广东工业大学;2015年
2 金璐;基于图像处理的疲劳驾驶检测技术研究[D];武汉工程大学;2014年
3 彭程;红外弱小目标图像预处理技术研究与FPGA实现[D];电子科技大学;2014年
4 吴明美;基于FPGA的硬件图像处理技术[D];长春理工大学;2014年
5 李雪梅;复杂及红外环境下人眼状态检测算法研究[D];华南理工大学;2013年
6 毕明伟;疲劳驾驶检测系统设计与开发[D];电子科技大学;2013年
7 蒋友毅;基于多特征的疲劳驾驶检测系统的设计与实现[D];华中科技大学;2013年
8 刘洪榛;基于机器视觉的疲劳驾驶检测算法研究[D];华南理工大学;2012年
9 庞业勇;基于FPGA的图像处理系统设计方法研究[D];哈尔滨工业大学;2010年
10 张海青;基于FPGA图像处理系统的关键算法研究及硬件实现[D];重庆大学;2010年
，本文编号：1380789
本文链接：https://www.wllwen.com/kejilunwen/qiche/1380789.html
