基于Zynq的疲劳驾驶检测系统软硬件协同设计

发布时间：2021-01-22 04:15

　　随着汽车保有量持续增长,交通事故数量逐年上升。交通事故给人们的生命和财产安全造成重大威胁,研究表明疲劳驾驶是导致交通事故的主要原因之一,因此设计一种功耗低、实时性好、便携的疲劳驾驶检测系统具有重要意义。本文选用ZedBoard开发板,其核心芯片为Zynq系列的xc7z020-clg484-1,Zynq芯片的结构是ARM+FPGA。ARM精于控制和易于搭建操作系统,FPGA具有强大的并行计算能力。疲劳驾驶检测系统采用软硬协同的方法实现,可以充分发挥ARM和FPGA的各自优点。FPGA 部分主要有人脸检测 IP、VDMA（Video Direct Memory Access）和 HDMI接口等模块。VDMA是FPGA和DDR之间的图像数据传输通道,HDMI接口用来完成图像的高清显示。人脸检测IP使用Vivado HLS（High-Level Synthesis）高层次综合工具设计,采用基于图片缩放的AdaBoost算法。其主要包含图像缩放、积分图计算、图像遍历、分类器检测、窗口合并等模块。图像缩放采用双线性插值法,利用积分图增量算法获得积分图,图像遍历通过设置行、列步长加速窗口遍历,窗口合... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图２．１疲劳驾驶检测流程??Ｆｉｇ．２．１?Ｔｈｅ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｄｒｉｖｅｒ?ｆａｔｉｇｕｅ?ｄｅｔｅｃｔｉｏｎ??－７?－??

图２．３简单Ｈａａｒ特征??Ｆｉｇ．２．３?Ｔｈｅ?ｓａｍｐｌｅ?Ｈａａｒ?ｆｅａｔｕｒｅ??

?基于Ｚｙｎｑ的疲劳驾驶检测系统软硬件协同设计???如图２．５所示，阴影区域表示点／（ｘ，ｙ）的积分图值，它与／／〇，＞〇相对应，表示阴影??区域所有的像素值的和，／〇＇，＞〇为阴影区域中的任意一点的像素值。??１?１??取ｙ）??图２．５积分图像??Ｆｉｇ．２．５?Ｔｈｅ?ｉｎｔｅｇｒａｌ?ｉｍａｇｅ??为了快速计算出Ｈａａｒ特征，可以利用积分图增量计算方法，如图２．６所示。＆、＆、??＆分别表示各自矩形区域的像素的和，点Ａ、Ｂ、Ｃ、Ｄ的积分图值为：??Ｈ?（２．７）??１１Ｂ?＝Ｓ，＋Ｓ２?（２．８）??ＩＩｃ?＝Ｓ｛＋Ｓ３?（２．９）??ＩＩＤ?－Ｓ｛＋Ｓ２?＋?Ｓ３＋Ｓ４?（２．１０）??Ａ、Ｂ、Ｃ、Ｄ四点围成的矩形区域内的像素和??ＳＡＢＣＤ?二?ＩＩＡ?＋?ＩＩＤ?－?ＨＢ?－?ＨＣ?（２．１１）??Ｓｌ?ｓ２????＿Ａ?Ｂ??Ｓ３?静??－；＾?Ｃ？?Ｄ??图２．６积分图增量计算??Ｆｉｇ．２．６?Ｔｈｅ?ｉｎｃｒｅｍｅｎｔａｌ?ｃａｌｃｕｌａｔｉｏｎ?ｏｆ?ｉｎｔｅｇｒａｌ?ｉｍａｇｅ??－１２?－??

【参考文献】：
期刊论文
[1]基于深度学习的疲劳驾驶状态检测方法[J]. 熊群芳,林军,岳伟.  控制与信息技术. 2018(06)
[2]基于深度学习的疲劳驾驶检测算法[J]. 戴诗琪,曾智勇.  计算机系统应用. 2018(07)
[3]基于视觉的驾驶员疲劳特征提取方法[J]. 靳冰凌,张震,张子耀.  计算机技术与发展. 2018(11)
[4]人脸检测方法综述[J]. 李娥.  信息技术与信息化. 2018(04)
[5]基于卷积神经网络的车载疲劳驾驶检测系统的实现[J]. 唐杰,陈仁文,余小庆.  国外电子测量技术. 2018(01)
[6]基于椭圆拟合的瞳孔中心精确定位算法研究[J]. 余罗,刘洪英,皮喜田,陈为民,许帅,严旭.  中国医疗器械杂志. 2017(03)
[7]基于图像识别的模拟驾驶疲劳检测系统设计及实现[J]. 岳翼.  电子世界. 2016(22)
[8]基于Zynq的人脸检测设计[J]. 霍芋霖,符意德.  计算机科学. 2016(10)
[9]我国道路交通事故人因分析[J]. 张茜,杨佩钊,严慈磊,范起飞.  汽车实用技术. 2016(06)
[10]监测疲劳驾驶时定量脑电图特征量化指标分析[J]. 陈朝阳,王文军,张超飞,成波,曾超,孟祥杰,John M CAVANAUGH.  汽车安全与节能学报. 2016(02)

硕士论文
[1]基于Zynq的汽车驾驶员疲劳检测系统设计[D]. 辛春明.大连海事大学 2018
[2]驾驶员疲劳检测算法研究[D]. 王军.北京交通大学 2017
[3]基于人眼状态的驾驶员疲劳检测技术研究[D]. 陈明初.重庆大学 2012
[4]AdaBoost算法硬件并行架构研究与FPGA实现[D]. 田联炳.华南理工大学 2011
[5]基于PERCLOS的驾驶疲劳检测系统设计[D]. 吴康华.浙江大学 2008



本文编号：2992533