基于ZYNQ AP SoC的安全驾驶系统设计

作者 莫长江 李俊宏 骆绮健 陈明波 岭南师范学院 信息工程学院(广东 湛江 524048)

摘要：针对系统对实时图像处理的需求，本文提出了一种基于ZYNQ AP SoC的安全驾驶系统设计方案。本系统由ZYNQ架构中的PL(FPGA)部分负责驱动CMOS摄像头，将采集的图像进行灰度转换，传给PS(ARM)部分运行Adaboost算法，对图像进行人脸检测，从而获取驾驶员的眼睛和嘴巴的坐标值、面积值和张开度，并利用OpenCV的PERCLOS算法制定疲劳状态标准，给出预警信息。同时，ARM通过USB驱动摄像头，实现行车记录，并通过酒精浓度传感器采集车内酒精浓度，实现酒驾预警。通过实验表明，本系统性能稳定，实现了保障安全驾驶的目的。

引言

　　疲劳驾驶和酒驾是严重的交通违法行为，驾驶员疲劳行车时，会造成反应迟钝、困倦、四肢无力，不能及时发现路面交通情况以采取准确的驾驶操控措施，极易发生交通事故^[1]。据交通部统计，2015年间，由于驾驶员疲劳驾驶导致的交通事故占总数的10.64%，在重特大交通事故中约占45%。在美国，每年与疲劳驾驶相关的车祸夺去了15000人的生命。而酒后的驾驶员会出现视觉障碍、运动反射神经迟钝、判断力降低。有数据显示，在中国，每年因酒驾导致的交通事故占40%~50%，可见，车辆装备具有疲劳检测和酒驾提醒的安全驾驶系统的必要性。

1 硬件系统架构及方案

　　基于ZYNQ AP SoC(ZYNQ All Programmable SoC)的安全驾驶系统的硬件系统^[2]如图1所示，系统主要由高速CMOS图像传感器Ov7725、130万像素USB网络摄像头、Zynq-7000可扩展处理芯片、数据存储单元DDR3、HDMI显示屏、酒精传感器和喇叭等组成。Xilinx公司的Zynq-7000可扩展处理芯片是整个系统的核心，其包含处理系统(Processing System,PS)和可编程逻辑(Programmable Logic,PL)两部分，PS部分集成了最高频率为667GHz的高性能双核ARM Cortex-A9处理器，而PL部分包含28nm工艺的FPGA(Field-Programmable Gate Array)逻辑单元和DSP资源。

　　PL端通过I²C协议驱动^[3]Ov7725摄像头，将摄像头采集的图像数据缓存于一个异步时钟FIFO(First Input First Output)队列中，而FIFO的写时钟由Ov7725摄像头模块提供，异步读时钟由VDMA Engine提供，并在读过程进行灰度图转换，后将数据读入VDMA Engine。

　　PS端通过AMBA高速总线AXI_HP接口，驱动DDR3控制器，并读取一帧图片数据，并对图片进行脸部识别等图像处理，得到人脸五官特征值。(3)PS端同时通过USB-Host总线对网络摄像头进行配置，并得到图像数据，在Linux系统下将图像通过HDMI显示器显示，并将图像数据存储到SD存储卡中。(4)PS端在Linux系统下驱动内部集成的12位精度ADC转换器，将酒精传感器采集的模拟信号进行数字转换。

　　预警提示最终通过调用程序预设的语音组合，由HDMI接口输出到带功放或者音频接口的HDMI显示设备，达到提醒驾驶员的目的。

2 软件系统设计

　　软件系统架构如图2，采用Linaro系统，其是在Linux系统基础下，由ARM、飞思卡尔、IBM、Samsung、ST-Ericsson 及德州仪器 (TI)等半导体厂商联合为嵌入式SoC架构平台而设计的开源系统。其次，本系统使用开源的OpenCV(Open Source Computer Vision Library)进行图像的高级处理^[4]，并采用具有跨平台优势、易扩展的Qt图形界面开发框架作为软件APP的界面设计与产品封装。如果说系统硬件是骨架和躯体，那么软件算法就是思想和灵魂。编写程序之前，需要搭建好软件开发环境，步骤如图3。

3 疲劳检测算法分析

　　本系统的疲劳检测流程如图4，系统启动后会对驾驶员的脸部信息^[5]进行获取，因为驾驶员在图像中的位置相对固定，通过基于Haar特征的AdaBoost级联分类器^[6]，对驾驶员进行人脸检测，得到驾驶员的脸坐标，并提取检测的脸部作为ROI(region of interes)，图像继续对人眼和嘴巴进行定位，得到人眼和嘴巴的特征值图像后，进而进行二值化处理，再经过形态学滤波器，对二值化图像先腐蚀后膨胀，消除小物体，在纤细点处分离物体，然后通过OpenCV里面的findcontours算子寻找并标记轮廓，从而去除图片中的噪声和图片边缘无关物体，精确得到眼睛和嘴巴的轮廓，然后对该轮廓计算收敛的面积、高度和宽度。经过上述步骤后，便得到了驾驶员的脸部五官坐标之间的距离比例关系。之后，实时地对获取摄像头的图像数据，按照得到的脸部坐标对图像进行分割，并进行AdaBoost人脸识别处理，再根据初始化时得到的人眼坐标，进一步分割图像，提高运算速度，进行人眼识别，得到实时的人眼坐标，通过人脸五官的分布比例，定位到嘴巴，然后计算人眼和嘴巴的睁开度、打哈欠数、闭眼持续时间，根据PERCLOS算法^[7]制定的标准，对驾驶员进行疲劳提醒。