何明山，罗卫东，陈启新，张  立

 （贵州大学机械工程学院，贵州贵阳550025）

摘要：防止疲劳驾驶以主观监测和客观检测为主，但其在可靠性、成本、检测方法上存在不足，为此，设计了一套基于DSP虹膜识别防止疲劳驾驶报警系统。借鉴国内外学者的研究，遵循实时性、准确性、简洁性及经济性的设计原则，以虹膜识别算法为依据，DSP微处理器控制技术为基础进行了开发，该报警系统可在不干扰驾驶员的情况下，识别驾驶员身份，记录驾驶时间，识别疲劳驾驶并报警。测试结果表明：系统结构简单，实现了模块化。虹膜识别模块、计时模块基本满足了准确性和实时性的要求。

关键词：DSP；疲劳驾驶；虹膜识别；主观监测

中图分类号：X951  doi: 10．11731/j．issn．1673-193x．2016. 01. 024

0  引  言

  疲劳驾驶已成为导致交通安全事故的重要原因之一。每年疲劳驾驶引发的交通事故占发生的事故总数的20 %以上，因此，研究防止疲劳驾驶系统具有重要意义。

  目前根据国内外对防止疲劳驾驶系统的研究，可分为主观监测和客观检测两大类，其中主观监测是基于驾驶员打卡或者签到记录的行车时间，来判断驾驶员是否疲劳驾驶。客观检测主要是基于生理信号、个体特征、车辆参数的变化来判断驾驶员是否处于疲劳驾驶状态。

  虽然检测疲劳驾驶的方法有很多，但是，基于生理信号和个体特征变化的检测方法存在检测技术上的局限性，性价比低及可靠性差等问题。另外，在检测的过程中采取的是接触式检测方法，影响驾驶员的注意力。而基于车辆参数变化的检测方法准确率低，不人性化。虽然主观监测具有检测方法简便，系统机构简单，成本低的特点，并且已经在汽车上应用。但是，存在两个主要的问题：①系统只解决连续驾驶的情况，而中途停车再次启动时系统不会自动识别驾驶员身份，计时模块也是靠人为去调整计时，使准确度低；②通过打卡或签到的方式计时，存在做假漏洞。因此，本文提出通过虹膜识别结合DSP来解决基于主观监测存在的不足，实现在连续驾驶及中途停车过程中自动识别驾驶员身份，并保证计时模块能实时地作出回应。通过虹膜识别模块彻底解决在主观监测方法上存在的漏洞。另外，实现了非

接触式的检测方法。

1  系统硬件设计

  虹膜识别是一项安全可靠的新技术，人的虹膜具有终生不变性，高度的准确性及不可修改性。因此，本文采用虹膜识别新技术识别驾驶员身份，基于驾驶员连续驾驶时间判断驾驶状态。设计一套检测方法简便，技术成熟可靠，实时性高的防止疲劳驾驶系统。系统硬件电路由5部分组成：车辆状态检测模块、图像采集模块、虹膜识别模块、计时模块、报警和电源管理模块。系统设计应遵循以下原则：

   1)实时性：系统硬件能够随着环境的变化及时地识别驾驶员身份。计时模块能够实时地作出回应。

  2)准确性：系统能够准确地检测虹膜，降低误判率；能够准确地记录驾驶时间和停车时间。

  3)简洁性：系统结构应简单，以降低系统的故障率。检测方法应简单快捷，减少信号的传输路径。

  4)经济性：系统应尽可能的利用车上已有硬件，对于不能利用车上已有的硬件，应选择通用的、标准化的、易购买的硬件。

1.1  车辆状态检测模块

  车辆状态检测模块采用霍尔式曲轴位置传感器及霍尔式轮速传感器。因为霍尔式传感器的频率响应高，抗电磁波干扰能力强，输出电信号电压振幅值不受转速的影响，所以能够准确地检测车辆状态。

1.2  图像采集模块

  图像采集模块选用的是SONY420红外CCD摄像头。这种摄像头优点是：能够感应外界光线，若外界光线满足要求时，则采集的图像为普通彩色图像；若外界光线不足时，摄像头自动打开镜面上的LED红外灯，利用LED发出的红外光作为光源，此时采集的图像为红外图像，这样保证系统能够在全天气候下工作。另外，人眼中的视网膜不会感知到红外光，在检测过程中驾驶员不会产生强烈的不适感。

1.3虹膜识别模块

  虹膜识别模块的处理器选用TI公司的TMS320DM642型DSP处理器。因为该处理器有8个独立计算的功能单元，具有很高的运算速度，很强的数字处理功能，高度的可编程性。虹膜识别模块的硬件电路主要包括：DSP处理器、视频解码器芯TVP5150、SDRAM和FLASH存储器、报警装置、计时装置。视频解码器芯片TVP5150是将采集到的模拟信号转化为DSP识别的数字信号。因为系统断电后，DSP中的数据会丢失，所以在DM642外部扩展FLASH和SDRAM存储器。SDRAM主要存储视频解码器芯片TVP5150转化后的数字信号，作为后处理的数据来源。FLASH主要存储虹膜识别的算法和已注册的虹膜库。计时装置用来记录驾驶员的驾驶时间，报警装置主要是用来发出警告信号。系统硬件结构如图1所示。

1.4计时模块及报警模块

  为了满足系统硬件简洁性、经济性的设计原则。计时模块选用CYPRESS公司生产的CY22381FC计时芯片。因为CY22381FC计时芯片结构简单，频率范围宽，驱动能力强，工作时能同时提供多个时钟电路，工作电压为3.3 V。报警模块采用物美价廉的蜂鸣器。

1.5  电源模块

  嵌入式供电系统最常用的有3种：集成开关电源芯片供电系统，DC - DC电源模块供电系统，三端稳压器供电系统。为了满足系统硬件设计的原则，电源供电系统采用集成开关电源芯片供电系统。电路稳压器采用物美价廉的LM3150开关稳压，电源采用汽车蓄电池。因为DSP -般需要两种电压：一种是DSP的内核电源电压，一般为1.4 V;另一种是外接设备的工作电压，通常为3.3 V。而汽车一般使用的是12 V的电源，所以需要将蓄电池电压降压后供给DSP。DSP是一个大功耗处理器，并且整个系统有多个芯片同时工作。为了降低系统工作时的热损耗，保证系统工作稳定。选用TI公司生产的输出电压可调、转换率高的TPS54310芯片来输出系统工作需要的电压[1叫。电源模块电路如图2。

2  系统软件设计

  系统软件的设计主要是关于虹膜识别模块的软件设计。虹膜识别系统软件部分包括图像预处理、特征提取、虹膜匹配。虹膜识别程序流程如图3所示。

2.1  图像预处理

  虹膜预处理主要包括：虹膜定位、去噪、增强图像。因为实际采集到的虹膜图像并不是完整的眼部图像，包含有其他的背景和不完整的眼部图像，这样容易使程序对虹膜域划分错误，所以利用图像预处理技术对光照及噪声影响等问题进行纠正。

2.2特征提取

  虹膜的特征提取和匹配是整个虹膜识别模块的核心部分。虹膜的特征提取主要是通过Canny边缘算子提取出虹膜的外侧边缘，通过Hough变换求解出内圆圆心及半径，通过基于单行梯度最大值法计算出虹膜外侧边缘；最后通过二维Cabor小波变换提取出虹膜特征。二维Gabor小波公式如下：

  在提取虹膜特征时需要在二维Gabor小波变换的极坐标下完成。因为这样可以避免因虹膜大小的改变及瞳孔的膨胀而导致提取的虹膜特征发生变化。二维Gabor小波在极坐标公式如下：

2.3虹膜匹配

  虹膜匹配就是待测试的虹膜特征向量与存储器中的虹膜特征向量进行相似性的比较。虹膜识别模块的最终目的是要准确地找出相匹配的虹膜。虹膜匹配采用的是基于比较两虹膜特征向量的海明距离( Hammingdistance，HD)来实现虹膜匹配。该匹配方法具有简单、快速、方便等优点。公式如下

  式中：A i，B i为要比较的虹膜特征码；N为虹膜特征码的位数；①表示异或运算。

3  系统的工作过程

  系统的计时模块是参照《中华人民共和国道路交通安全法实施条例》中规定的连续驾驶时间及停车休息时间，来设置驾驶员的连续驾驶时间和休息时间。系统的检测方法是通过虹膜识别驾驶员身份，通过计时模块记录该人连续驾驶时间。根据连续驾驶时间，来判断是否疲劳驾驶。系统主要检测两个过程：①检测连续驾驶中途不停车；②检测驾驶中途停车。

3.1  连续驾驶中途不停车

  当驾驶员行驶在高速公路上或者是交通状况良好的城市道路上时，驾驶员一般都是连续驾驶中途不停车。此时系统的检测过程：ECU接收到传感器信号后，命令CCD摄像头采集图像，DSP命令计时模块计时，视频解码器进行图像转换，虹膜识别模块进行虹膜识别。匹配完成后锁定该虹膜，即锁定这个驾驶员。通过计时模块记录驾驶员连续行车时间H，来判断驾驶员是否疲劳驾驶。其功能结构图如图4所示。

3.2  中途停车

  现实生活中驾驶员并不一定是连续驾驶，有可能中途停车换驾驶员，也有可能因为某种原因停车，这样系统在检测过程中必须能够及时地作出响应。中途停车时，系统功能结构如图5所示，此过程主要是根据虹膜识别结果，停车时间危及连续驾驶时间H这3个量来判断计时模块是重新工作，还是继续接着上次驾驶时间计时，以及报警模块是否要发出报警信号。

3.3  测试与分析

  目前国内外还没有建立标准的虹膜库。为了便于试验，在不同时间、环境下采集了20人，每人8张（左眼4张，右眼4张），大小为640×480的虹膜图像。其中4张作为测试样本，另外4张作为训练样本。试验方法就是将全部的测试样本和训练样本进行对比匹配。总共要完成20 x4 +20 x4 =160次匹配。同时记录，每次虹膜识别成功后，时钟模块作出反应的滞后时间，试验结果如表1。

  对试验结果分析发现，虹膜识别时，错误率为4.39%。存在误判的原因：①由于光照强度的影响，虽然本系统采用的是光照自适应的CCD红外摄像头，但是考虑到成本等问题，采用的滤光设备效果一般，对检测的结果产生影响；②由于驾驶过程中驾驶员的姿势多变，影响采集图像的效果。

  对计时模块研究发现，当虹膜识别成功后，计时模块的反应有些滞后，平均滞后时间1. 51 s，滞后的时间仍在可接受的范围内。

4  结论与展望

  1)本文提出了一种基于DSP虹膜识别防止疲劳驾驶系统，该系统由车辆状态检测模块、图像处理模块、虹膜识别模块、计时模块及报警模块5部分组成，使得系统结构简单，实现了系统的模块化。

  2)本文在虹膜特征提取中，主要采用Gabor小波变换法。在虹膜匹配上，采用简单通用、计算快捷的海明距( Hamming distance，HD)法。结果表明：160个虹膜样本匹配中，错误率为4. 39%，说明系统有较高的准确性。在虹膜识别成功后，计时模块有些滞后，虽然平均滞后时间为1. 51 s，但是仍能满足系统实时性的要求。

  3)本系统试验的虹膜样本比较少，虽然能给以后的研究提供一些参考，但是为了让研究更加准确，还需要采集更多的虹膜样本，进行大量的试验，建立虹膜样本库。