基于OV7670的疲勞駕駛預警系統

陸 曉，馮 桑，咼 騰，黃 超

（廣東工業大學，廣東 廣州 510006）

疲勞駕駛是交通事故的一個主要原因，如果能在疲勞產生的初期給駕駛員進行預警提示，那么就會大大減少交通事故的發生。因此，在駕駛中實時監測駕駛員的疲勞狀況成為當前國內外研究的熱點。目前，疲勞駕駛的檢測方法主要包括檢測駕駛員的生理特征，如腦電圖、眼電圖、心電圖等［1］，檢測駕駛員身體動作特征，如眼部的動作變化［2－3］、駕駛員頭部動作與特征［4－6］、手部特征 （利用轉向盤上的傳感器檢測駕駛員對轉向盤施加的壓力，來判斷是否疲勞駕駛的安全裝置［7］）。其中，檢測駕駛員眼部特征的方法由于其直接、非接觸性等優點，是目前被廣泛采用的方法。

1 基于人眼識別疲勞判斷理論基礎

1.1 PERCLOS方法介紹

PERCLOS（Percentage of Eyelid Closure Over the Pupil over time）是由卡內基梅隆研究所提出的，指的是在一定的時間內眼睛閉合所占的時間比例。在實際應用過程中，眼睛閉合程度超過某一標準的時間占某一特定時間的百分比，表現出與駕駛疲勞程度較好的相關性。通過攝像頭獲取駕駛員眼睛閉合時間的數據，作為判斷駕駛員疲勞程度的依據。PERCLOS計算公式：

式中：P（t）——眼睛的開閉狀況；N——t時間內采集到的有效幀數；T——疲勞評價系數。

當眼睛閉合超過80%時P（t）=1，反之P（t）=0。如果PERCLOS大于40%，就認為駕駛員處于疲勞狀態［8］。

1.2 人眼識別流程

準確地識別人眼是判斷駕駛員疲勞狀況的關鍵環節。常用的人眼識別方法有：①模板匹配法：通過在輸入圖像上滑動圖像塊，對實際的圖像塊和輸入圖像進行匹配；②灰度投影法：利用人臉特征的灰度值差別和人臉的幾何分布關系確定人眼位置。

本文采取模板匹配與灰度投影結合的方法來進行人眼的識別，先用模板匹配找出眼睛所在的區域，然后對人眼區域進行灰度投影，得出人眼的開閉狀況。

2 硬件系統的總體設計

系統主要包括OV7670 CMOS攝像頭、FIFO存儲芯片AL422B、AVR單片機以及處理圖像的車載PC，硬件結構如圖1所示。其中，攝像頭采用OV7670攝像頭，其靈敏度高，可以使用低電壓驅動，具有標準的SCCB接口，支持VGA、YUV422、RGB565等格式輸出。AL422B作為FIFO存儲芯片，存儲采集到的圖像信息。AVR芯片ATMEGA16L設置攝像頭的工作參數，從AL422B讀取圖像數據并傳送到車載PC進行處理。

系統上電后，首先由攝像頭采集圖像信息并將其存儲在Al422B存儲芯片中，然后由ATMEGA16L讀取圖像數據并將其傳送到車載PC，車載PC對圖像進行處理，識別人眼的狀態，再根據PERCLOS方法判斷駕駛員的疲勞狀況，從而給出預警信息。

3 圖像采集

數字圖像采集中常用的有CMOS（Complementary Metal-Oxide-Semiconductor）與CCD（Charge Coupled Device）攝像頭，與CCD相比，CMOS具有靈敏度高、分辨率高、低功耗以及成本低廉等優勢，所以本文采用CMOS攝像頭OV7670（圖2）。

3.1 OV7670的結構及其工作原理

OV7670攝像頭是整個系統的最前端，其集成了一個640×480的感光陣列、幀 （行）控制電路、視頻時序產生電路、模擬信號處理電路、A／D轉換電路、數字信號輸出電路及寄存器SCCB編程接口。感光陣列得到原始的彩色圖像信號后，模擬處理電路完成諸如顏色分離與均衡、增益控制、gamma校正、白電平調整等主要的信號處理工作，最后可根據需要輸出多種標準的視頻信號。視頻時序產生電路用于產生行同步、場同步、混合視頻同步等多種同步信號和像素時鐘等多種內部時鐘信號，外部控制器可通過SCCB總線接口設置或讀取OV7670的工作狀態、工作方式以及數據的輸出格式等，其SCCB控制時序如圖3所示。

其中，SCL為由主機發出的單向信號線，輸出時鐘信號，總線空閑時主機驅動SCL為1，當總線掛起時主機驅動SCL為0；SDA為雙向數據傳輸線，既可以由主機驅動也可以由從機驅動。當總線空閑時保持浮動，狀態不固定 （0、1或三態高阻）。當總線掛起時，驅動SDA為0。為了不讓該總線產生未知的狀態，主機和從機必須保持SDA的電平。

圖4為OV7670、ATMEGA16L與AL422B的接線圖，HREF為行同步信號，VSYNC為場同步信號，SCL與SDA分別是SCCB總線的時鐘線與數據線。其中VSYNC為場同步信號，其下降沿表示一幀圖像的開始，HREF為行同步信號，高電平時表示一行的圖像數據開始輸出。一幀圖像開始后，僅當HREF為高，PCLK上升沿時，數據為有效的像素值。對圖像數據的采集是通過中斷觸發的，這里用VSYNC、HREF、PCLK的上升沿觸發3個中斷。當采集到VSYNC中斷時開始一幀圖像數據的采集，HREF中斷到來時開始采集一行圖像數據，一行數據采集完成后，等待下次HREF中斷，開始采集下一行數據，以此類推。對HREF中斷采集480次，就得到640×480像素點的一幀圖像的數據。

3.2 圖像緩存

由于OV7670產生的數據在速率上與接口電路不匹配，因此數據緩存必不可少。AL422B是Aver-Logic公司推出的一個存儲容量為393216字節×8位的FIFO存儲芯片。由于其所有的尋址、刷新等操作都由集成在芯片內部的控制系統完成，因而使用非常簡單。目前市場上的FIFO存儲體的存儲容量都較小，很難適應視頻技術的高速發展，而AL422B的存儲空間為3M位，對于普通的視頻應用綽綽有余，并且它加快了存取速度，因此可以在本系統中應用。AL422B的內部功能如圖5所示。

AL422B的寫時序如圖6所示。WCK為AL422B的寫入時鐘，周期最大為1000ns，最小為20ns，其上升沿時數據寫入，隨著該時鐘輸入，其內部寫指針自動增加。顯然，AL422B的速度足夠。

AL422B的讀時序如圖7所示。圖中RCK為AL422B的讀出時鐘，周期最大為1 000 ns，最小為20 ns。當／RE和／OE有效時，在RCK上升沿數據有效，隨著該時鐘輸入，其內部的讀指針自動增加。當單片機的主頻為12 MHz，可以用單片機中的ALE／WR／RD合成RCK信號。再利用圖像芯片的數據輸出特性和單片機的中斷功能及AL422B的特點加以解決。對于容量問題，利用AL422B的大存儲容量 （3M位）就可以滿足要求。

3.3 下位機程序設計

下位機程序基于AVR Studio環境開發，運行于AVR芯片ATMEGA16L［9］，主要實現配置OV7670工作參數，讀取并傳輸圖像數據的功能。首先對AL422B、OV7670進行初始化，通過SCCB總線配置OV7670的寄存器，使其輸出RGB565格式圖像數據，存儲到緩存芯片AL422B，由ATMEGA16L將圖像數據傳送到車載PC，下位機程序流程如圖8所示。

4 系統調試與試驗

采用幀率CMOS攝像頭OV7670采集駕駛員的臉部圖像，并以6s作為一個檢測周期 （時間取太短，誤警率會增加；時間取太長，則不能及時報警），并每隔0.33 s取1幀圖像 （即每秒取3幀圖像）進行疲勞檢測，每個檢測周期中包含18幀圖像。由于已經實現了對駕駛員眼睛狀態的識別，則可以通過統計一個檢測周期內，駕駛員眼睛閉合狀態的幀數和周期內總的幀數，得到駕駛員的疲勞指數，即：PERCLOS=閉眼幀數／總幀數×100%。開眼幀與閉眼幀的二值圖與灰度投影如圖9所示。

根據前面介紹過的PERCLOS方法，當PERCLOS大于指定閾值40%時，則判定駕駛員處于疲勞駕駛狀態，并給予駕駛員預警信息。

5 結束語

基于以上硬件與軟件的設計，實現了AVR單片機對CMOS攝像頭OV7670的配置，用AL422B存儲并轉發圖像數據，將圖像數據傳送到車載PC，并利用上位機軟件實現了圖像數據的處理。系統運行良好，很好地識別了人眼的位置及狀態，并能夠根據圖像信息判斷駕駛員的疲勞狀態，給出有效的預警。

［1］Lin CT，Ko LW，Chung IF，et al.Adaptive EEG-based Alertness Estimation System by Using ICA-based Fuzzy Neural Networks［C］.IEEE Transactions on Circuits and Systems，2006，53（11）：2469-2476.

［2］Wang RB，Guo KY，Shi SM，et al.A monitoring method of driver fatigue behavior based on machine vision［C］. IEEE Symposium on Intelligent Vehicles，2003：110-113.

［3］D'Orazio T，Leo M，Guaragnella C，et al.A visual approach fordriverinattention detection［C］.Pattern Recognition，2007，40（8）：2341-2355.

［4］施樹明，金立生，王榮本，等.基于機器視覺的駕駛員嘴部狀態檢測方法［J］.吉林大學學報，2004，34（2）：232-236.

［5］Kithil PW，Jones RD，Jone M.Development of driver alertnessdetection systemsusingoverhead capacitive sensor array［C］.SAE Technical Paper Series，982292， SAEInternational，1998.

［6］Luis M，Nuevo J，Sotelo MA，et al.Real－time system for monitoring driver vigilance［C］.IEEE Transactions on Intelligent Transportation Systems，2006，7（1）：63－77.

［7］Thum CC，Mustafa MM，Hussain A，et al.Driver fatigue detection using steering grip force［C］.Student Conference on Research and Development SCOReD Proceedings， 2003：45－48.

［8］Brown，I.D.Pros Peets for technological countermeasures against driver fatigue.Accident Analysis and Prevention［J］.1997，29（4）：132－143.

［9］馬潮.AVR單片機嵌入式系統原理與應用實踐［M］.北京：北京航空航天大學出版社，2011.