基于ARM+FPGA的心電信號疲勞駕駛檢測方法的研究

陳卓然 張宇

摘? ?要：隨著經濟的快速發展，經濟全球化和科技現代化的加強，汽車已慢慢成為人們外出的首選交通工具之一。在各國對導致交通事故原因的統計中，疲勞駕駛均占有較大比重。為了減少交通事故量，減少各項損失，利用對基于 ARM+FPGA 平臺的心電信號疲勞駕駛檢測方法的研究，并設計神經網絡，該網絡可減少了數據對存儲單元的需求量，也降低了運算的復雜度，為進一步實現疲勞信號的傳輸提供便利。

關鍵詞：ARM+FPGA平臺? 心電信號? 疲勞駕駛

中圖分類號：U491? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）11（a）-0046-02

隨著經濟的快速發展，經濟全球化和科技現代化的加強，汽車已慢慢成為人們外出的首選交通工具之一。同時，交通問題如交通事故、交通堵塞等問題也日益突出。據估計全世界每年約有120萬人死于道路交通傷害，多達5000萬人受傷。在各國對導致交通事故原因的統計中，疲勞駕駛均占有較大比重：在美國，2011—2015年間共有4121人在疲勞駕駛導致的道路交通事故中喪生，因此如何監測疲勞駕駛的出現并及時阻止已成為一個世界范圍的重要課題。針對這些應用，對基于 ARM+FPGA 平臺的心電信號疲勞駕駛檢測方法的研究，并設計神經網絡，該網絡減少了數據對存儲單元的需求量，也降低了運算的復雜度。

1? 國內外研究現狀

目前已經有多種用于監測疲勞駕駛的方法，這些方法可被大致歸為以下三類：

（1）利用車輛的行為特征進行監測;

（2）利用駕駛員的行為以及面部表情進行監測;

（3）利用駕駛員的生理信號特征進行監測。

2? 主要研究方法

目前已經有多種用于監測疲勞駕駛的方法，這些方法可被大致歸為以下三類：

（1）利用車輛的行為特征進行監測;

目前有計算車輛行駛速度、前方車距、車道偏移等多種監測方法，但該方法易受到外界因素的影響，例如，駕駛員的不良駕駛習慣，天氣和能見度影響，強光等影響等。

（2）利用駕駛員的行為以及面部表情進行監測;

此類監測方法準確率更高一些，但也有其弊端。圖像的采取效果會受到攝像頭的采集圖像效果影響，同是也會受到外界的光線等的影響。

（3）利用駕駛員的生理信號特征進行監測。

生理信號目前包括腦電信號檢測，眼電信號檢測，心電信號檢測等幾個方向。對于這幾個研究方向，其中心電信號在獲取信號方面有著更大的優勢，并且對于信號獲取的成本來說，成本低，市場方案成熟。

心電信號是心臟電活動的一種客觀表現，代表著心臟在興奮發生、傳導和恢復過程中的電位變化，反映了心臟的工作狀態.心電信號除了可被應用于心臟疾病診斷以外，還可用于情緒辨別，如心理壓力的檢測，同時也可用于身份辨別等.由于心電信號不易受外界環境，如光照條件等影響，且其采集比腦電信號更方便，選用了心電信號。針對基于心電信號的疲勞駕駛檢測算法，通過計算心率變異性（ heart rate variability，HRV）指標以判斷駕駛者是否進入疲勞駕駛狀態。心率變異性是指心臟搏動周期存在的微小變異現象，心率變異性可作為反映心臟交感神經和迷走神經活動張張性和均衡性的一種非侵入性重要指標。

3? 主要設計思路

本課題將設計一種基于FPGA的心電信號疲勞駕駛檢測方法，將由FPGA設計的硬件加速系統頻域特征及經過預訓練深度卷積神經網絡模型提取的心電信號相關特征相結合的疲勞駕駛檢測算法。

（1）硬件部分，課題在對ARM+FPGA架構設計神經網絡，主要的運算階段在卷積和全連接兩部分，設計電路讓平臺中各部分發揮出各自最佳的性能，FPGA主要實現的網絡運算過程，在ARM處理器上對輸入信號和每層參數進行預加載和分配，并對FPGA的初始階段進行控制。硬件邏輯部分主要由計算單元、片內存儲器、DMA和有限狀態機控制器組成，系統處理部分主要包括CPU、內存控制器等。硬件邏輯部分DMA主要用來在運算階段預加載權重數據到片內存儲器中，并將最終的預測結果寫回片外存儲器。片內存儲器主要用來存儲計算單元運算之后的結果數據，并將 DMA 讀取的數據保存下來。計算單元內部主要是將輸入的數據和權重在運算時通過使用一些優化措施，加快網絡的運算過程，并輸出網絡最終的預測結果。

（2）軟件部分——數據和信號處理

①數據。

采集相關生理信號，考慮信號中的影響因素——睡眠、情緒、突發事件等，截取有規律心電信號序列。

②心電信號的噪聲樣本剔除。

常用的方法有：差分閾值法、模板匹配法、小波變換法以及神經網絡法等。

③特征及其提取。

特征及其提取分為兩部分，分別是計算時域/頻域特征以及卷積神經網絡模型提取特征。

4? 關鍵技術

（1）硬件加速模塊。

設計硬件部分使ARM和FPGA的特性能夠充分發揮出來，使片上系統和片內系統協同工作。

（2）軟件算法。

優化算法，加速信號提取的精確度和速度，使最終的設計結果能夠滿足利用心電信號來甄別駕駛員的疲勞狀態。

基于ARM+FPGA架構的設計相較于傳統的FPGA設計模式，在設計過程中將性能、集成度和靈活性等因素考慮進來，這不僅降低了成本和功耗，還增強了特性和性能。系統設計采用硬件部分和軟件部分來實現。

軟硬件劃分的結果，針對網絡處理的數據類型和運算量的不同，在計算單元內部分成了三個主要的模塊來分別處理卷積和全連接。每個模塊按照網絡的層次結構來處理，相應的特征圖數據，并產生最終的預測結果。

軟硬件接口部分也是本課題主要設計部分，在軟硬件劃分中，軟件部分主要來控制整個程序的運行和讀取片外存儲器里的數據到內存中，在硬件部分主要進行大量的并行計算任務。由于權重和特征圖在硬件部分存放和讀取的方式不同，在連接實現時采用最優方案來實現。首先，為了減少運算過程中軟硬件之間頻繁的數據訪問，將系統處理部分的數據通過值傳遞的方式傳輸到硬件存儲器內部，相較于地址傳遞的訪問形式，雖然占用了一些內存空間，但節省了交互的時間開銷。

通過設計的加速器架構，使得加速器在單位面積吞吐量和每瓦特的吞吐量方面都優于現有的全精度網絡，大幅提升了運算效率。

心電疲勞檢測系統應用前景非常廣闊，關系到生活中非常重要的出行環節，特別是目前我國的車輛保有量在逐年上升，對于車輛行駛安全也成為我們關系關注的話題。該系統的研究，對當今的車輛安全、健康監測、安全駕駛等會產生深遠影響。

5? 結語

從新的角度對車輛駕駛安全即駕駛員疲勞狀態檢測進行分析、運用ARM+FPGA平臺來實現心電信號的檢測技術，來提高疲勞駕駛檢測的精度，降低檢測成本，提高應用價值。在理論上可將智能健康監測系統應用于車輛駕駛，在實際應用中可與合作企業聯合開發。

參考文獻

[1] 肖昂弘，劉沭鋼，陳銘林，等.基于光電容積脈搏波監測（PPG）技術的生理監護藍牙智能手表設計[J]. 數字技術與應用，2016（5）：163-164.

[2] 李佳玉，王仲民，鄧三鵬，等.基于生理信號的疲勞駕駛研究[J].機械工程師，2015（12）：25-26.

[3] 胡駿飛，文志強，譚海湖，等.基于二值化卷積神經網絡的手勢分類方法研究[J].湖南工業大學學報，2017， 31（1）：75-80.