算法分析 - 基于ZYNQ AP SoC的安全驾驶系统设计与实现

　　具体算法分析：

　　（1）本系统的脸部采集算法采用基于Haar特征的AdaBoost级联分类器，其具有精度和速度较快的优点，在AdaBoost算法中，核心思想是针对同一个训练集训练不同的弱分类器，然后聚合起来，构成强分类器。它根据每次训练集中的每个样本进行分类判决，以及上一次的总体分类的准确度来决定每个样本的权值，最后将每次训练得到的分类器融合起来，作为最终的判决分类器，运行在ARM嵌入式系统上，检测速度较慢。而因为驾驶位置相对固定，当系统启动时，通过detectMultiScale函数对驾驶员位置和脸部五官进行初定位，这样可以通过驾驶员坐标，分割图像，降低分类器级数，提高检测速度。而且，驾驶员驾驶机动时候，位置基本无变化，可采取隔2帧图像检测一次人脸位置，并更新的驾驶员位置坐标值。另外，由于人脸五官在脸部中的位置分布是固定的，可采用初始化时得到的五官坐标分布与五官之间的距离，提取检测图像的ROI部分，进一步降低运算量。 部分程序如下：

　　pFaceCas-》detectMultiScale（dstImFull，faceRectInit，1.1，2，0，Size（30，30））;

　　pEyesCas-》detectMultiScale（dstGImeyes，eyeRectInit，1.1，4，0|CV_HAAR_SCALE_IMAGE ， Size（5，5） ）;

　　faceRectInitV=Rect（faceRectInitVX，faceRectInitVY，faceRectInitVW，faceRectInitVH*6/5）;

　　dstGImface = dstImFull（faceRectInitV）;

　　检测效果如图5，检测统计结果如表1。

　　

　　（2）采用morphologyEx函数，对识别提取的眼和嘴巴ROI图像进行开运算形态学滤波。开运算算法实际是对图像先进性腐蚀后膨胀，而形态学图象处理表现为一种邻域运算形式，一种特殊定义的邻域称之为“结构元素”（Structure Element），它在每个像素位置上与二值图象对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图象的相应像素。开运算能达到消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积的效果，假设给定二值图象B（x，y）和作为结构元素的二值模板X（i，j）。

　　

　　开运算程序如下：

　　at element = getStructuringElement（MORPH_RECT，Size（3，3））;

　　Mat element2 = getStructuringElement（MORPH_RECT，Size（7，7））;

　　morphologyEx（leyeT，leyeTm，MORPH_ERODE，element）; // 腐蚀

　　morphologyEx（leyeTm，leyeTm，MORPH_DILATE，element2）; // 膨胀

　　开运算效果如图6。

　

　　（3）OpenCV里面的findcontours算子能标记并提取脸部五官轮廓，通过提取出来的轮廓，计算得到眼睛、嘴巴的最大逼近张开度，然后通过比较，可判断出驾驶员的眼睛开闭状态、打哈欠次数。处理效果如图7，代码实现如下：

　　vector《vector》 contours;

　　vectorhierarchy;

　　Mat image1 = dstTImmouth.clone（）;

　　findContours（image1，contours，hierarchy，RETR_EXTERNAL，CHAIN_APPROX_SIMPLE）;

　　int i = 0 ;int crea;

　　for（ ;i《contours.size（）;i++）{《》

　　crea = fabs（contourArea（contours［i］））;

　　if（crea》=500） {cout《《crea《《endl;break;}《》

　　qDebug（）《《crea《《endl; p=“” }《crea《《endl;》

　　Rect box = boundingRect（contours［i］）;

　　dstTImmouth = dstTImmouth（box）;