基于DM642的红外成像系统在脸部疲劳状态识别中的应用

论文摘要

目前大多数脸部疲劳检测方法都停留在静态图像检测领域,由于需要对整个图像进行检测判断,大大降低了检测的时效性和检测效率,增加了检测花费的时间和判断的时间,不太适合实时疲劳检测。此外,视频图像采集所用的设备一般都是普通可见光摄像头,其对环境要求较为严格,当背景光线较弱或者背景变化较大时,采集到的视频图像非常不利于以后的检测处理。这里,我们采用背景差分等图像处理技术以及红外摄像头进行图像采集技术,解决运动目标的提取以及降低系统对背景的依赖性,从而改进成像系统的效率。课题主要包括两个部分:第一部分:利用图像检测方法借助MATLAB/Simulink建模和仿真,构建疲劳检测模型。红外摄像头对背景光线依赖性不高,采集出的图像边缘信息明显,非常易于以后的处理。将采集到的图像进行背景提取,这里主要采用背景差分的方法提取运动目标,再将提取出的运动图像进行二值化,求出整幅图像的最大连通区域,从而找到人脸部位。其次,采用积分投影算法确定人眼位置,通过PERCLOS原理,得出疲劳判断结果。最后,将所有的算法在MATLAB/Simulink进行建模以及仿真,构建疲劳检测模型。第二部分:生成C代码并于DM642上运行。利用MATLAB/Simulink中“Real-Time Workshop”工具,将MATLAB/Simulink构建的疲劳检测模型转化为DM642所需的C代码,同时在Code Compile Studio（简称CCS）中进行代码调试以及编译,最后将代码下载到DM642中运行,完成整个系统的开发验证。

论文目录

• 摘要
• Abstract
• 第一章 引言
• §1-1 课题研究的背景及意义
• §1-2 国内外研究现状
• 1-2-1 国外研究现状
• 1-2-2 国内研究现状
• 1-2-3 疲劳检测发展趋势
• §1-3 本课题研究的主要内容
• 第二章 人脸检测与定位
• §2-1 主动红外成像原理
• §2-2 中值滤波原理
• §2-3 色彩空间介绍
• 2-3-1 RGB 色彩空间
• 2-3-2 灰度图像
• §2-4 运动目标检测
• 2-4-1 基于背景差分法的运动目标检测
• 2-4-2 阈值T 的取法
• §2-5 人脸定位
• §2-6 基于投影信息的人脸定位算法
• §2-7 本章小结
• 第三张 人眼检测及疲劳判断
• §3-1 人眼定位算法
• 3-1-1 模板匹配法
• 3-1-2 霍夫变换法（Hough Transform）
• 3-1-3 边缘特征分析法
• §3-2 基于投影变化的眼睛定位算法
• §3-3 基于眼睛开闭状态的疲劳状态判断
• §3-4 Simulink 建模
• 3-4-1 Simulink 简介
• 3-4-2 疲劳检测Simulink 模型的创建
• §3-5 本章小结
• 第四章 基于 MATLAB/Simulink 建模及 DSP 直接目标代码生成
• §4-1 数字信号处理（DSP）芯片TMS320DM642 概述
• §4-2 TMS320DM642 结构原理
• 4-2-1 中央处理器（CPU）
• 4-2-2 视频端口
• 4-2-3 增强的直接存取器访问（EDMA）控制器
• 4-2-4 JTAG 仿真接口
• §4-3 闻亭视频通讯模块（VCM）开发板概述
• §4-4 MATLAB 与TI CCS 接口
• §4-5 疲劳检测算法仿真
• 4-5-1 定点化处理
• 4-5-2 利用Real-Time Workshop 自动产生C 代码
• §4-6 本章小结
• 第五章 疲劳检测系统 DSP 硬件实现
• §5-1 DM642 视频驱动程序设计
• §5-2 代码调试及运行
• §5-3 本章小结
• 第六章 总结和展望
• §6-1 本课题工作总结
• §6-2 未来工作及展望
• 参考文献
• 致谢