基于FPGA平台的实时人眼检测系统设计＊

李秀圣，郭伟峻

（1.潍坊学院，山东 潍坊 261061；2.中兴通讯股份有限公司，陕西 西安 710065）

人眼检测系统在疲劳驾驶、人脸识别、人机交互、视频监控等方面具有广泛的应用［1］。目前，用于人眼检测的方法主要包括积分投影、模板匹配和统计的方法［2］。其中，积分投影法实现的系统对人脸的姿态非常敏感，特别是在人眼处的波峰和波谷位置，导致检测准确率低；而基于模板匹配和统计的方法难以在硬件上实现。在实现平台上，大部分人眼检测系统基于PC机实现，存在体积大、功耗高的缺点；小部分系统基于DSP平台实现［3］，但指令的执行以串行方式进行，难以满足系统实时检测的要求。

FPGA具有数据并行处理的特点，指令执行速度快，易于满足实时性检测的要求。并且可以通过硬件描述语言结合FPGA内部资源进行逻辑电路设计，而不需要附加专用芯片，利于实现系统的小型化［4］，基于以上考虑，本系统选取FPGA作为硬件实现平台。在系统实现方法上，根据人眼对不同波长的红外光具有不同反射率的原理，对分别在850nm和940nm两种波长的红外光照射下获得的人脸图像进行差分，然后通过图像处理，结合改进的复杂度算法最终获得人眼位置。

1 系统结构及工作原理

系统的硬件结构主要由CMOS图像传感器、红外光源、FPGA、视频编码芯片、VGA接口及若干存储器等组成，其中红外光源由内外两圈环形的LED灯产生，外圈是波长为940nm的红外LED灯，内圈是波长为850nm的红外LED灯。

系统工作流程如图1所示，CMOS图像传感器经12C配置电路初始化后输出行有效信号、帧有效信号、像素时钟信号及数据信号。人眼瞳孔对波长为940nm红外光的反射率为40%，对波长为850nm红外光的反射率是90%［5］，通过控制两圈不同波长的LED灯随图像帧频率而交替闪烁即可获得相邻的两帧亮、暗图像；然后利用图像差分法对上述两帧图像进行差分，即可获得具有亮瞳孔效应、人脸突出、几乎没有背景影响的红外图像；再通过对差分图像进行分割、积分投影等处理即能准确定位人脸；最后对定位的人脸区域利用改进的复杂度算法进行人眼定位。

帧缓冲模块由SDRAM控制器和3个FIFO组成，其中SDRAM控制器负责外部SDRAM的度读、写操作，Write＿FIFO用于数据输入、Read＿FIFO1和Read＿FIFO2用于输出两帧相邻的图像数据，系统检测后的图像利用VGA控制器显示在显示器上。

图1 系统工作流程图

2 人脸检测模块

用于人脸检测的算法流程如图2所示。

图2 人脸检测算法处理流程

图3 差分后的图像与灰度拉伸后的图像对比

2.1 灰度拉伸

进行灰度拉伸的目的是提高目标图像与背景之间的对比度，以便于图像进行分割处理［6］。具体实现过称为：从系统中取出一帧差分后的图像进行灰度拉伸，将像素灰度值处于［20，255］区间的像素点线性映射到［0，255］区间，灰度值小于20的像素点映射为0。两者的对比如图3所示，可见经灰度拉伸后提高了与差分图像之间的对比度。

2.2 图像分割

图像分割的关键是选取恰当的阈值，这样才能有效的将目标图像从背景中分割出来。本设计采用自适应阈值法中的最大类间方差法实现阈值选取［7］。设一副图像的灰度值为0～（l－1），灰度值为i的像素个数为ni，总像素个数为N，则各像素值的概率Pi＝ni／N。设以灰度值t将图像中的像素按灰度值分为两个区域，则最大类间方差的表达式为：

使得σ2最大的值即为图像分割的最佳阈值。最大类间方差算法是一种全局性的算法，计算出的阈值会在处理的两帧图像期间出现，通过实现测得系统的处理速度可达30帧／秒，故可将当前帧的分割阈值用于下一帧，而不必设计专门的当前帧存储电路，从而降低硬件实现的复杂度，分割后的图像如图4所示。

2.3 积分投影

通过图像分割处理，可以将人脸区域从背景中进行分离，这样就可以利用积分投影的方法得到人脸的边界。在区间［x1，x2］和［y1，y2］内的水平积分投影函数和垂直积分投影函数分别表示为［9］：

通过实验发现，人脸左右边界的积分投影值为人脸垂直方向积分投影值最大值的0.1～0.2倍，上边界的积分投影值为人脸水平方向积分投影值最大值的0.2～0.3倍，人脸的下边界可以通过上边界和左右边界之间的距离确定，本设计中人脸的下边界为上边界加左右边界的距离，其定位结果如图5所示。

图4 阈值分割后的图像

图5 人脸区域定位结果图像

3 人眼检测模块

通过观察差分后的红外图像，可知瞳孔周围的灰度值变化最为频繁，故人眼的检测采用复杂度算法来实现。同时，对定位出的人脸区域进行人眼检测，不仅缩小了检测范围，加快检测速度，而且还排除了人脸区域外的干扰，提高了人眼检测的精度。

图像复杂度的数学定义为：设图像块的大小为行列，灰度值为I（x，y），∂I／∂x为I（x，y）沿x方向的梯度，可以用差分Δx＝I（x＋1，y）－I（x，y）近似，则图像块的复杂度为［10］：

本设计选取的图像块大小为3＊3，如图6所示。经实验发现，相邻两点间进行复杂度的计算没有取得理想效果，通过对复杂度算法进行改进，在3＊3的图像块中选取4个像素点，使用公式Com＝｜x11－x33｜＋｜x13－x31｜进行复杂度计算，能够得到较好的效果。

图6 实验选取的3＊3图像块

图7 人眼定位结果及在VGA上的图像显示

在FPGA中采用行缓冲和流水线处理方式，3＊3图像窗口的构造通过调用移位寄存器的IP核Shift register实现，输入和输出的数据位宽为8位，3个taps，每个taps的宽度为752。3＊3的图像窗口在时钟上升沿到来时在图像上滑动，直至扫描完整帧图像。人眼定位结果图像及在VGA上的显示如图7所示。

4 结束语

利用人眼对不同波长的红外光具有不同反射率的原理，结合图像差分方法在FPGA平台上实现了人眼检测系统。利用FPGA处理速度快、资源丰富的特点使设计的系统具备小型化、功耗低、成本低、高速化等优点，处理速度达到30帧／秒，检测的精度在90%以上，满足实时性检测的要求。

［1］葛如海，陈彦博，刘志强.基于计算机视觉的驾驶疲劳识别方法的研究［J］.中国安全科学学报，2006，16（9）：134－138.

［2］唐琎，许海柱，王立.图像中人眼检测技术综述［J］.计算机应用研究，2008，25（4）：961－965.

［3］张希坤.视线跟踪关键技术研究及其在TI－DSP DM642上的实现与优化［D］.西安：西北工业大学，2005.

［4］Amir A，Zimet L，Sangiovanni－Vincentelli A，et al.An embedded system for an eye－detection sensor［J］.Computer Vision and Image Understanding，2005，98（1）：104－123.

［5］田娥，莫易敏，廖张华，等.基于红外光源的驾驶员实时检测［J］.计算机工程，2007，33（7）：255－257.

［6］陈芳，姚建刚，杨迎建，等.灰度拉伸及边缘扫描在红外图像分割中的应用［J］.计算机工程与应用，2009，45（14）：167－169.

［7］胡斌，宫宁生.一种改进的 Otsu阈值分割算法［J］.微电子学与计算机，2009，26（12）：153－155.

［8］Huang D Y，Wang C H.Optimal multi－level thresholding using a two－stage Otsu optimization approach［J］.Pattern Recognition Letters，2009，30（3）：275－284.

［9］Zhou Z H，Geng X.Projection functions for eye detection［J］.Pattern Recognition，2004，37（5）：1049－1056.

［10］崔连延，徐林，顾树生.基于复杂度和最佳阈值的人眼定位方法［J］.控制工程，2008，15（1）：11－14.