基于ARM+FPGA的心电信号疲劳驾驶检测方法的研究
来源:用户上传
作者:
摘 要：随着经济的快速发展，经济全球化和科技现代化的加强，汽车已慢慢成为人们外出的首选交通工具之一。在各国对导致交通事故原因的统计中，疲劳驾驶均占有较大比重。为了减少交通事故量，减少各项损失，利用对基于 ARM+FPGA 平台的心电信号疲劳驾驶检测方法的研究，并设计神经网络，该网络可减少了数据对存储单元的需求量，也降低了运算的复杂度，为进一步实现疲劳信号的传输提供便利。
关键词：ARM+FPGA平台 心电信号 疲劳驾驶
中图分类号：U491 文献标识码：A 文章编号：1674-098X（2019）11（a）-0046-02
随着经济的快速发展，经济全球化和科技现代化的加强，汽车已慢慢成为人们外出的首选交通工具之一。同时，交通问题如交通事故、交通堵塞等问题也日益突出。据估计全世界每年约有120万人死于道路交通伤害，多达5000万人受伤。在各国对导致交通事故原因的统计中，疲劳驾驶均占有较大比重：在美国，2011—2015年间共有4121人在疲劳驾驶导致的道路交通事故中丧生，因此如何监测疲劳驾驶的出现并及时阻止已成为一个世界范围的重要课题。针对这些应用，对基于 ARM+FPGA 平台的心电信号疲劳驾驶检测方法的研究，并设计神经网络，该网络减少了数据对存储单元的需求量，也降低了运算的复杂度。
1 国内外研究现状
目前已经有多种用于监测疲劳驾驶的方法，这些方法可被大致归为以下三类：
（1）利用车辆的行为特征进行监测;
（2）利用驾驶员的行为以及面部表情进行监测;
（3）利用驾驶员的生理信号特征进行监测。
2 主要研究方法
目前已经有多种用于监测疲劳驾驶的方法，这些方法可被大致归为以下三类：
（1）利用车辆的行为特征进行监测;
目前有计算车辆行驶速度、前方车距、车道偏移等多种监测方法，但该方法易受到外界因素的影响，例如，驾驶员的不良驾驶习惯，天气和能见度影响，强光等影响等。
（2）利用驾驶员的行为以及面部表情进行监测;
此类监测方法准确率更高一些，但也有其弊端。图像的采取效果会受到摄像头的采集图像效果影响，同是也会受到外界的光线等的影响。
（3）利用驾驶员的生理信号特征进行监测。
生理信号目前包括脑电信号检测，眼电信号检测，心电信号检测等几个方向。对于这几个研究方向，其中心电信号在获取信号方面有着更大的优势，并且对于信号获取的成本来说，成本低，市场方案成熟。
心电信号是心脏电活动的一种客观表现，代表着心脏在兴奋发生、传导和恢复过程中的电位变化，反映了心脏的工作状态.心电信号除了可被应用于心脏疾病诊断以外，还可用于情绪辨别，如心理压力的检测，同时也可用于身份辨别等.由于心电信号不易受外界环境，如光照条件等影响，且其采集比脑电信号更方便，选用了心电信号。针对基于心电信号的疲劳驾驶检测算法，通过计算心率变异性（ heart rate variability，HRV）指标以判断驾驶者是否进入疲劳驾驶状态。心率变异性是指心脏搏动周期存在的微小变异现象，心率变异性可作为反映心脏交感神经和迷走神经活动张张性和均衡性的一种非侵入性重要指标。
3 主要设计思路
本课题将设计一种基于FPGA的心电信号疲劳驾驶检测方法，将由FPGA设计的硬件加速系统频域特征及经过预训练深度卷积神经网络模型提取的心电信号相关特征相结合的疲劳驾驶检测算法。
（1）硬件部分，课题在对ARM+FPGA架构设计神经网络，主要的运算阶段在卷积和全连接两部分，设计电路让平台中各部分发挥出各自最佳的性能，FPGA主要实现的网络运算过程，在ARM处理器上对输入信号和每层参数进行预加载和分配，并对FPGA的初始阶段进行控制。硬件逻辑部分主要由计算单元、片内存储器、DMA和有限状态机控制器组成，系统处理部分主要包括CPU、内存控制器等。硬件逻辑部分DMA主要用来在运算阶段预加载权重数据到片内存储器中，并将最终的预测结果写回片外存储器。片内存储器主要用来存储计算单元运算之后的结果数据，并将 DMA 读取的数据保存下来。计算单元内部主要是将输入的数据和权重在运算时通过使用一些优化措施，加快网络的运算过程，并输出网络最终的预测结果。
（2）软件部分——数据和信号处理
①数据。
采集相关生理信号，考虑信号中的影响因素——睡眠、情绪、突发事件等，截取有规律心电信号序列。
②心电信号的噪声样本剔除。
常用的方法有：差分阈值法、模板匹配法、小波变换法以及神经网络法等。
③特征及其提取。
特征及其提取分为两部分，分别是计算时域/频域特征以及卷积神经网络模型提取特征。
4 关键技术
（1）硬件加速模块。
设计硬件部分使ARM和FPGA的特性能够充分发挥出来，使片上系统和片内系统协同工作。
（2）软件算法。
优化算法，加速信号提取的精确度和速度，使最终的设计结果能够满足利用心电信号来甄别驾驶员的疲劳状态。
基于ARM+FPGA架构的设计相较于传统的FPGA设计模式，在设计过程中将性能、集成度和灵活性等因素考虑进来，这不仅降低了成本和功耗，还增强了特性和性能。系统设计采用硬件部分和软件部分来实现。
软硬件划分的结果，针对网络处理的数据类型和运算量的不同，在计算单元内部分成了三个主要的模块来分别处理卷积和全连接。每个模块按照网络的层次结构来处理，相应的特征图数据，并产生最终的预测结果。
软硬件接口部分也是本课题主要设计部分，在软硬件划分中，软件部分主要来控制整个程序的运行和读取片外存储器里的数据到内存中，在硬件部分主要进行大量的并行计算任务。由于权重和特征图在硬件部分存放和读取的方式不同，在连接实现时采用最优方案来实现。首先，为了减少运算过程中软硬件之间频繁的数据访问，将系统处理部分的数据通过值传递的方式传输到硬件存储器内部，相较于地址传递的访问形式，虽然占用了一些内存空间，但节省了交互的时间开销。
通过设计的加速器架构，使得加速器在单位面积吞吐量和每瓦特的吞吐量方面都优于现有的全精度网络，大幅提升了运算效率。
心电疲劳检测系统应用前景非常广阔，关系到生活中非常重要的出行环节，特别是目前我国的车辆保有量在逐年上升，对于车辆行驶安全也成为我们关系关注的话题。该系统的研究，对当今的车辆安全、健康监测、安全驾驶等会产生深远影响。
5 结语
从新的角度对车辆驾驶安全即驾驶员疲劳状态检测进行分析、运用ARM+FPGA平台来实现心电信号的检测技术，来提高疲勞驾驶检测的精度，降低检测成本，提高应用价值。在理论上可将智能健康监测系统应用于车辆驾驶，在实际应用中可与合作企业联合开发。
参考文献
[1] 肖昂弘，刘沭钢，陈铭林，等.基于光电容积脉搏波监测（PPG）技术的生理监护蓝牙智能手表设计[J]. 数字技术与应用，2016（5）：163-164.
[2] 李佳玉，王仲民，邓三鹏，等.基于生理信号的疲劳驾驶研究[J].机械工程师，2015（12）：25-26.
[3] 胡骏飞，文志强，谭海湖，等.基于二值化卷积神经网络的手势分类方法研究[J].湖南工业大学学报，2017， 31（1）：75-80.
转载注明来源:https://www.xzbu.com/1/view-15156013.htm
