详细设计说明书
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Image：需要进行目标检测的区域.
Object：将检测到的目标标记在矩形框中.
scaleFactor：代表图像的缩放因子.
Minneighbors：指定每个候选矩阵至少包含的邻近元素个数.
Flag：标志位，默认为0.
Minsize：最小的检测窗口，如果该值设置过小，将会导致图像的计算量较大。
3.5.2
疲劳驾驶检测系统
详细设计说明书
2015年3月13日
1.
1.1
此说明书在概要设计的基础上，对基于人眼的疲劳检测终端各个模块，程序分别进行了实现层面上的要求和说明。在以下的详细设计报告中将对在本阶段中队系统所做的所有详细设计进行说明。
主要工作包括：根据软件需求说明书所描述的数据，功能，运行，性能，需求，并依照概要设计说明书所确定的处理流程、总体设计、软件系统的结构设计，逐个模块的程序描述（包括各模块的功能、性能、输入、输出、算法、程序逻辑、接口等）。
当系统成功标记处人眼部的区域后，需要进行二值化处理，从而实现眼部提取。但是由于图像的灰度值对光线很敏感，固定的阈值势必无法满足要求，本文采用的是基于Otsu算法的二值化处理。
Otsu算法，又被称为最大类间法，是一种自适应的图像分割技术，它是根据最小二乘原理推导出来的，根据光线强度的不同，阈值会随之变化，能得到最优的阈值[7]，其基本原理如下：将直方图在某一阈值进行分割成两组，称为“前景”和“背景”，当被分成的两组的方差最大时候，该阈值就是最佳分割阈值。方差是灰度均匀分布的一种度量，值越大，说明构成图像两部分的差别越大，当部分“前景”错分为“背景”或者“背景”错分为“前景”的时候，都会导致方差变小，因此最大类间法意味着错分的概率最小。对于图像直方图，不妨假设其灰度级为0~m，像素点个数为N，针对某一个分割阈值t，那么整个图像被分割成两部分，0~t称为“前景”，而t+1~m称为“背景”。“前景”的权重为Wf，均值设为Mf，方差为Df，“背景”的权重为Wb，均值设为Mb，方差为Db。图像的整体的方差公式如式3所式。
(3)
Otsu的最终目的就是要求出D的最大值来，从而得到最优的分割阈值。
3.5.3
边缘是图像灰度值变化剧烈的位置，因此包含了大量的有用信息，常用的边缘检测包含很多，比如：Robert Cross边缘检测，Canny边缘检测，Prewitt边缘检测，Sobel检测。但是这些方法中唯有Robert Cross计算方便简单、快速，容易在实时系统中实现，本系统中采用的就是该检测方法，根据任意一对互相垂直方向上像素点的差分来计算梯度的原理[8,9]，采用对角线方向相邻像素灰度差。如式4所示：
在项目的概要设计中，确定的具体的软件的主流程方案如下图所示。
在人眼状态的判断过程中具体的步骤如下图所示。百度文库
3.
为了完成系统所需要的功能，我们设计了一个类来实现：FdActivity
说明如下：
FdActivity：该类是作为程序的主界面类，在该类中，将surfaceview占据了整个界面，在该类中主要重写了onCreate()、onPause()、onDestroy()、onCameraViewStarted()、onCameraViewStopped()、onCameraFrame()、onCreateOptionsMenu()、onOptionsItemSelected()、
2、系统：待开发的不规范驾驶检测系统
1.4
《软件工程概论》
《软件文档编写》
《android应用程序设计》
《java基础》
《opencv教程》
《andorid-opencv手册—网页版》
2.
本待开发的系统采用的软件层次框图如下图所示：
在前期的方案确定的时候，采用的是基于android操作系统的OpencV开源库，因此只需要将编译好的OpenCV库导入到开发环境中即可进行开发，因此本系统的主要开发工作集中在应用程序的设计部分。
3.2
见概要设计说明书
3.3
实时性：能基本实现实时性的要求
对人脸的判断准确度：95%以上
眼睛的判断准确度：90%以上
疲劳识别：80%以上
3.4
输入的数据是：摄像头采集的实时数据
输出是：预警声音
3.5
3.5.1
传统的检测人脸分方法有很多种：基于肤色的分离、基于统计模型、或者是PCA方法，但是这些方法识别的时间较长，并且准确率不高，在本文中，采用的是OpenCV中非常成功的基于Haar-Like特征的Adaboost算法。人脸检测分成两步：首先是训练过程产生分类器文件，再是利用分类器进行人脸检测过程[4]。训练过程：（1）准备正负样本，正样本是需要检测的目标（正脸），负样本是不含正样本特征的任何目标;（2）利用CreatSample程序准备正样本集;（3）利用Haar-Training程序训练得到分类器特征xml文件。检测过程：利用android-OpenCV中的分类器构建函数去加载该特征xml文件，利用分类器本身的成员函数[4,5]：detectMultiScale(Mat image，List<Rect> objects, double scaleFactor, int minNeighbors, int flags,SizeminSize)对指定的image进行检测。其函数各参数的意义：
软件开发小组的产品实现成员应该阅读和参考此说明书，从而进行代码的编写，测试。
1.2
说明：
A、待开发系统的名称:不规范驾驶检测系统
B、开发者：孙艳强陈浩倪四飞
用户：驾驶员或者是汽车厂商以及交通管理部门
C、项目开发背景：学生工程实践选题
1.3
1、android-opencv:这是一个在android操作系统上的Opencv开源库，本系统的开发中用到了该库，加快了开发的效率，降低了开发成本。
函数具体的分析参见程序的具体描述部分；
onCameraFrame()函数：在系统实时监测驾驶员的头像数据的时候，需要显示当前的帧率，该类就是负责帧率的显示的类，该类中，主要是实现了以下的几个功能：
从一帧图片中计算人眼的区域
绘制人眼的区域
3.1
打开摄像头，实时采集脸部的帧数据，图像进行灰度变化，首先进行预处理，将背景噪声以及图像中的突刺变化去除，防止影响后面的图形计算精度；利用Opencv中的已有函数接口进行人脸和人眼的定位，在将人眼的轮廓提取出来，这里面的用的方法：Otus和Robert Cross边缘检测。利用最大垂直距离进行是否闭合的判定，组后再利用PERCLOS原理进行疲劳状态的判断。
Object：将检测到的目标标记在矩形框中.
scaleFactor：代表图像的缩放因子.
Minneighbors：指定每个候选矩阵至少包含的邻近元素个数.
Flag：标志位，默认为0.
Minsize：最小的检测窗口，如果该值设置过小，将会导致图像的计算量较大。
3.5.2
疲劳驾驶检测系统
详细设计说明书
2015年3月13日
1.
1.1
此说明书在概要设计的基础上，对基于人眼的疲劳检测终端各个模块，程序分别进行了实现层面上的要求和说明。在以下的详细设计报告中将对在本阶段中队系统所做的所有详细设计进行说明。
主要工作包括：根据软件需求说明书所描述的数据，功能，运行，性能，需求，并依照概要设计说明书所确定的处理流程、总体设计、软件系统的结构设计，逐个模块的程序描述（包括各模块的功能、性能、输入、输出、算法、程序逻辑、接口等）。
当系统成功标记处人眼部的区域后，需要进行二值化处理，从而实现眼部提取。但是由于图像的灰度值对光线很敏感，固定的阈值势必无法满足要求，本文采用的是基于Otsu算法的二值化处理。
Otsu算法，又被称为最大类间法，是一种自适应的图像分割技术，它是根据最小二乘原理推导出来的，根据光线强度的不同，阈值会随之变化，能得到最优的阈值[7]，其基本原理如下：将直方图在某一阈值进行分割成两组，称为“前景”和“背景”，当被分成的两组的方差最大时候，该阈值就是最佳分割阈值。方差是灰度均匀分布的一种度量，值越大，说明构成图像两部分的差别越大，当部分“前景”错分为“背景”或者“背景”错分为“前景”的时候，都会导致方差变小，因此最大类间法意味着错分的概率最小。对于图像直方图，不妨假设其灰度级为0~m，像素点个数为N，针对某一个分割阈值t，那么整个图像被分割成两部分，0~t称为“前景”，而t+1~m称为“背景”。“前景”的权重为Wf，均值设为Mf，方差为Df，“背景”的权重为Wb，均值设为Mb，方差为Db。图像的整体的方差公式如式3所式。
(3)
Otsu的最终目的就是要求出D的最大值来，从而得到最优的分割阈值。
3.5.3
边缘是图像灰度值变化剧烈的位置，因此包含了大量的有用信息，常用的边缘检测包含很多，比如：Robert Cross边缘检测，Canny边缘检测，Prewitt边缘检测，Sobel检测。但是这些方法中唯有Robert Cross计算方便简单、快速，容易在实时系统中实现，本系统中采用的就是该检测方法，根据任意一对互相垂直方向上像素点的差分来计算梯度的原理[8,9]，采用对角线方向相邻像素灰度差。如式4所示：
在项目的概要设计中，确定的具体的软件的主流程方案如下图所示。
在人眼状态的判断过程中具体的步骤如下图所示。百度文库
3.
为了完成系统所需要的功能，我们设计了一个类来实现：FdActivity
说明如下：
FdActivity：该类是作为程序的主界面类，在该类中，将surfaceview占据了整个界面，在该类中主要重写了onCreate()、onPause()、onDestroy()、onCameraViewStarted()、onCameraViewStopped()、onCameraFrame()、onCreateOptionsMenu()、onOptionsItemSelected()、
2、系统：待开发的不规范驾驶检测系统
1.4
《软件工程概论》
《软件文档编写》
《android应用程序设计》
《java基础》
《opencv教程》
《andorid-opencv手册—网页版》
2.
本待开发的系统采用的软件层次框图如下图所示：
在前期的方案确定的时候，采用的是基于android操作系统的OpencV开源库，因此只需要将编译好的OpenCV库导入到开发环境中即可进行开发，因此本系统的主要开发工作集中在应用程序的设计部分。
3.2
见概要设计说明书
3.3
实时性：能基本实现实时性的要求
对人脸的判断准确度：95%以上
眼睛的判断准确度：90%以上
疲劳识别：80%以上
3.4
输入的数据是：摄像头采集的实时数据
输出是：预警声音
3.5
3.5.1
传统的检测人脸分方法有很多种：基于肤色的分离、基于统计模型、或者是PCA方法，但是这些方法识别的时间较长，并且准确率不高，在本文中，采用的是OpenCV中非常成功的基于Haar-Like特征的Adaboost算法。人脸检测分成两步：首先是训练过程产生分类器文件，再是利用分类器进行人脸检测过程[4]。训练过程：（1）准备正负样本，正样本是需要检测的目标（正脸），负样本是不含正样本特征的任何目标;（2）利用CreatSample程序准备正样本集;（3）利用Haar-Training程序训练得到分类器特征xml文件。检测过程：利用android-OpenCV中的分类器构建函数去加载该特征xml文件，利用分类器本身的成员函数[4,5]：detectMultiScale(Mat image，List<Rect> objects, double scaleFactor, int minNeighbors, int flags,SizeminSize)对指定的image进行检测。其函数各参数的意义：
软件开发小组的产品实现成员应该阅读和参考此说明书，从而进行代码的编写，测试。
1.2
说明：
A、待开发系统的名称:不规范驾驶检测系统
B、开发者：孙艳强陈浩倪四飞
用户：驾驶员或者是汽车厂商以及交通管理部门
C、项目开发背景：学生工程实践选题
1.3
1、android-opencv:这是一个在android操作系统上的Opencv开源库，本系统的开发中用到了该库，加快了开发的效率，降低了开发成本。
函数具体的分析参见程序的具体描述部分；
onCameraFrame()函数：在系统实时监测驾驶员的头像数据的时候，需要显示当前的帧率，该类就是负责帧率的显示的类，该类中，主要是实现了以下的几个功能：
从一帧图片中计算人眼的区域
绘制人眼的区域
3.1
打开摄像头，实时采集脸部的帧数据，图像进行灰度变化，首先进行预处理，将背景噪声以及图像中的突刺变化去除，防止影响后面的图形计算精度；利用Opencv中的已有函数接口进行人脸和人眼的定位，在将人眼的轮廓提取出来，这里面的用的方法：Otus和Robert Cross边缘检测。利用最大垂直距离进行是否闭合的判定，组后再利用PERCLOS原理进行疲劳状态的判断。