本发明涉及智能汽车技术领域，特别涉及一种基于人脸识别的汽车智能启动模块及启动方法。
背景技术：
中国正日渐成为车轮上的国家，到2016年末，我国汽车保有量达1.94亿辆并以每年上千万辆的速度增长。随着汽车数量的增加，盗窃分子也开始把目光投向作为高档消费品的汽车。当盗窃分子通过不法手段取得汽车钥匙或者进入汽车驾驶室内时，此时汽车处于一个不设防的状态，盗窃分子极易发动起来汽车盗走，因此该类汽车防盗问题越来越成为人们关注的焦点。
随着人工智能和人脸识别技术的飞速发展，汽车智能辅助驾驶系统(adas)的研究和开发已经成为国内外研究的热点，其中汽车主动安全智能检测启动系统，在辅助驾驶系统中起了非常重要的作用，它能在汽车被盗的情况下，依据人脸识别等最后一道“防线”来判断是否合法的驾驶员，进而保护汽车被非法启动盗走，大大提高了汽车在静止工况下的安全系数。
技术实现要素：
本发明的目的是提供一种基于人脸识别的汽车智能启动模块及启动方法。
为此，本发明技术方案如下：
一种基于人脸识别的汽车智能启动模块，包括微处理器、电源供电电路、驾驶员面部图像采集电路、红外感应器和语音提醒电路；所述的驾驶员面部图像采集电路、红外感应器和语音提醒电路均连接到微处理器；红外感应器用来判断是否有人进入驾驶室，电源供电电路为微处理器、驾驶员面部图像采集电路、红外感应器和语音提醒电路提供电力支持。
进一步的，所述的微处理器采用德州仪器公司生产的dm642高性能数字信号处理器，所述的电源供电电路设置在天窗上，包括太阳能板、储能单元和电压转换电路。
进一步的，所述驾驶员面部图像采集电路包括130万像素的ov9650数字摄像头，ov9650数字摄像头控制引脚scl和控制引脚sda通过iic总线与微处理器的iic接口硬件连接形成控制通道；ov9650数字摄像头的图像数据引脚y7-y0与微处理器的外设接口aed的7-0引脚进行硬件连接，实现图像数据流入到微处理器的存储器内；ov9650数字摄像头时钟信号sclk引脚、场同步vsync引脚、行同步href引脚分别与微处理器的gp0(4)引脚、gp0(5)引脚、gp0(6)引脚进行硬件连接，形成图像数据的场、行中断处理机制。
进一步的，所述语音提醒电路包括语音芯片和音频功放芯片；
语音芯片采用的是wt588d语音集成电路；音频功放芯片采用的是lm386集成电路；wt588d语音芯片的p00引脚、p01引脚、p02引脚、p03引脚作为触发引脚连接到按键上，进行录制语音、播放语音控制，wt588d语音芯片的pwm+/dac引脚通过lm386音频功放电路连接0.8w功率喇叭，当驾驶员验证人脸图像成功后，语音提醒驾驶员安全驾驶。
一种基于人脸识别的汽车智能启动模块的汽车智能启动方法，包括按顺序进行的下列步骤：
1)系统初始化设置：微处理器进行引导模式配置和内部存储区配置，驾驶员面部图像采集电路和语音提醒电路进行初始化设置；
2)判断驾驶员是否进入驾驶室：微处理器实时接收来自红外感应器的信号，并判断是否有驾驶员进入驾驶室，若判定结果为“否”，重复步骤2)；若判断结果为“是”，启动驾驶员面部图像采集电路，然后进入下一步；
3)驾驶员面部图像采集电路开始对驾驶员面部信息进行图像采集，并由微处理器判断图像采集是否成功，若判定结果为“否”，则重复步骤3)，若判定结果为“否”，则进入下一步；
4)对步骤3)中驾驶员面部图像采集电路采集的图像进行预处理，减少外界因素对原始图像造成的干扰，优化匹配性能；
5)利用人脸检测算法识别预处理后图像中的人脸，划分图像的人脸区域和非人脸区域；
6)针对检测出的人脸图像区域，进行特征提取，将人脸图像上各像素点间差异寻找出来，并利用图像的像素点差异性建立特征向量；同时依据数据降维的方式将高维图像中有效的特征信息提取出来，并将其导入到后续的分类器中；
7)针对提取出来的特征信息和特征向量进行分类器训练，将待测驾驶员的人脸图像与数据库中的样本数据进行匹配，计算出脸部区域相匹配度大小，并通过匹配度判断待测驾驶员的身份是否合法；，若判定结果为“是”，微控制器发出汽车发动机点火装置启动指令，并语音播报安全驾驶；否则，发出报警且汽车无法启动。
进一步的，所述的步骤4)中图像预处理过程包括图像灰度化、图像边缘检测和图像平滑处理。
进一步的，所述的图像边缘检测采用canny边缘检测算法。
进一步的，利用canny边缘检测算法对图像边缘进行检测时包括如下步骤：
1)采用高斯滤波器与图像进行卷积，得到图像高斯滤波后任意像素点的像素值db；
2)计算图像中的任意一个像素点值db的梯度g和方向θ；
3)将当前像素的梯度g与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制；
4)将边缘像素的梯度值与高阈值和低阈值进行比较，如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则会被抑制。
进一步的，所述人脸识别是通过径向基函数神经网络rbf构建的人脸图像训练样本分类器-支持向量机svm分类器实现对人脸的识别。
与现有技术相比，该基于人脸识别的汽车智能启动模块及启动方法具有如下优势：
1、实现了通过人脸识别对汽车的自主启动，可以有效地防止汽车被非法盗取；
2、人脸识别精度高，在人脸识别过程中对图像进行高精度的边缘检测，提高了图像识别效率，通过提取人脸特征信息并进行分类器训练和识别图像中的人脸是否与合法驾驶员匹配，识别匹配准确度高；
3、该基于人脸识别的汽车智能启动模块中的红外感应器在检测到有人进入驾驶室后才启动驾驶员面部图像采集电路，有效地节省了电能；
4.启动模块采用嵌入式设计，体积小，安装简单方便；
5.人脸识别过程对图像进行有效地特征提取和字符分割，有利于系统运行可靠稳定。
附图说明
图1为本发明提供的基于人脸识别的汽车智能启动模块的结构框图。
图2为面部图像采集电路图。
图3为语音提醒电路图。
图4为本发明提供的该基于人脸识别的汽车智能启动模块的汽车智能启动方法的流程图。
图5为基于分类器训练的人脸识别流程图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。
一种基于人脸识别的汽车智能启动模块，如图1所示，包括微处理器、电源供电电路、驾驶员面部图像采集电路、红外感应器和语音提醒电路；所述的驾驶员面部图像采集电路、红外感应器和语音提醒电路均连接到微处理器；红外感应器用来判断是否有人进入驾驶室，电源供电电路为微处理器、驾驶员面部图像采集电路、红外感应器和语音提醒电路提供电力支持。
所述的微处理器采用德州仪器公司生产的dm642高性能数字信号处理器，所述的电源供电电路设置在汽车的天窗上，包括太阳能板、储能单元和电压转换电路，有利于节能环保，实现了绿色供电。
所述驾驶员面部图像采集电路包括130万像素的ov9650数字摄像头，如图2所示，ov9650数字摄像头控制引脚scl和控制引脚sda通过iic总线与微处理器的iic接口硬件连接形成控制通道；ov9650数字摄像头的图像数据引脚y7-y0与微处理器的外设接口aed的7-0引脚进行硬件连接，实现图像数据流入到微处理器的存储器内；ov9650数字摄像头时钟信号sclk引脚、场同步vsync引脚、行同步href引脚分别与微处理器的gp0(4)引脚、gp0(5)引脚、gp0(6)引脚进行硬件连接，形成图像数据的场、行中断处理机制。
其工作原理是：当摄像头采集到一行图像数据时，此时引起微处理器的行中断，在行中断服务程序中，取出该行图像数据，并保存到微处理器的缓存区；当摄像头采集完一副图像数据时，此时引起微处理器的场中断，在场中断服务程序中，进行一副完整驾驶员面部图像的预处理、人脸检测、特征提取、分类器训练识别等算法实现。
所述语音提醒电路包括语音芯片和音频功放芯片；
语音芯片采用的是wt588d语音集成电路；音频功放芯片采用的是lm386集成电路；如图3所示，wt588d语音芯片的p00引脚、p01引脚、p02引脚、p03引脚作为触发引脚连接到按键上，进行录制语音、播放语音控制，wt588d语音芯片的pwm+/dac引脚通过lm386音频功放电路连接0.8w功率喇叭，当驾驶员验证人脸图像成功后，语音提醒驾驶员安全驾驶。
一种基于人脸识别的汽车智能启动模块的汽车智能启动方法，如图4所示，包括按顺序进行的下列步骤：
1)系统初始化设置：微处理器进行引导模式配置和内部存储区配置，驾驶员面部图像采集电路和语音提醒电路进行初始化设置；
2)判断驾驶员是否进入驾驶室：微处理器实时接收来自红外感应器的信号，并判断是否有驾驶员进入驾驶室，若判定结果为“否”，重复步骤2)；若判断结果为“是”，启动驾驶员面部图像采集电路，然后进入下一步；
3)驾驶员面部图像采集电路开始对驾驶员面部信息进行图像采集，并由微处理器判断图像采集是否成功，若判定结果为“否”，则重复步骤3)，若判定结果为“否”，则进入下一步；
4)对步骤3)中驾驶员面部图像采集电路采集的图像进行预处理，减少外界因素对原始图像造成的干扰，优化匹配性能，图像预处理过程包括图像灰度化、图像边缘检测和图像平滑处理，且图像边缘检测采用canny边缘检测算法，提高边缘检测的精度，简化后续图像识别过程，提高图像识别速度；
5)利用人脸检测算法识别预处理后图像中的人脸，划分图像的人脸区域和非人脸区域；
6)针对检测出的人脸图像区域，进行特征提取，将人脸图像上各像素点间差异寻找出来，并利用图像的像素点差异性建立特征向量；同时依据数据降维的方式将高维图像中有效的特征信息提取出来，并将其导入到后续的分类器中；
7)针对提取出来的特征信息和特征向量进行分类器训练，将待测驾驶员的人脸图像与数据库中的样本数据进行匹配，计算出脸部区域相匹配度大小，并通过匹配度判断待测驾驶员的身份是否合法；，若判定结果为“是”，微控制器发出汽车发动机点火装置启动指令，并语音播报安全驾驶；否则，发出报警且汽车无法启动。
其中，利用canny边缘检测算法对图像边缘进行检测时包括如下步骤：
1)采用高斯滤波器与图像进行卷积，得到图像高斯滤波后任意像素点的像素值db；其中，图像像素点大小为(2k+1)×(2k+1)的高斯滤波器核生成方程式为：
i≥1，j≤(2k+1)，针对图像的任意一个像素点值df，取3×3局部窗口w作为输入，则经过高斯滤波器进行滤波后的该点像素值为db,db的表达方式为：
其中*为卷积运算，sum为矩阵中所有元素的相加求和；
2)计算图像中的任意一个像素点值db的梯度g和方向θ；针对进行高斯滤波后的图像中任意像素点db，设x和y方向的sobel算子分别为：
则针对图像的任意一个像素点值db，取3×3局部窗口w作为输入，求在x和y方向的梯度值分别为：
又依据：
通过公式(7)和公式(8)得到图像中的任意一个像素点值db的梯度g和方向θ；
3)将当前像素的梯度强度g与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制；
4)将边缘像素的梯度值与高阈值和低阈值进行比较，如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则会被抑制；有利于提高识别精度和速度。
在进行人脸检测和特征值提取时，针对预处理后的图像每个相素点都有一个局部3×3邻域像素灰度值，该相素点处于邻域中心位置处，将该局部3×3邻域的灰度值与8个kirsch模板卷积得到相应方向的边缘梯度值，i＝0,1,…,7)，将边缘梯度值的绝对值进行排序，求出第k大的值并将大于等于的对应的第i位二进制数设置为1，剩余8-i位置为0，得到一个八位的二进制编码，然后根据不同位置进行加权求和，所得的十进制数即为该像素点的ldp特征值；
使用到的8个kirsch算子如下：
针对图像的任意一个像素点值db，取3×3局部窗口w作为输入，进行8个kirsch算子运算，得到db的8个响应值，记为li，其中i＝0,1,2,3,4,5,6,7。
依据公式：
其中，
按照数值大小的原则，对8个响应值排序，取m个数值大的响应值进行置1操作，剩下的进行清0操作；以l0值为最低位，逆时针对8个响应值进行二进制编码，得到该像素点db的ldp编码。进一步的，针对目标图像，依据公式：
其中：
取得目标图像ldp编码的直方图值作为人脸识别的特征值，pi为目标图像像素点的ldp编码值；
所述人脸识别是通过径向基函数神经网络rbf构建的人脸图像训练样本分类器-支持向量机svm分类器实现对人脸的识别；有利于提高识别系统运行的稳定性；
所述人脸识别，选取径向基函数rbf：g(x,y)＝exp(-γ||x-y||2)，并确定好rbf核函数的自身参数γ和错误代价系数c，来构建人脸图像训练样本分类器-支持向量机(svm)分类器；基于一对一投票策略的svm分类器，将训练样本分为k种类别，分别用f1、f2、f3、…、fk表示，则先训练二分类器，将k类样本进行两两组合，则可得到
a)初始化k类样本得票数：vote(f1)＝vote(f2)＝vote(f3)...＝vote(fk)＝0；
b)进行各个二分类器的投票，向训练的各个二分类器输入驾驶员面部图像特征值的测试样本后，分别判断测试样本的类别；
c)对各个样本类别的得票结果进行统计比较，输出得票最多的类别，得到最终的识别结果，由svm分类器做出判定和模糊匹配，匹配度达到相应阈值时本装置授权汽车发动机点火装置启动指令，并语音播报安全驾驶，若匹配失败，则无法操作，有效的降低车辆非法驾驶的可能性，实现真正意义上的人工智能汽车驾驶。