光照自适应的疲劳驾驶检测系统

介绍了一种能够自适应各种光照变化的疲劳驾驶检测系统的设计方案。首先利用YCbCr色彩空间中肤色的聚类特性受光照明暗条件影响的性质来进行光照强弱的判断,划分为弱、中、强3种情况,由系统自适应地选择相应的处理措施,旨在鲁棒地检测到人的双眼。完成上述人眼区域的粗定位后,在人脸五官几何结构的先验知识约束下,根据区域生长及形态学运算精确定位眼睛位置。最后通过计算PERCLOS值来判断是否疲劳。实验证明该方法准确率高,能在各种光照情况下进行实时疲劳检测。     

基于亮瞳效应的连续AdaBoost人眼检测

主动红外下的人眼检测结合了亮瞳效应,能够大大提高人眼的检测速度。连续AdaBoost算法借助于积分图和级联结构,具有很快的运算速度,而且它具有检测率高和鲁棒性好的特点。结合了亮瞳效应的连续AdaBoost人眼检测,使得检测系统能够满足实时的应用场合。同时,论文中采用的“人脸-人眼”两层结构有效降低了人眼检测的误检率,提高了检测的精度。实验结果表明,对于640×480分辨率的连续视频,系统的人眼检测平均时间小于16ms每帧,检测正确率较高。     

驾驶员注意力检测算法的研究

注意力检测是疲劳检测的一个重要的方面.本文提出了一种实时检测注意力的方法,首先利用灰度积分投影算法来检测人脸和眉眼区域,进一步定位人眼,然后计算人眼开度值,最后利用PERCLOS来判断人眼的注意力.经实验证明是一个行之有效的方法.     

基于肤色分割与AdaBoost算法的人脸检测

提出了一种将肤色分割与AdaBoost算法相结合的人脸检测方法。该方法利用肤色的聚类特性在YCbCr色彩空间中建立肤色高斯模型,通过形态学处理完成图像肤色区域的筛选;然后利用AdaBoost算法训练弱分类器并构成强分类器,对强分类器进行组合,形成级联分类器并对候选区域进行人脸检测,排除非人脸肤色区域,实现对不同角度人脸的正确检测。该方法可同时解决肤色分割方法对复杂背景图像的高误检率与AdaBoost算法对多姿态人脸图像的低检测率的问题。仿真实验表明,该方法具有检测率高、误检率低、适应性好及鲁棒性强的优点,对具有多姿态、多人脸和复杂背景信息的图像具有较好的检测效果,实用性得到增强。     

自由立体显示系统中的人眼跟踪定位方法

人眼跟踪定位是自由立体显示系统的重要组成部分,系统通过获取两眼的精确位置可以使观看者无辅助观看设备情况下获得清晰的三维图像。采用由粗到精的方法,在对人脸区域进行跟踪的基础上进行人眼初检测和瞳孔精确定位。红眼效应可有效筛选眼部区域候选点,利用脸部Adaboost级联分类器检测结果构造似然函数用于粒子滤波实时人脸跟踪,在此基础上进行基于Adaboost方法的人眼初定位和基于投影方法的瞳孔精定位。实验表明,该算法使人眼跟踪与精确定位速度之和达到100帧/s,满足系统实时精确的要求。     

多特征融合的驾驶员疲劳程度量化方法研究

针对疲劳驾驶检测系统鲁棒性差和疲劳程度划分过于简单的问题，利用MediaPipe人脸关键点检测技术和模糊推理系统，融合多种面部疲劳特征，研究视频序列中驾驶员疲劳程度量化评估方法，实现对驾驶员疲劳程度的实时评分和疲劳预警。首先利用MediaPipe人脸检测模型定位面部关键点；之后使用检测到的关键点从视频帧中实现对面部疲劳动态特征进行提取，得到单位时间内眨眼次数（PERCLOS）、打哈欠时长、有无瞌睡、人脸摆动近似熵四个评估指标，最后设计模糊推理系统对疲劳程度进行量化，实现对驾驶员疲劳程度的实时评估。研究表明，所提出的方法科学有效的实现了对驾驶员疲劳程度的量化评估，进一步提升了基于面部特征的疲劳驾驶检测的鲁棒性和可靠性。     

融合特征增强与DeepSort的疲劳驾驶检测跟踪算法

为了提高疲劳驾驶检测过程中面部特征识别的连续检测性和鲁棒性，降低车载终端的配置需求，设计了一种轻量化的人脸检测跟踪方法用于驾驶员疲劳检测。首先，采用MobileNetv3-Small作为面部特征提取主干轻量化网络模型，引入简单无参数注意力模块(simple, parameter-free attention module, SimAM)和深度超参数化卷积(depthwise over-parameterized convolutional, DOConv)构建特征映射和轻量化特征增强模块深度优化和关注人脸区域信息。然后融合DeepSort进行连续分类跟踪，优化面部遮挡对检测性能的影响。接着将人脸特征检测和关键点结合，根据单位时间内眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time, PERCLOS)疲劳阈值、连续闭眼帧数和打哈欠总数判别疲劳驾驶。实验结果表明，模型的平均精度均值和查全率达到了98.9%和97.2%,提高了1.8%和6.3%;同时，浮点运算量仅为基准模型的28.3%,模型体积仅为7 MB。最终得出...     

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。     

一种基于先验信息的 WiFi 室内定位方法

多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的位置推断可能区域,通过信号指纹检测器判断可能区域是否正确,通过再次粗定位阶段重新推算可能区域。在精定位阶段,该方法通过最大后验概率密度方法得到位置估计。利用开源数据集进行实验,证明了所提方法相比传统的3种方法(无先验的最大后验、先验kNN和无先验kNN方法),定位精度分别提高了3%、5%和7%。     

基于圆形滑动窗口的瞳孔定位算法

瞳孔定位是眼动识别中的一个关键步骤。针对目前瞳孔定位算法存在精度低、耗时高、人脸偏转时的定位误差较大等问题,提出了一种通过创建滑动窗口来精确定位瞳孔中心的算法。首先利用CLM模型提取人脸的眼部区域,对提取后的图片进行预处理,然后通过创建圆形滑动窗口对图片进行扫描并计算每个窗口内灰度值的和,利用人眼瞳孔的灰度值相对较低这一特性选取灰度值相对较低的窗口为人眼瞳孔区域,计算出其中心点坐标即可定位出瞳孔中心。实验结果表明,该算法针对不同测试对象可以相对精确地定位瞳孔中心,并且具有较高的鲁棒性。     

一种视频图像序列人脸检测方法

根据高阶统计量对高斯噪声不敏感的特点,本文提出了一种新的从连续图像序列中检测人脸的方法.首先,设计了运动图像序列帧间差的高阶统计量的计算公式,以自动分离运动人体和背景.为了提高速度,对计算过程进行了优化处理.然后使用一种边缘人脸检测方法检测运动人体中的人脸,并对该人脸进行尺度归一化处理.实验表明,该方法简单易行,速度快,能准确地提取出运动图像序列中的人脸.     

基于卷积神经网络和语义特征的眼型分类

眼睛是人脸特征最重要的构成部分,研究眼睛的特征点定位和形状分类问题,对扩充智能模拟画像系统中的眼睛库起着至关重要的作用。提出一种基于级联卷积神经网络与语义特征的人眼分类方法,采用三级的级联卷积神经网络,检测并由粗略到细致地定位出106个特征点,根据定位眼睛的20个特征点对眼睛进行形状建模并定义3个确定眼型的形状参数,对这3个参数进行分段处理,通过每一区间对应不同的语义描述来达到眼型分类的目的。实验结果表明,此方法定位准确,能达到良好的眼睛分类效果。     

Determining driver visual attention with one camera

This paper presents a system for analyzing human driver visual attention. The system relies on estimation of global motion and color statistics to robustly track a person's head and facial features. The system is fully automatic, it can initialize automatically, and reinitialize when necessary. The system classifies rotation in all viewing directions, detects eye/mouth occlusion, detects eye blinking and eye closure, and recovers the three dimensional gaze of the eyes. In addition, the system is able to track both through occlusion due to eye blinking, and eye closure, large mouth movement, and also through occlusion due to rotation. Even when the face is fully occluded due to rotation, the system does not break down. Further the system is able to track through yawning, which is a large local mouth motion. Finally, results are presented, and future work on how this system can be used for more advanced driver visual attention monitoring is discussed.     

基于SSD的多因素融合的驾驶疲劳检测研究

为了降低因疲劳驾驶而导致的事故发生率,提出一种利用卷积神经网络与人脸特征点、疲劳判定指标相融合的方法,共同构建疲劳驾驶检测模型。首先利用SSD（Single Shot MultiBox Detector）网络定位驾驶员的眼睛与嘴巴区域,VGG16 网络学习这两个区域所包含的疲劳特征;同时再结合人脸68特征点、眼睛纵横比（Eye Aspect Ratio, EAR）和嘴巴纵横比（Mouth Aspect Ratio, MAR）共同判定驾驶疲劳状态。最后,在相同测试集下分别计算SSD算法和Faster-RCNN算法的平均精度均值mAP;在YawDD数据集上应用此模型;并通过模拟驾车环境来验证此模型的可行性。实验结果表明,SSD算法要优于Faster-RCNN算法,并且此模型在YawDD数据集上的检测准确率约达97.2%,摄像头也能对驾驶员的状态进行实时检测。此模型对疲劳状态的检测十分有效,可在一定程度上降低因疲劳驾驶而导致的事故发生率。     

Low‐complexity robust adaptive generalized sidelobe canceller detector for DS/CDMA systems

A novel low computational complexity robust adaptive blind multiuser detector, based on the minimum output energy (MOE) detector with multiple constraints and a quadratic inequality (QI) constraint is developed in this paper. Quadratic constraint has been a widespread approach to improve robustness against mismatch errors, uncertainties in estimating the data covariance matrix, and random perturbations in detector parameters. A diagonal loading technique is compulsory to achieve the quadratic constraint where the diagonal loading level is adjusted to satisfy the constrained value. Integrating the quadratic constraint into recursive algorithms seems to be a moot point since there is no closed‐form solution for the diagonal loading term. In this paper, the MOE detector of DS/CDMA system is implemented using a fast recursive steepest descent adaptive algorithm anchored in the generalized sidelobe canceller (GSC) structure with multiple constraints and a QI constraint on the adaptive portion of the GSC structure. The Lagrange multiplier method is exploited to solve the QI constraint. An optimal variable loading technique, which is capable of providing robustness against uncertainties and mismatch errors with low computational complexity is adopted. Simulations for several mismatch and random perturbations scenarios are conducted in a rich multipath environment with near–far effect to explore the robustness of the proposed detector. Copyright © 2008 John Wiley & Sons, Ltd.     

多场景下的人体跌倒检测方法及应用

针对可穿戴MEMS传感器检测多场景下的人体摔倒行为时,单一采用加速度阈值判断存在表征不完全的问题,提出了改进麻雀搜索算法(ISSA)优化SVM(SVM)的人体跌倒检测识别方法。首先通过可穿戴MEMS传感器采集人体离散化姿态数据,然后通过时间滑动窗口找出加速度阈值与角速度阈值特征向量并进行一级判定;同时构建ISSA-SVM跌倒状态检测模型,即利用改进的麻雀搜索算法对SVM的核参数和惩罚因子进行自适应优化,获得最优分类模型;最后根据SVM分类模型,对一级判定的数据进行分析,判断是否真正跌倒。实验仿真和产品应用结果表明:对于人体在不同场景下意外跌倒的检测,所提出的ISSA-SVM识别检测模型测试正确率达98%以上,同时降低了漏报率。经过多次测试,跌倒检测器表现出较好的鲁棒性。     

一种基于姿态校正的人脸检测方法

本文提出了一种基于姿态校正的人脸检测方法。该方法先对YGbCr空间进行非线性变换得到YC＇bbC’r,空间,用于肤色检测,然后应用形态学算子提取肤色区域。在此基础上,提出姿态角度估计目标函数,并讨论了2种寻优方法即：梯度下降法和次全局枚举寻优法来估计姿态角度值。根据估计的姿态角度作相应的旋转校正,在校正后的区域利用眼睛和嘴的色度和亮度特点分别构造映射图,提取出眼睛和嘴,并验证人脸。该方法在自拍的视频序列中进行姿态估计和人脸检测实验,均取得了较好的效果。     

基于肤色的压缩域人脸检测方法

人脸检测在图像检测领域有许多重要的应用。随着技术的普遍使用,在压缩领域直接检测将成为检测领域一项比较有意义的工作。本文综合了人脸的肤色特征、亮度、频谱特征及结构特征,提出一种在压缩域中检测人脸的新算法。根据肤色模型、数学形态学处理检测出肤色区域,基于颜色特征人脸图像准确快速地分割出脸部的非肤色区域,然后根据压缩域中对应的交流系数(频谱特征)筛选眼睛候选区域,最后模板匹配确定人脸。本算法用于基于DCT的压缩标准,运算速度比较快,准确率比较高。     

基于多尺度Gabor滤波器的角点检测

为了克服在不同图像上的尺度选择问题,提出了一种基于边缘轮廓线的多尺度Gabor滤波器的角点检测算法。该算法首先利用Canny边缘检测算子提取图像的边缘轮廓;进而用一组构建好的4个尺度8个方向Gabor滤波器的虚部对图像进行平滑,并计算每个像素在其相同尺度下各个方向上Gabor滤波器虚部响应的归一化的和;最后将每个边缘像素点在所有尺度下的乘积作为新的角点测度, 当角点测度大于预设阈值时,则认定该点为角点。将实验结果与经典的Harris、CPDA和He&Yung角点检测算法进行比较,提出的算法在检测准确率、定位误差、噪声稳健性性能指标上,都取得了更好的结果。