一种人眼状态实时检测算法的研究

通过人眼图像来检测驾驶员疲劳状态是目前的主流方向,面部及眼睛定位、眼睛状态判别是其中关键环节。文中对一种基于人脸面部特征的人眼粗定位方法进行了研究。在此基础上提出一种灰度映射的方法判别人眼状态。经实验验证:该方法实时性好,对320x240的彩色图像,平均处理速度为每帧30ms。该系统对一定旋转和偏转角度,以及睁闭眼、戴眼镜等条件有很强的鲁棒性。     

一种改进的人眼定位算法

结合现有的人眼定位方法提出了一种新的算法。该算法首先找出输入图片中所有可能的眼睛点，将这些点按照一定的标准两两结合为可能的眼睛对后，对假定的眼睛对进行模板匹配，选出匹配程度较高的眼睛对。根据眼睛对的距离从图上画出相应的人脸区域，对该区域采用K-L变换，判断其是否为人脸。如果该区域为人脸，就可确定候选眼睛对。     

一种改进的人眼模板匹配算法

以驾驶员疲劳检测为背景,针对红外图像的人眼定位问题,提出了一种改进的模板匹配算法。该算法采用多步长模板匹配的策略,大大压缩了模板匹配过程中的计算量,同时充分利用了人眼位置的位置特征,把左右眼的位置关系作为人眼最终定位的约束条件。实验结果表明,与传统模板匹配算法相比,该算法能够显著提高人眼的定位速度和定位准备率。     

一种有效的用于疲劳驾驶检测的人眼定位算法

对疲劳驾驶检测系统来说,人眼定位对眼睛状态的正确判别起着关键作用。文中提出一种灰度图像中改进型眼睛定位算法。首先采用水平和垂直积分投影法大致定位出双眼窗口,然后综合运用动态阈值的模板卷积法和形态学操作来定位眼部黑块。随后通过黑斑验证,精确定位出眼球中心。实验图片全部取自CAS—PEAL和ORL双人脸数据库,结果表明该算法速度快,准确率高,稳定性强,对一定程度的头部旋转和戴眼镜等情况有较强的适应性,能应用于疲劳驾驶检测等需要快速定位人眼的场合。     

驾驶疲劳的眼睛状态检测算法

驾驶员疲劳状态的监控中,眼睛的状态检测是关键环节。在对眼睛进行定位的同时计算眼睛的状态,并采用kalman滤波方法对人眼进行预测和跟踪。实验证明该算法能有效和准确地检测到眼睛的位置和状态,同时算法需要的处理时间较少,可满足实时性的要求。     

基于Kalman滤波和Mean Shift算法的人眼实时跟踪

非接触式的人眼跟踪方法在一些基于视觉的人机交互应用中具有很重要的意义.但目前的人眼跟踪方法普遍存在着诸如对眼睛的部分遮挡、人脸尺度变化和头部的深度旋转等过于敏感的不足,这就极大地限制了其应用范围.本文提出了一种综合运用Kalman滤波和Mean Shift算法的人眼跟踪算法,实验结果验证了该算法对于上面所提到的不足情况具有较强的鲁棒性.     

基于极小值区域的人眼定位新算法

提出了一种基于灰度图像极小值区域的快速鲁棒的人眼自动定位方法。首先,利用极小值区域进行眼睛粗定位,得到一组候选眼睛位置;再利用眼睛对的几个自然约束条件进行粗筛选;最后利用PCA方法验证眼睛对,得到唯一的候选眼睛对。对BioID图像集进行测试,结果表明,利用该算法进行眼睛定位的成功率和定位精度较高。     

基于多特征融合的眼睛状态检测算法研究

疲劳驾驶检测算法研究对提升交通安全有着重要的意义.目前,已有大量关于疲劳驾驶的文献和成果.在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用.深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征.基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的...     

实时鲁棒的自动人眼状态分类

探讨了自动人眼状态分类问题,提出一种基于全局扫描并验证策略的分类框架.该方法采用一种级联结构(Cascade)来组织分类器,采用Adaboost算法学习分类器.实验表明,该方法无论在鲁棒性、正确率和速度方面都达到了很好的性能,具有非常明显的实际应用价值.     

基于改进ASM算法的列车司机人眼状态检测

为解决列车司机疲劳状态检测问题,提出了一种改进的主动形状模型(ASM)算法,并设计了一种基于支持向量机(SVM)的人眼状态判定机制,实现了对于司机驾驶过程中的人眼状态进行有效地检测。改进的ASM算法是通过利用多尺度二值模型(MB-LBP)算子来提取局部特征向量,提高了算法在复杂光线环境下的鲁棒性。并将第一步提取出来的眼睛比例作为SVM分类器的输入,用于人眼状态的检测分类。结果表明:改进的ASM算法有效地提高了人脸关键点定位的准确性,设计的判定机制在使用真实数据样本集的测试中达到了80%以上的准确度。     

一种眼睛定位和状态分析方法

基于计算机视觉处理的方式大多都是通过分析眼睛的状态来判断驾驶员的疲劳状态,其中,眼睛的精确定位和眼睛状态的准确分析是关键环节。提出一种有效的眼睛精确定位和眼睛状态分析方法,通过在自然环境下先检测出人脸,然后进行眼睛的精准定位和眼睛状态分析。首先,使用等亮度线方法进行眼睛区域精确定位和图像预处理,然后使用数学形态学方法分析眼睛的状态。实验结果表明,该方法能很好地反应出眼睛的变化状态,有较高的准确性,能满足疲劳检测的应用要求。     

FSVM方法在人眼状态识别中的应用

本文考虑眼睛状态检测问题,提出了一种结合用gabor滤波和模糊支持向量机进行人眼状态检测的方案。首先用gabor小波对人脸图像进行特征提取,从而得到眼睛特征图像,然后在特征空间中,用FSVM和三叉决策树相结合设计眼睛状态分类器。在AR人脸库上的实验结果表明,该算法能够取得较好的分类效果。     

一种精确的人眼瞳孔定位算法

提出一种利用单目摄像头快速定位人眼的方法,通过改进的AdaBoost方法构造级联强分类器定位人脸,根据人眼眨眼前后眼部区域灰度变化显著的特点检测人眼区域,采用边缘提取、局部Hough变换检测圆心的方法定位瞳孔中心。实验结果表明,该算法能够快捷、准确地定位复杂背景下的人眼,对于光照及头部旋转情况下人眼定位具有较好的鲁棒性。     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

基于Adaboost算法的人眼状态检测

人眼检测在表情识别和人脸识别中起着非常重要的作用,作为一种预处理的手段,人眼检测和定位可以有效地提高表情识别和人脸识别的识别率.提出了一种基于Adaboost算法的实时人眼状态检测的方法.Adaboost是一个构造准确分类器的学习方法.它将一簇弱分类器通过一定的规则结合成为一个强分类器,再把这些强分类器级联成为一个快速、准确的分类器.分析和讨论训练阶段不同的人眼特征选择对最终检测的影响,并实验测试各种特征方法对特定目标的检测率,给出一个理想的分类器.     

一种联合的人眼精确定位算法

眼睛定位在人脸识别中占有重要地位.为达到高效精确的人眼定位,提出一种联合的眼睛定位方法,该方法先用基于AdaBoost算法的分类器对眼睛对区域进行粗定位,同时使用灰度极小值区域(MER)快速地检测出图像中的单眼候选.通过联合眼睛对位置与单眼候选进行处理,判决并给出最终人眼精确位置.为提高算法的性能文中引入了边缘方向直方图(EOH)特征作为AdaBoost分类器特征,并采用了单眼及眼睛对定位校验模式.该算法能有效地压缩训练样本集规模,并能快速精确地对人眼进进行定位.本算法在CAS-PEAL 人脸数据库、JAFFE 数据库等数据集上均有良好表现.     

基于人眼状态的瞌睡识别算法

已有瞌睡识别算法多数基于机器学习或深度学习,没有考虑到人眼闭合状态序列与瞌睡之间的关系。针对上述问题,提出了一种基于人眼状态的瞌睡识别算法。首先,提出了人眼分割和面积计算模型,基于人脸68个特征点,根据人眼特征点构成的极大多边形分割出眼睛区域,并利用眼睛像素点的总数代表眼睛面积大小;其次,计算极大状态下的人眼面积,并利用关键帧挑选算法挑选出最能代表睁眼程度的4帧,根据这4帧的人眼面积与极大状态下的人眼面积计算睁眼阈值,从而构建眼睛闭合度得分模型来确定人眼闭合状态;最后,根据输入视频的人眼闭合得分序列,构建了基于连续多帧序列分析的瞌睡识别模型。在两个国际常用的打哈欠检测数据集（YawDD）和NTHU-DDD数据集上进行瞌睡状态识别,实验结果表明,所提算法在两个数据集上的识别准确率均在80%以上,尤其是在YawDD数据集上,识别准确率达到94%以上。该算法可应用于驾驶员驾驶状态检测、学习者课中状态分析等。     

一种基于BP神经网络的新浪微博实时搜索排序算法

新浪微博是一个热门的社交平台,2012年底注册用户已经超过5亿。因此它和一般的网络应用一样存在信息爆炸的问题。提出一种基于神经网络的算法来将用户的实时搜索结果进行排序,以达到给出用户最感兴趣的信息。一系列实验结果证明该方法在一定范围内是有效的。     

一种面向立体显示的实时人眼检测方法

提出一种针对实时视频流的快速且鲁棒的人眼定位方法,该方法直接应用于基于用户双眼精确定位的无辅助立体显示系统。在检测系统前端,结合稳定的肤色团块特征和积分图获取人脸检测候选区域;利用人脸-人眼两层分类器精确定位人眼,通过改进连续型AdaBoost算法中平滑因子ε的选取方法,在加快收敛速度的同时避免过学习,同时合理分布的样本保证了低误检率和鲁棒性;在后端,用卡尔曼滤波器预测人眼位置和克服跳变。实验证明,该方法可以快速精确定位人眼,满足无辅助立体显示的要求。     

一种改进的APDZS运动估计算法

在A．M．Tourapis的APDZS算法基础上，提出了一种改进的APDZS算法（IAPDZS）。通过对具体数据的分析，表明原来的APDZS算法存在较大搜索冗余，因此IAPDZS算法对此进行了相应改进。首先是初始候选向量的选择，增加（0，0）向量作为候选初始向量；相应的第二处改进在搜索顺序上，IAPDZS算法去除了以（0，0）为中心进行的第二次搜索；第三处改进在具体搜索过程中，IAPDZS算法根据不同的搜索模式，提出了改进方案。实验结果表明，IAPDZS算法能够在确保视频图像质量的前提下，有效提高搜索效率，总体搜索点数比APDZS算法降低20％左右。