基于TMS230DM643的驾驶疲劳实时视觉检测系统

针对驾驶疲劳检测系统小型化、廉价和低功耗的实际需求,提出一个基于TMS230DM643的驾驶疲劳实时视觉检测系统。系统通过CCD摄像头获取驾驶员的人脸图像,采用TMS230DM643作为核心处理器,对获取的图像进行人脸检测、眼睛定位等处理,并提取眼睛的闭合度作为PERCLOS疲劳检测的依据。实验表明,系统能够准确实时地检测驾驶疲劳,具有较好的实用性。     

人脸检测中的眼睛定位算法研究

眼睛是一个在人脸检测中极为重要的人脸特征,因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。本文分析了几种常用的眼睛定位算法,并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。算法采用由粗到细的检测策略,先对AnilK.Jain的Cb、Cr椭圆聚类方法进行了改进,用改进的算法进行肤色提取,经过肤色区域的分析,对人脸区域进行预检测,然后结合人眼几何特征进行初步定位,再利用人眼的灰度信息进行精确定位。该算法定位效率高,并对背景、尺寸等细节具有很好的适应性,在人脸实时检测系统中具有很好的应用价值。     

基于ASM和肤色模型的疲劳驾驶检测

疲劳驾驶研究中,面部关键特征精确定位与跟踪是个难点。提出了一种基于主动形状模型ASM和肤色模型的疲劳驾驶检测方法。首先,利用肤色模型检测到人脸区域为ASM提供初始定位;然后基于ASM进行人眼和嘴巴跟踪获得眼睛与嘴巴区域;再利用Canny算子对两个区域精确定位,获得疲劳检测参数;最后根据PERCLOS方法实现疲劳检测。考虑到基于HSV颜色模型的人脸检测不受姿势和角度的影响,但容易受到背景干扰,而ASM的优点是人脸关键点跟踪效果好,但初始定位困难,将二者结合实现了眼睛与嘴巴精确定位与跟踪。实验表明,眼睛检测准确率可以达到90.7%,哈欠检测准确率可以达到83.3%,疲劳检测准确率达到91.4%。     

基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。     

驾驶员疲劳驾驶中的眼睛定位创新算法

通过人眼图像来检测驾驶员疲劳驾驶是目前的主流方向,面部及眼睛定位是其中关键的环节。提出了一种新颖的精确定位眼睛的方法。该方法由两部分组成：第一部分,通过肤色聚类分割算法将人脸区域分割,对分割图进行几何过滤,对得到的候选人脸区域中的孔洞计算质心点找到可能的人眼对;第二部分,在检测到人脸区域和眼睛大致位置的基础上,结合提出的眼睛模型,采用新的Hough变换椭圆检测算法精确定位人眼的位置。实验证明所提出的算法是快速可靠的。     

基于LBP的眼睛开闭检测方法

在基于机器视觉的疲劳驾驶预警系统中通过驾驶人员眼睛的状态来判断其是否疲劳是最直接和有效的途径,对眼睛的开与闭这两个基本状态的检测是判断疲劳的一个关键技术.针对红外视频人脸图像序列,提出一种基于LBP纹理检测算子的快速准确人眼开闭检测方法.该方法首先精确提取眼睛区域,然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、熵和边际分布二阶矩作为特征向量,最后使用SVM对特征向量进行分类以达到开闭检测的目的.大量实验结果表明,该方法不仅具有较高的检测准度,而且能完全满足实时要求.     

驾驶员疲劳检测系统的研究

为了减少由于驾驶员疲劳驾驶引起的交通事故,提出驾驶员疲劳状态检测系统的方案。使用3×3中值滤波去除噪声和光照对图像的影响,通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测,在检测到的人脸区域,通过积分灰度投影和从粗到细改进的模板匹配方法对人眼进行准确定位;通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。     

复合特征的眼睛中心定位

为实现在正面人脸中定位眼睛中心点,提出复合特征算法。在整体人脸图像主动表观模型的基础上,引入局部表观模型,使全局AAM的最优结果进一步转换到眼睛局部区域的最优定位,结合在线的肤色纹理特征,使用扇形区域积分定位内外眼角点,实现眼睛边界点的在线精确定位。使用积分图的特征梯度定位虹膜区域的边界,用圆形参数进行虹膜边缘检测,实现眼睛虹膜区域的精确定位。实验结果表明,该算法可以鲁棒地确定眼睛中心,对于实时视频等低分辨率图像能够较好地实现定位。     

基于对称性分析的眼睛定位方法

论文将基于主分量分析的对称轴检测引入到眼睛定位中,提出了一种快速的眼睛定位方法。首先利用主分量分析法和人脸重心确定人脸对称轴,再结合山谷法进行眼睛候选点的提取和验证。该方法能有效地克服人脸方向未知或倾斜时传统方法难以进行准确和快速定位的缺点,实验结果证明了新算法的鲁棒性和准确性。     

基于高斯眼白模型的疲劳驾驶检测

目的 为解决疲劳驾驶检测中人眼状态识别的难点,提出一种基于眼白分割的疲劳检测方法。方法 首先对获取图像进行人脸检测,利用眼白在Cb-Cr上良好的聚类性,基于YCbCr颜色空间建立高斯眼白分割模型;然后在人脸区域图像内做眼白分割,计算眼白面积;最后将眼白面积作为人眼开度指标,结合PERCLOS（percentage of eyelid closure over the pupil over time）判定人的疲劳状态。结果 选取10个短视频进行采帧分析,实验结果表明,高斯眼白分割模型能有效分离眼白,并识别人眼开合状态,准确率可达96.77%。结论 在良好光线条件下,本文方法能取得不错的分割效果;本文所提出的以眼白面积作为判定人眼开度的指标,能准确地判定人的疲劳状态。实验结果证明了该方法的有效性,值得今后做更深入的研究。     

基于Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

基于图像处理的驾驶员疲劳检测方法

提出一种基于图像处理的实时检测驾驶疲劳的方法，利用肤色信息、投影和连通域相结合的方法检测眼睛，通过动态模板匹配的方法对眼睛进行跟踪；最后利用上下眼睑距离来判断是否疲劳。实验表明，该方法可使眼睛定位和追踪的平均正确率达98％，疲劳检测的正确率为100％，准确率平均为90％。     

头部多角度人脸快速跟踪算法DSP实现

针对传统驾驶员疲劳检测人脸跟踪算法复杂,DSP实现时实时性不强,不能有效地实现多角度人脸跟踪的问题,提出了一种快速人脸跟踪算法.该算法通过对YCbCr肤色模型进行图像预处理、肤色检测,提取人脸区域,通过对亮度信号Y进行统计运算,判断人脸边界,再进行相似度判断,从而实现人脸区域的跟踪.实验结果表明,该方法简单、鲁棒性强,能够快速地实现彩色图像人脸多角度跟踪.     

一种基于视觉的PERCLOS特征提取方法

PERCLOS是有效地检测驾驶员瞌睡的特征.本文在前人研究的基础上,提出了一种快速、有效的计算眼睛睁开程度的检测算法.针对车内光线会有变化的特点,对肤色滤波之后的人脸灰度图像通过累计直方图阈值法进行二值化,很好地将面部五官从肤色中分离出来.最后利用连通域搜索算法得到双眼睁开的大小,并最终提取到PERCLOS.     

基于AdaBoost算法与肤色模型的多姿态人脸检测

针对AdaBoost算法对多姿态人脸检测效果不理想和肤色模型对复杂背景下的图像误检率高的问题,本文将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合,提出一种由偏到正的检测方法.主要是通过旋转图片,使人脸分类器不会因为角度问题产生漏检,然后根据分类器检测出的两眼,计算两眼之间的位置关系,判断人脸是否处于正面位...     

Reliable detection of eye features and eyes in color facial images using ternary eye-verifier

Eye detection plays an important role in applications related to face recognition. The position of eyes can be used as a reliable reference for other facial feature detection. This paper presents a novel approach for the precise and reliable detection of eyes by introducing a ternary eye-verifier. Initially, the face region is detected by combining color information and the Haar-like feature detector. The face region is then binarized and filtered with circular filters to detect eye candidates at the peaks in the filtered response. Each eye candidate is fed into a ternary eye-verifier that includes a proposed eye feature extractor based on K-means clustering with compensation for variety in iris color. The eye template in the eye-verifier is constructed based on both the knowledge of eye geometry and the detected eye features. The template matching is made by the ternary Hamming distance. Experiments over a collection of FERET face database and house-made face database with different head poses confirm that the proposed method achieves precise and reliable detection of eyes from color facial images with variation in illumination, pose, eye gazing direction, and race.     

Kalman滤波和Mean Shift算法在疲劳预警系统中的应用

为了预防交通事故的发生,针对驾驶员在驾驶过程中出现疲劳现象,重点对驾驶员眼睛的检测与跟踪的算法进行了研究与改进。通过人的肤色检测出人脸,通过AdBoost算法检测到眼睛,基于Kalman滤波和Mean Shift算法相结合的方法,能够在眼睛部分被遮挡或者眼睛闭合的情况下,在疲劳预警系统中实时地跟踪驾驶员眼睛,准确地判断眼睛的位置。     

Optimal facial areas for webcam-based photoplethysmography

For long-term pulse tracking, it is possible to use the photoplethysmography method, the essence of which is estimating the dynamics of optical properties of examined organ tissues. Since this method is not invasive and does not need complicated equipment, it can be used for long-term heart rate monitoring in a wide range of operating conditions. In several publications, it is shown that different variations of this method can be used for estimating the heart rate by means of a web camera shooting a face. Image analysis procedures are used for estimating the time dynamics of optical properties of local fragments of the epidermis. In the present work, we examine a problem on determining facial areas most suitable for pulse detecting. The ViolaJones algorithm is used for detecting facial areas. Coordinates of several regions where the color signal is measured are calculated with respect to the detected face. The color signal characterizes variation of color components for images of the epidermis. For estimating whether the image area is optimal, the corresponding criterion that characterizes the degree of frequency manifestation in the color signal spectrum close to the real value of heart rate is formulated. According to this criterion, the optimal regions are determined and they are as follows: the area near the nose and the area on the nose between the eyes.