基于Matlab的人眼疲劳度检测

研究旨在协助驾驶员提高行车安全,减少疲劳驾驶带来的隐患.检测汽车驾驶员的唤醒状态,若得到疲劳信息,则发出警报.边缘检测算法,边界跟踪算法以及人眼定位算法以实现对驾驶员的监测;设计中定义眼睛闭合度的参数,衡量所采集到的眼睛图像的纵横之比,使系统对不同的人或同一个人的不同状态进行测量,保证实际应用价值.     

基于红外差分图像的驾驶员疲劳检测系统

通过对各种疲劳检测方法进行比较分析,提出了一套基于PERCLOS的驾驶员疲劳检测系统总体设计方案。该系统采集图像使用红外光源,利用人眼对两种波长(850nm/950nm)红外光线的反射率的明显差异,应用图像差分的方法,采用直方图均衡化、二值化、膨胀、腐蚀等图像分析手段,同时利用Kalman(卡尔曼)滤波器对眼部位置进行跟踪预测,实现准确定位、跟踪并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度。     

人眼快速检测技术

人脸检测定住中首先要处理人眼定位的问题,快速定位人眼的位置是实现对人脸实时性定位的关键问题.因此.在人脸检测已检测出人脸图像的基础上,对人眼瞳孔位置进行了检测定位.采用形态学滤波的方法快速对眼睛位置粗略定位.再用精确眼睛区域二次定位算法就可在0.3 s内找出眼睛位置.     

驾驶员疲劳检测中的眼睛定位算法

人眼状态与疲劳程度有很好的相关性,眼睛定位在驾驶员疲劳检测中有十分重要的地位。目前眼睛定位算法都是针对睁开的眼睛,不能定位闭合的眼睛。为了能够定位任意状态下的眼睛,提出了Adaboosting算法与几何模板融合的眼睛定位算法。在眼睛粗定位区域中用Ada-boosting算法检测睁开的眼睛,修改几何模板。对于Adaboosting算法中不能检测到眼睛时则用几何模板法进行眼睛定位。实验表明该算法有较好的检测率和运算速度。     

人脸识别中的眼睛定位

基于人眼灰度变化非常明显这一特征,本文提出了一种人脸识别中眼睛定位的新算法.首先,对眼睛的搜索区域进行小块划分,计算每一小块的图像复杂度;然后,找出复杂度最大的前16个小块的位置;最后,根据图像块的结构居中度对眼睛进行准确定位.与其它方法相比,此算法具有定位准确,运算速度快等特点.     

光照和表情变化的人眼鲁棒性定位方法

针对光照和表情对眼睛定位产生的影响,给出一种基于多尺度自商图和形态滤波的眼睛定位算法.首先利用一种多尺度自商图方法消除人脸图像的光照影响;然后综合运用形态学操作的开闭运算提升眼睛区域特征并采用相关系数法获得眼睛粗定位,对开闭眼不敏感;最后对粗定位区域进行方差投影并二值化后获得精确的眼睛中心点.在JAFFE数据库、Yale B数据库和AR数据库上测试表明本文算法能很好地定位眼睛中心位置,且对光照、表情鲁棒.     

毫米波辐射图像目标定位技术研究

针对毫米波辐射图像中目标定位的问题,提出了一种基于区域标记的毫米波辐射图像金属目标定位算法.该算法通过分析金属的毫米波辐射特性以及毫米波辐射图像的特点,利用区域标记算法对图像中金属目标进行分割,并引入基于面积的虚假目标去除准则,采用计算重心的方法实现了金属目标的定位.实验表明,该算法既能对图像中单个金属目标又能对图像中多个金属目标实现准确定位,且不论目标的外形如何,都能得到其精确的中心坐标,为下一步目标的选择与跟踪提供了依据.     

基于人眼状态信息的非接触式疲劳驾驶监测与预警系统

疲劳驾驶预警系统对保障驾驶员的安全驾驶具有十分重要的作用。以驾驶员人眼图像信息处理为基础,建立了离散单位时间内非正常状态时间所占百分比疲劳判断模型,实现了对驾驶员疲劳状态的监控与预警。通过近红外光源对人眼主动照明,采用互补金属氧化物半导体摄像头实现对人眼图像信息的采集,基于Adaboost算法实现人眼准确定位,利用Harris强角点检测人眼中心区域,得到眼睛的视线状态信息,根据疲劳判断模型,设计可调的预警阈值,实现驾驶员疲劳状态的分级预警。实验结果表明:在一定条件下,系统判断响应时间为1.5 s,虚警率为4%,具有抗干扰性强和实时性好等特点。     

疲劳驾驶监控中的眼睛状态识别方法

介绍了一种对驾驶员眼睛状态进行准确识别的技术方法,先检测出人脸上半部区域,再采用AdaBoost算法检测出驾驶员正常睁开的眼睛,然后制成眉毛与眼睛组合在一起的睁眼状态模板.与未检测到眼睛的人脸上半部区域进行匹配,当该区域内的最大相似度值小于某设定阈值时认为眼睛是睁得很小或闭合状态,否则认为眼睛睁得正常.采用此方法可快速有效地识别出驾驶员的疲劳状态,并应用于驾驶状态的实时监控.     

基于目标中心距离加权和图像特征识别的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的灰度图像作为模板,采用mean-shift迭代方法实现目标的空间定位;同时建立二值图像模板,根据目标的图像特征,进行尺度定位.本算法改进了kernel-based算法对变尺度目标的跟踪.对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的跟踪实验验证了该方法的有效性.     

一种新的人脸图像中眼睛定位方法

提出了一种新的图像中人眼检测算法.在一幅已知人脸图像区域中,首先采用中值滤波除去噪声点,然后选取灰度变化最大的几块区域作为眉眼候选区域.最后利用SIFT方法在候选区域中最终定位眼睛的精确位置、尺度和方向.实验结果证明,本文所提出的算法具有准确率高和计算量小的优点.     

动态背景下运动车辆的检测与跟踪研究

为实现对车载设备视频图像中车辆的识别和跟踪,针对图像中的运动目标和动态背景,提出了一种基于特征学习的目标检测和超像素跟踪算法.该算法首先对训练图像进行HOG特征提取,并利用AdaBoost算法得到强分类器.利用强分类器对采集的图像进行车辆检测,从而确定搜索区域.结合对搜索区域的超像素分割结果,采用均值漂移聚类算法实现车辆识别与跟踪.实验结果表明,该算法可以很好地实现视频序列中的车辆识别,提高了目标跟踪的实时性.     

离散对称变换在人脸图像眼睛定位中的应用

从计算离散对称值出发,提出了一种自动定位人脸图像中眼睛的离散对称变换算法,通过邻域灰度均匀度算子对各点邻域的检测,去除处于规则区域的点,并用圆环邻域代替对称算子圆形邻域,大大降低了计算量,提高了对称的准确性.实验结果表明在未进一步利用对称角度和人脸固有的几何比例关系的情况下,该算法能准确地对正面人脸图像中的眼睛进行定位.     

应用于驾驶疲劳监测的人眼定位与状态分析

驾驶疲劳监测对算法实时性及可靠性要求高,提出一种快速人眼定位及状态分析算法。首先采用Adaboost分类器在视频序列中定位人脸,并给出图像自商融合方法增强算法对光照的适应能力;然后利用灰度投影划分人眼区域,并通过Bernsen局部自适应二值化方法提取眼睛候选区;其次对候选区进行图像矩描述,通过椭圆参数分析及上下文信息实现眼睛定位;最后针对疲劳判定指标特点,采用椭圆短轴参数表征眼睛睁开高度实现眼睛状态分析。实验表明,算法对光照鲁棒性强,平均正确定位率达到98.34%,监测速度达到28 f/s(帧/秒),算法适用于疲劳判断指标,可应用于疲劳监测系统,具有较高的实用价值。     

改进的积分投影眼睛定位算法

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,眼睛的精确定位是关键环节。提出一种改进的积分投影眼睛定位算法,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。首先利用肤色分割对人脸进行初定位,在初定位的基础上结合形态学框选出人眼区域,然后利用水平和垂直积分投影曲线精确定位眼睛。实验结果表明该算法简便易行,速度快,定位准确度较高,能满足疲劳检测的应用要求。     

基于Mean-Shift与Camshift算法相结合的火焰视频图像跟踪设计

给出了采用Mean-Shift与Camshift相结合的方法来设计一种基于视频图像的火焰跟踪处理算法。该算法首先利用Mean—Shift方法分割图像并确定火焰区域，然后在此区域内提取特征，再用Camshift法进行火焰跟踪。此方法利用火焰图像的高亮特征。克服了传统Camshift算法需要人为定位和容易发散等缺点。     

基于Harris角点的彩色图像文字检测

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学运算将角点聚合形成区域;对区域进行轮廓跟踪算法,得到文字区域的初定位图像;最后对文字区域进行验证,得到最终结果.实验证明该算法具有较高的准确性.     

基于多形态红外特征与深度学习的实时驾驶员疲劳检测

疲劳驾驶是导致车祸的重要诱因，严重危害道路交通安全，而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题，提出了基于深度学习的驾驶员疲劳检测算法。首先，使用850nm红外光源补光，在复杂光照和遮挡形态下采集驾驶员的面部图像；其次，利用红外图像中的多种特征，通过级联CNN确定人脸边框和特征点位置，提取眼睛区域并识别眼睛的睁闭状态；最后，将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络，检测驾驶员疲劳状态。实验结果表明:该疲劳检测算法的准确率可达94.48%，平均检测时间为65.64ms。     

室外环境下红外热图像内眼角定位

针对室外环境下红外热图像中目标区域受背景过热与周围环境影响,导致目标边界模糊、噪声大等问题,提出了一种室外环境下红外热图像内眼角定位算法。该算法首先对采集的图像进行面部倾斜校正,接着采用Gentle-AdaBoost与HAAR特征相结合进行人脸、人眼粗定位,并引入几何校正对眼睛区域精确定位,最终依据内眼角区域特性提出区域精化与区域生长分割相结合的内眼角定位。在3种不同的红外热图像数据集以及自主采集不同季节的温度区间室外的数据集上进行实验。结果表明：在室外环境下,所提出的方法可有效地定位内眼角,人眼定位准确率达到98.1%,内眼角定位准确率达到97.7%。     

基于粒子滤波图像帧的视觉跟踪算法研究

研究目标物体的图像准确跟踪定位问题.本文主要针对传统的目标跟踪算法中由于视频图像的复杂性,同时运动突变性的存在,使得运动间的关联性被大幅降低,跟踪结果出现较大偏差,难以准确跟踪视频图像,提出了一种粒子滤波优化图像帧视觉跟踪新技术.算法引入了随机分布的运动突变影响算子,在运动估计过程中作为惩罚因子出现,同时采用粒子滤波视觉目标采样视频图像,从而得到实时的跟踪.实验结果表明,提出的方法避免了传统跟踪算法的延时,能够精确实时定位目标物体.