MEMS红外光源及应用

针对传统红外光源需要另加调制部件,使得传感体系价高和笨重的不足,利用微电子工艺研制了一种用于便携式非扩散红外气体传感器的电调制红外光源,并对其辐射特性进行了测试。将光源应用于自行搭建的小型红外吸收气体传感系统中,对不同气体体积分数的CO2和SO2气体进行探测,测量精度分别达到20×10-6和50×10-6气体体积分数。重复测量偏差在10%之内,且光源辐射性能稳定,可用于多组分气体探测。     

基于DSP的疲劳驾驶检测系统的研究

针对汽车驾驶员疲劳驾驶检测的要求,设计了一种基于图像处理DSP芯片DM6437的疲劳驾驶视觉检测系统。通过DSP的GPIO口用软件控制摄像头轴上和轴外的两种不同波长的近红外光源(850nm/950nn)交替采集驾驶员图像,根据亮瞳效应两帧图像差分后粗定位人眼,用模板检测提取人眼的边界,根据PERCLOS值方法判断驾驶员是否疲劳。根据人眼的不同状态分别处理,用蜂鸣器作为报警系统提醒驾驶员。实验表明,该系统简单实用,而且能够全天候准确快速地判断驾驶员是否疲劳。     

浅析几种红外光源的比较与选择

通常，根据夜视系统监控场景情况的不同，有热红外光源、红外发光二极管LED光源（含LEDArray）、红外激光二极管LD光源（这种光源在安防资料上还未见报导）三种可供选择。本文将简介这三种红外光源的原理、特性，以及它们的比较与使用选择，供设计与使用者参考。[编者按]     

基于DSP的疲劳驾驶实时监测系统研究

较为理想的非接触式检测眼睛疲劳程度的方法是通过摄像技术获取眼部的动态图像，利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛，分析眼睛的状态和提取眼睛的特征参数，在一定的时间内连续统计眼睛的闭合时间，计算出PERCLOS值来判断疲劳程度并采取相应的措施。把眼睛检测及跟踪算法移植到专用DSP上，最终开发出疲劳驾驶的嵌入式实时监测系统。实验结果表明，本系统的算法简单、快速、鲁棒性强。     

基于DSP的疲劳驾驶实时监测系统研究

较为理想的非接触式检测眼睛疲劳程度的方法是通过摄像技术获取眼部的动态图像,利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛,分析眼睛的状态和提取眼睛的特征参数,在一定的时间内连续统计眼睛的闭合时间,计算出PERCLOS值来判断疲劳程度并采取相应的措施。把眼睛检测及跟踪算法移植到专用DSP上,最终开发出疲劳驾驶的嵌入式实时监测系统。实验结果表明,本系统的算法简单、快速、鲁棒性强。     

基于PERCLOS的驾驶员眼睛状态检测方法

利用驾驶员眼睛的状态判断驾驶员的疲劳状况是一种实时的、非接触式的方法。首先对眼睛进行精确定位,再根据眼睛面积的减小程度来判断眼睛的睁开或闭合状态,进一步通过记录眼睛闭合的次数、眼睛持续闭合的时间来检测驾驶员是否处于疲劳状态。本文采用肤色分割、去除与边界连通的区域、逐步减小眼睛区域候选范围的方法来定位人眼,再计算眼睛区域的面积,眼睛闭合时间,此方法不受复杂背景影响,对各种肤色、各种姿态的人脸均适用。     

基于2阶段区域匹配的驾驶员眼睛细定位算法

针对驾驶员脸部图像的特点,提出一种基于两阶段区域匹配的驾驶员眼睛细定位方法.该方法通过眉眼分布的先验知识,将传统的双眼区域对称性扩展到双眉之间、双眼之间以及眉眼之间的对称性,充分利用同侧眉毛与眼睛在垂直方向上的先验知识,构造眉眼滤波器,从而排除眉毛的影响,精确地确定出人眼区域.实验结果表明,该方法较好地解决了常规区域匹配细定位算法中眼睛匹配到眉毛的问题,在眉毛不可见、一侧眉眼被遮挡、头部旋转或倾斜角度较大等情况下,也能进行较好的眼睛定位.     

基于模糊融合的驾驶员眼睛状态识别

提出了一种基于模糊融合的驾驶员眼睛状态识别方法,利用多特征融合来判断眼睛状态,从而克服只利用单一特征识别的不完善、不准确以及不确定性等缺点。实验结果表明利用多特征融合方法的识别率明显高于只利用单一特征的识别率。     

一种高性能近红外光人脸检测和眼睛定位算法

提出了一种新型的近红外光人脸检测和眼睛定位算法,该算法先用AdaBoost分类器进行人脸区域定位,然后在人脸区域内进行眼镜检测：若检测为不戴眼镜,使用基于数理形态学的N-Quoit滤波器进行眼睛精确定位;若检测为戴眼镜,采用＂人脸可信值最大＂准则进行眼睛定位。实验结果表明,此算法检测率高而且眼睛定位准确,有效的克服了镜片反射近红外光干扰眼睛精确定位的问题,同时达到了实时性的要求。     

基于眼睛状态识别的婴幼儿睡眠监测

利用对婴幼儿眼睛状态判断来实时监测婴幼儿的睡眠,从而提高看护效率。首先对婴幼儿脸部检测,再对眼睛进行精确定位。二值化图像后,根据眼睛特征比较明显的瞳孔位置进行判断。睁眼的时候瞳孔明显,闭眼的时候瞳孔消失,依据瞳孔的检测状态来判断眼睛的睁眼闭眼状态。该算法不受复杂背景影响,计算量不大,易于实现。     

一种用于驾驶员疲劳检测的人眼检测方法

疲劳检测系统中的人眼检测误检率较高。为解决该问题,提出一种基于代价敏感支持向量机(CSVM)的人眼检测方法。对图像进行预处理,利用Gabor滤波器提取人眼特征向量,并使用主成分分析法实现降维,采用CSVM训练得到人眼和非人眼分类器,从而验证眼睛候选区域。实验结果表明,该方法能降低误检率,提高分类器的可靠性。     

面向驾驶员疲劳检测的双空间人眼定位方法

驾驶疲劳可以从眼睛的状态中反映出来,而眼睛定位是判断眼睛状态的关键。为解决眼睛定位实时性和头部旋转不确定性问题,该文提出一种基于双空间的眼睛定位方法：在彩色空间中采用肤色特征快速检测人脸,在此基础上使用饱和度和亮度特征快速检测虹膜。针对非开眼问题,在灰度空间中使用自定义圆卷积模板法定位眼睛。实验结果表明,该方法定位正确率为94.67%,能够满足实时性要求,对戴眼镜、头部旋转、光照变化具有一定的鲁棒性。     

Eye pupil localization with an ensemble of randomized trees

We describe a method for eye pupil localization based on an ensemble of randomized regression trees and use several publicly available datasets for its quantitative and qualitative evaluation. The method compares well with reported state-of-the-art and runs in real-time on hardware with limited processing power, such as mobile devices.     

The Human Eye Pupil Detection System Using BAT Optimized Deep Learning Architecture

The pupil recognition method is helpful in many real-time systems, including ophthalmology testing devices, wheelchair assistance, and so on. The pupil detection system is a very difficult process in a wide range of datasets due to problems caused by varying pupil size, occlusion of eyelids, and eyelashes. Deep Convolutional Neural Networks (DCNN) are being used in pupil recognition systems and have shown promising results in terms of accuracy. To improve accuracy and cope with larger datasets, this research work proposes BOC (BAT Optimized CNN)-IrisNet, which consists of optimizing input weights and hidden layers of DCNN using the evolutionary BAT algorithm to efficiently find the human eye pupil region. The proposed method is based on very deep architecture and many tricks from recently developed popular CNNs. Experiment results show that the BOC-IrisNet proposal can efficiently model iris microstructures and provides a stable discriminating iris representation that is lightweight, easy to implement, and of cutting-edge accuracy. Finally, the region-based black box method for determining pupil center coordinates was introduced. The proposed architecture was tested using various IRIS databases, including the CASIA (Chinese academy of the scientific research institute of automation) Iris V4 dataset, which has 99.5% sensitivity and 99.75% accuracy, and the IIT (Indian Institute of Technology) Delhi dataset, which has 99.35% specificity and MMU (Multimedia University) 99.45% accuracy, which is higher than the existing architectures.     

实验动物眼动的视频测量

设计了一种基于视频图像的实验动物眼动测量方法。该方法对猕猴观察不同注视点时的眼睛进行成像,通过图像处理得到瞳孔在眼睛中的相对位置数据,从而计算出所观察的注视点的位置。由瞳孔中心位置确定眼睛实际注视点的标定算法,并对系统性能进行了分析。     

用于复杂环境下的疲劳检测系统人眼检测方法

针对光照、眼镜等对驾驶员人眼检测的影响,提出采用霍夫变换和神经网络分类器进行人眼检测.通过应用虹膜几何信息和对称性,选择可能包含人眼的两个候选区域.运用边缘检测算子和 MAE 进行人眼粗定位.然后在此基础上采用B-P神经网络进行人眼精确定位.针对三种不同情况,即不同光照、不同背景和不同肤色的人拍摄6组视频图像,采用matlab7.0进行3组仿真实验,实验结果表明该算法对复杂情况的人眼检测具有较强的鲁棒性.大大提高人眼检测准确率.     

司机疲劳驾驶实时检测系统设计

司机疲劳驾驶实时检测系统在实际应用中有很重要的意义.设计了一个利用图像分析的方法,通过测量PERCLOS指标值来进行疲劳判断的该类系统.系统首先对图像进行预处理,然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位,根据人脸特征,逐次进行人眼区域缩小;最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量.考虑到视频图像序列帧与帧之间的相关性,采用线性运动预测的方法对人眼进行跟踪,减少了系统的运算量.实验结果表明系统能实时、准确地反映司机的疲劳状态.     

视线追踪系统中眼睛跟踪方法研究

为解决视线追踪系统中红外图像瞳孔跟踪鲁棒性差的问题, 提出一种基于伪彩色图的粒子滤波瞳孔跟踪算法. 利用亮暗瞳现象, 提出三通道伪彩色图(Triple-channel pseudo-color map, TCPCM)的概念, 并将其引入瞳孔跟踪过程. TCPCM充分利用了各通道信息, 瞳孔区域的色彩明显与人脸其他部位不同, 提高了跟踪的稳定性与精确性. 采用了直方图相似性度量与几何相似性度量相结合的二次更新的瞳孔感知模型, 提高了粒子权重的可信性. 针对实时性要求, 引入快速特征提取步骤, 减少特征提取的时间, 提高特征提取的可靠性. 实验结果表明, 该算法在瞳孔目标检测效果、跟踪稳定性和运行时间方面都有良好的性能.     

眼睛状态检测的组合方法

眼睛状态的检测具有广泛的应用.详细介绍了5种检测眼睛状态的方法,即灰度模板方法、Fisher方法、投影的方法、找眼睛上眼睑的方法、用Hough变换找眼珠的方法.通过对这5种方法进行组合,提高了眼睛状态检测的准确率.通过对396个眼睛进行检测,准确率达到了95.2％.实验结果表明了这5种算法组合算法的有效性,抗光照能力强;同时适中的复杂性也说明了该组合算法的可行性.     

基于3维点云鸟瞰图的高精度实时目标检测

针对基于3维点云的目标检测问题,提出了一种高精度实时的单阶段深度神经网络,分别在网络特征提取、损失函数设计和训练数据增强等3个方面提出了新的解决方案.首先对点云直接进行体素化来构建鸟瞰图.在特征提取阶段,使用残差结构提取高层语义特征,并融合多层次特征输出稠密的特征图.在回归鸟瞰图上的目标框的同时,在损失函数中考虑二次偏移量以实现更高精度的收敛.在网络训练中,使用不同帧3维点云混合的方式进行数据增强,提高网络的泛化性能.基于KITTI鸟瞰图目标检测数据集的实验结果表明,本文提出的网络仅使用雷达点云的位置信息,在性能上不仅优于目前最先进的鸟瞰图目标检测网络,而且优于融合图像和点云的检测方案,且整个网络运行速度达到20帧/秒,满足实时性要求.