基于人眼特征的驾驶员疲劳检测方法分析

驾驶员的疲劳驾驶是交通事故的主要原因之一,是一个重大的社会问题。人眼特征的识别是驾驶员疲劳状态识别中的关键,要判断驾驶员是否处于疲劳驾驶,首先需要判断其眼睛的状态,即眼睛的睁闭情况。本文对基于人眼特征识别的驾驶员疲劳检测技术进行了分析和讨论。     

使用眼睛定位的头部姿态识别方法

本文提出了一种基于眼睛定位的头部姿态识别方法。该方法首先利用人脸区域中眉毛和眼睛灰度梯度变化大的特点来定位眉毛与眼睛区域;然后利用Hough圆检测方法检测瞳孔位置;在此基础上,对瞳孔位置进行修正;最后,利用人眼定位的结果来识别头部姿态。本文将该方法用于模拟鼠标操作。与已有眼球操控鼠标不同,本文方法是利用眼睛定位的结果来识别头部姿态,并用头部姿态来模拟鼠标操作。实验结果表明,本文方法对5种头部姿势的识别率达到95%。      

基于区域灰度特征比较和人眼睑曲率的状态识别

针对眼睛状态检测在实际疲劳监控系统应用中的缺陷,提出了一种基于区域灰度特征比较和眼睑曲率的人眼状态识别算法。在确定眼睛区域的前提下,提取眼睛区域的灰度特征和眼睑曲率特征,确定眼睛状态。通过对不同背景、光照变化、眼睛倾斜和旋转,以及戴眼镜等多种复杂环境下进行眼睛状态检测,实验结果表明,文中算法具有处理速度快、鲁棒性高等特点。     

视频监控中人眼检测方法研究

视频中的人眼检测对算法的实时性要求很高,本文提出一种人眼检测的算法。首先使用Adaboost算法检测人脸,并截取出人脸的上半部分,使用最小邻域均值投影对该区域做水平投影,并自下而上搜索局部最小值,获取眼睛的候选点,再通过训练好的BP分类器,选出最优的点即眼睛的位置。最后与前一帧中检测到的眼睛位置进行对比,确定最终位置。该方法识别准确,快速,平均用时约为0.01s左右,可用于实时检测。     

适用于快速三维形貌测量的二元结构光编码优化方法

基于计算机视觉的疲劳检测具有低侵入性、低成本 的优点,然而光照变化、面部表情、复杂背景等 仍然对检测率造成很大的影响。以卷积神经网络为代表的深度学习以其较强的特征提取能力 和鲁棒性在模 式识别领域取得了成功的应用。本文提出了一种基于级联卷积神经网络(CNN)结构的疲劳检 测算法。首先训练第 1级网络实现人眼与非人眼的分类,使网络充分学习人眼特征,当输入目标图像时,人眼区 域能快速从第 一级网络特征图中分离出来;然后将人眼图像传送给第2级网络检测眼部特征点位置,计算 眼睛张开度并 以此判断测试者眼睛状态,构造疲劳检测模型;最后根据连续多帧的眼睛状态序列,判断测 试者是否处于疲 劳状态。在检测误差为5%时,眼部4个特征点的平均检测正确率为93.10%,单点检测正确率 最高可达97.14%。 测试结果表明,在本文提出方法下眼睛的清醒和疲劳状态有明显的不同,证明本文提出的方 法有效可行,具有较好的应用前景。     

基于快速Hough变换检测圆的人眼精确定位方法的研究

眼睛定位是人脸识别的非常重要的一个环节,在模式识别领域有着广泛的应用前景.针对传统人眼定位方法提出了一种快速、有效的眼睛定位方法.在初步确定人脸区域后,采用Sobel算子进行边缘提取,然后应用圆的几何性质在人眼大致区域内检测圆,从而定位眼睛中心.实验证明了算法的有效性     

基于积分投影和Hough变换圆检测的人眼精确定位方法研究

眼睛定位是人脸识别的非常重要的一个环节,后续的图像几何归一化、图像矫正和特征提取都依赖于眼睛的位置。提出一种人眼快速定位的新方法。首先用积分投影法检测到眼睛瞳孔的大致位置;然后用Sobel边缘检测算子提取图像边缘信息;再利用基于圆的Hough变换快速定位出人眼,实验证明了本方法的有效性。     

基于人脸识别的疲劳检测系统的软件实现

本文对人脸定位、识别,人眼定位,眼睛状态识别以及相关的图像处理技术进行了较为深入的研究,分析有关国际先进成果的不足之处,在借鉴和选取已有相关算法的基础上,设计并实现了一套适合于驾车疲劳预警的软件监测系统,并通过实验证实了系统的有效性,该系统可以推广应用于民用车载驾驶系统。     

基于特征检测的人眼定位方法

介绍一种在人脸图像中定位人眼的方法。与现有的方法相比,本方法对图像中人脸的旋转不敏感;同时,在彩色图像中应用这种方法可以在人脸偏转了一定角度的情况下,较好地定位人眼。在处理灰度图像的时候,总结了一些与眼睛相关的几何性质,用以更精确地定位眼睛。在处理彩色图像的时候,应用了一种颜色变换的方法来提取人脸和眼白的特征。     

基于YOLOv5与目标追踪算法的戴口罩人脸识别系统

针对后疫情时代人脸识别系统无法在佩戴口罩的情况下准确识别人脸的问题,基于OpenCV库和Dilb库架构系统,引入YOLOv5目标检测算法替代Dlib原有的人脸目标区域检测算法。通过检测算法获取一系列目标特征值的坐标位置后,采用CentriodTracking目标追踪算法来处理这些特征,从而实现对佩戴口罩人脸图像的快速识别,系统同时实现了用户注册、数据录入、信息管理和日志等功能。     

基于视线追踪的眼控鼠标设计

以Visual Studio为平台,OpenCV计算机视觉库为基础,辅助以单片机、传感器、无线传输模块等自主研发了一套头戴式视线追踪系统,完成瞳孔提取、视线追踪定位、眨眼检测等功能,实现眼球替代鼠标完成对电脑的指令。创新性地提出了椭圆拟合与积分投影去噪法等方法,以消除头部微小移动对定位带来的影响,使系统具有较高的精确度和良好的实用价值。     

基于OpenCV的双摄像头活体人脸判定及实时跟踪系统

活体检测及人脸跟踪系统的构建已成为现代计算机视觉及OpenCV研究的热点。提出一种基于OpenCV的双摄像头活体人脸判定实时人脸跟踪系统。一种新的双摄像头活体人脸判定的方法,利用基于HAAR特征人脸检测算法,并判断距离。编写Windows程序调用串口API和下位单片机STC12C5410通信,采用CH341A芯片将RS232串口数据加载到USB协议数据栈中实现USB传输,单片机控制FUTABA舵机,获取上位机人脸检测坐标信息,实时调整舵机转动角度,使人脸始终处于图像中间290＊310阈值范围内,达到人脸跟踪。该系统结构精简,可作为模块用于门禁安保系统及构建其他机器人研究平台。     

Design and implementation of a real-time eye tracking system

Driver fatigue severely affects driver's alertness and ability to drive safely. There are vital problems related to drivers fatigue on driving of trains, vehicles and airplanes. Therefore, the driver fatigue research is important. In this paper, we first study the impact of eye locations on face recognition accuracy, with Haar-like feature and AdaBoost classifier, face and eye area can be detected quickly and accurately. In the part of eye tracking, cam-shift based mean-shift algorithm is used to track the eyes. This method could automatically adjust the size of tracking window according to the different posture of driver. The performance of our eye detection method is validated by using image database with more than 6000 pictures. In addition, our real-time eye tracking system has been tested on railway line segment (China). There are 5 train drivers involved in the experiment. The validation shows that our eye detector has an overall 93% eye detection rate.     

基于Android平台的实时人脸检测与跟踪

针对Android智能手机自带人脸检测功能效率低、错误率高的问题,提出了一种将OpenCV移植到Android平台的方法,在运行Android系统的嵌入式平台中使用改进的AdaBoost算法,并结合OpenCV库来实现实时人脸检测与跟踪。实验取得了高达9505%的人脸检测准确率和5013 ms的平均检测速率,在保证检测速度的同时比Android自带的人脸检测更具高效性和实用性。     

基于AdaBoost算法和人眼定位的动态人脸检测

在快速人脸检测算法中,基于AdaBoost算法的人脸检测算法得到越来越多的认可。然而,该算法在复杂环境下常有误检的情况。为了既快速又能提高检测的准确率,提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用AdaBoost算法检测人脸的位置,然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面,利用金字塔算法加快了检测速度。实验表明,该方法可减少AdaBoost算法的误检率。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

基于计算机视觉技术的人脸检测系统设计

通过对基于Haar-like特征的AdaBoost人脸检测算法研究,利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计,实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记,以及标记后的人脸区域图像实时显示和存盘。此外,在VC＋＋6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表...     

用于立体显示的人眼位置快速检测

人眼检测实自动人脸检测以及视线跟踪中非常重要的一项技术,它被用于智能人机交互、疲劳驾驶检测、安保以及诸多领域。在此提出了一种基于亮瞳效应的精确人眼实时检测算法。该方法使用主动红外光结构照明来产生亮瞳效应并产生候选点,然后利用连续Adaboost算法来对人眼进行确认,实验结果表明,对于640×480分辨率的连续视频,系统每帧的检测时间小于10ms,检测准确率较高。     

基于OpenCV的运动目标跟踪系统研究

本文分析比较了传统运动目标检测的3种主要方法：背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC＋＋编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的运动目标检测算法能够正确地检测出视频图像中的运动目标,而且在检测性能上优于普通的自适应背景差分法。     

A robust eye localization algorithm for face recognition

The accuracy of face alignment affects greatly the performance of a face recognition system. Since the face alignment is usually conducted using eye positions, the algorithm for accurate eye localization is essential for the accurate face recognition. In this paper, an algorithm is proposed for eye localization. First, the proper AdaBoost detection is adaptively trained to segment the region based on the special gray distribution in the region. After that, a fast radial symmetry operator is used to precisely locate the center of eyes. Experimental results show that the method can accurately locate the eyes, and it is robust to the variations of face poses, illuminations, expressions, and accessories.