基于Gabor变换的人眼开闭状态识别技术研究

为解决驾驶员疲劳检测问题,提出了一种快速人眼开闭状态识别方法。该方法通过肤色模型识别人脸区域,预处理后进行Gabor变换;通过选取合适的尺度和方向提取出眼部明显的灰度特征,对变换后的图像进行水平积分投影,眼部有明显的尖峰,进而通过峰平比识别人眼的开闭状态,突破了传统积分投影方法只能进行人眼定位的局限。实验表明,该算法具有较高的准确性,并对光照变化有较好的鲁棒性。     

基于肤色模型和灰度积分投影的疲劳驾驶检测系统

根据驾驶室的特定环境,给出了一个基于肤色模型和灰度积分投影的驾驶员疲劳检测系统．该系统首先利用肤色模型粗略检测出人脸区域;然后根据驾驶员面部几何特征,利用灰度积分投影法对驾驶员眼睛进行准确定位;最后根据上下眼皮距离及闭眼持续时间对驾驶员疲劳状态做出判定．仿真实验表明：该系统可以准确定位驾驶员眼睛,并对驾驶员疲劳状态做出判断．     

基于相位信息的人眼状态检测

为有效解决不同光照环境对人眼检测算法带来的诸多问题,提出一种基于相位信息的眼部状态检测算法,首先使用相位信息对眼部区域的边缘特征进行提取,然后依据垂直直方图统计二值化图像中白色像素数,最后设定合理阈值对人眼状态作出判断。实验结果表明,算法在保证识别正确率的同时对环境亮度变化具有较好的鲁棒性。     

实时人眼定位算法研究与设计

为了实现准确和实时的人眼定位,提出了一种有效的人眼定位方法。采用基于统计肤色模型和人脸几何特征约束定位人脸,根据在YCbCr色度空间中肤色的聚类性独立于亮度,建立肤色模型,然后采用自适应阈值进行肤色分割。在人眼定位中,通过获取一个属于眼睛区域像素的随机样本,利用期望最大化算法（EM）调整椭圆型眼参数模型。在包含两个眼睛的矩形框内精确定位人眼,计算量小,速度快。实验结果表明,该方法能够准确、快速地定位人眼,可以满足非接触式、不同光照条件、实时的人眼定位系统的要求.     

基于约束局部模型的人眼区域检测研究

为了提升人眼区域检测的精确性与稳定性,通过基于统计学习的逻辑回归法和卷积神经网络法2种不同的局部检测器,提出一种基于约束局部模型的人眼区域定位方法。首先,在原始图片中检测出人脸区域;然后,在人脸区域中定位出人眼关键点位置,将关键点的外界矩形作为人眼区域的检测结果。结果表明：基于约束局部模型的人眼区域检测方法不仅对不同肤色、光照及头部姿态的测试者都能精确检测出眼睛区域,基于卷积神经网络的局部检测器的检测结果也更加准确。基于约束局部模型的人眼区域检测方法具有较好的精确性与稳定性。     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

基于支持向量机决策树的驾驶员眼睛状态检测

为提高驾驶疲劳检测系统中人眼状态检测的速度和准确性,提出一种基于支持向量机决策树(SVMDT)的人眼检测方法,此方法可以同时完成人眼的定位与状态检测.首先对样本进行光照不均校正和直方图处理,然后用离散余弦变换和主成分分析提取特征向量,用SVMDT训练得到睁-闭眼和有-无眼子分类器.检测时先用先验知识去除部分非人眼区域,最后利用SVMDT进行人眼检测.实验证明此方法提高了人眼状态检测的速度,同时也有较好的准确性.     

眼部特征自动检测定位方法

为了准确地提取眼部特征,提出了一种人眼虹膜检测及眼角定位的新方法。首先用AdaBoost算法在复杂背景下识别人脸,再用方差积分投影方法提取眼睛区域。然后设计了可变形圆形模板,利用可变形圆形模板及改进的优化匹配函数来确定虹膜中心及计算虹膜半径,并在此基础上根据眼睛的结构特征,用设计的线形模板计算内外眼角相对虹膜中心的角度方向,并在该方向下用Harris角点检测算法确定眼角最佳位置。最后,利用IMM人脸库验证了本方法,实验结果表明:本方法可以很好地对面部图像中的人眼虹膜及内外眼角进行准确定位。     

基于DSP的疲劳驾驶实时检测算法实现

针对基于DSP的疲劳驾驶实时检测系统,利用Adaboost算法训练人脸与人眼分类器,在分析了基于Hough找圆法与灰度投影法的人眼状态分析算法各自的优缺点后,提出了一种新的基于区域灰度特征的人眼状态分析算法,该算法不需要精确几何模型,利用基于区域特征的灰度均值,具有很强的鲁棒性。将疲劳驾驶检测算法移植到DSP中后,检测算法的帧速率达到18帧/秒,满足了实时检测的性能要求。     

基于密集连接网络的驾驶疲劳状态检测方法

为了解决疲劳驾驶易造成交通事故的问题,提出了基于密集连接网络的驾驶疲劳状态检测方法.首先,借助摄像机采集驾驶状态视频,获取视频帧图像后利用图像处理技术进行图像预处理;利用自适应提升算法检测人脸,再用灰度积分投影和径向对称变换算法定位驾驶员的眼部区域;然后,通过密集连接网络精确判别眼睛状态,在网络中设置了3个密集连接块以减少特征参数和加快训练速度,且采用稀疏化结构以减少存储量和增强特征传播;最后,借助2个疲劳参数综合判断驾驶员的疲劳状态,使检测结果更为准确.定性和定量实验结果证明,该方法在准确率等方面优于现有技术.