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。     

基于空间复杂度掩盖的边缘检测算法

通常边缘检测算法仅仅考虑到图像本身信息,而未考虑人眼对规则图像的感知能力比对非规则图像更强。结合人眼的视觉特性,本文提出了一种基于空间复杂度掩盖的边缘检测算法。给出了一种空间复杂度的测度以及双门限机制,利用图像空间复杂度来体现图像的规则程度,并根据图像的纹理信息矫正图像的梯度方向,确定边缘宽度,准确定位空间复杂度的计算区域。实验结果表明,本文提出的算法可以有效地检测规则图像的边缘,抑制复杂纹理区域的边缘。因此,该算法更符合人眼的视觉特性,有利于复杂情况中信息的提取。     

复杂背景下的多阈值人眼定位新算法*

提出了一种基于复杂背景下的多阈值人眼定位算法。该算法首先对图像进行光线补偿,减小由于光照不均等因素造成的影响;然后根据对人眼灰度特征的分析来确定3个人眼二值化阈值,从而分离出人眼候选区域;最后根据人脸的几何特征、人眼位置判定准则以及计算二维相关系数来排除非人眼区域,从而定位双眼。实验结果表明,该算法能在不同条件下准确定位人眼,且具有较快的定位速度和较高的检测率。     

基于透视投影的人眼视线方向估计算法

论文研究了一种利用单目图像估计人眼视线方向的算法。基于透视投影原理的人眼视线定位方法,可从双眼的虹膜轮廓中有效地估算出人眼视线方法,但其估计精度依赖于虹膜轮廓的定位精度。在此方法的基础上,引入Retmex算法以及基于椭圆匹配的迭代算法,从双眼的边缘图像中获得虹膜轮廓的精确位置,实现了人眼视线方向的准确估计。实验结果表明,所提算法对于实际拍摄的人脸图像,能准确地估计出人眼视线方向。     

基于复杂度和最佳阈值的人眼定位方法

人眼定位方法的研究目前已经成为人脸识别智能化中的重要研究内容。提出了一种无需先确定人脸位置,而在有背景灰度人脸图像中直接检测与定位人眼的新算法。利用复杂度的原理,对人脸图像中眼睛位置进行快速定位,剪切眼睛区域的图像块;再利用图像分割的原理,自动寻找最佳阈值,提取眼睛的边缘;进行形态学操作,排除非人眼的图像块,从而正确定位眼睛的位置。该方法能较大提高人眼定位的计算速度,适用于实时性要求较高的场合。仿真实验验证了该算法的有效性和稳定性。     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

一种新的图像中的人眼检测算法*

提出了一种新的图像中人眼检测算法,在一幅已知的人脸图像中首先采用同态滤波算法增强图像的对比度,然后利用迭代式阈值选择法对图像进行二值化处理,根据传统的先验知识获得眼睛的候选区域。根据眼睛的构造提出了一种基于最小外接矩形的自定义模板来实现眼睛的最终定位并利用区域质心标定出了眼睛区域的中心位置。实验证明,本算法简单实用,能够有效地实施人眼的检测,具有较高的检测精度。     

一种改进的人眼模板匹配算法

以驾驶员疲劳检测为背景,针对红外图像的人眼定位问题,提出了一种改进的模板匹配算法。该算法采用多步长模板匹配的策略,大大压缩了模板匹配过程中的计算量,同时充分利用了人眼位置的位置特征,把左右眼的位置关系作为人眼最终定位的约束条件。实验结果表明,与传统模板匹配算法相比,该算法能够显著提高人眼的定位速度和定位准备率。     

红外图像的疲劳状态识别方法

为了解决光照变化对疲劳检测系统造成的识别准确性不高的问题,提出了一种近红外环境下判断人眼状态的方法,即针对红外光补图像的人眼状态判断;首先,利用Adaboost算法进行人眼区域定位,在网格法标记人眼瞳孔部分的基础上,采用Retinex算法对红外图像进行增强;接着,结合“亮瞳效应”特性,对二值化以及边缘检测后的红外图像分别进行网格法闭合度计算,得到人眼闭合度大小;最后,根据闭合度计算结果设定双阈值并结合PERCLOS准则来判断人眼特征状态;另外,在DM642硬件平台上进行疲劳检测试验,实验结果表明,该方法的人眼状态识别率达到了90%以上,且平均每秒能处理21帧图片;证明了该方法不仅能有效解决光照变化带来的问题,而且满足疲劳状态检测系统的快速性、准确性和有效性等要求。     

基于形态学商模板的人眼定位方法

利用形态学商图像对人眼区域和皮肤区域有明显不同响应值的特点,根据贝叶斯后验概率的优点,提出一种新的人眼定位的方法。算法分成人眼模板训练过程和人眼定位过程。训练过程首先计算人眼图像的形态学商图像,然后利用K-MEANS算法自动为不同角度或者戴眼镜的人眼建立模板。人眼定位过程首先计算人脸图像的形态学商图像,然后使用与模板相同大小的滑动窗口和离散余弦相似度判定每个窗口与模板匹配的程度获得后验概率图,最后根据后验概率图中各个连通区域的平均概率判定眼睛位置。在Caltech数据库、Labeled Faces in the Wild(LFW)数据库及Yale Face B数据库中的实验结果证明,该算法对不同角度,不同光照,低分辨率,甚至戴眼镜的人眼图片均有较高的定位率。