基于ASM和眼嘴自动标点的差距化疲劳识别.pdfVIP

第30卷第4期 重庆工商大学学报(自然科学版) 2013年4月 J TechnolBusiness Sci V01．30NO．4 Chongqing Univ．(NatEd) Apr．2013 文章编号：1672—058X(2013)04—0039—05 基于ASM和眼嘴自动标点的差距化疲劳识别 王筱薇倩，杨会成，费琛，杨惠 (安徽工程大学电气工程学院，安徽芜湖241000) 摘要：人的眼睛和嘴巴是面部当中最能表现状态的重要因素，准确有效的提取它们特征的能够应用 于多种场合；针对经典弹性图匹配算法中人脸特征点的定位问题，通过手工标定特征点，用可变形状模型 (ASM)法对人眼和嘴部定位点训练，然后使能够机器自动标定，通过匹配后计算与正常状态的点的差距，从 而对驾驶员驾驶过程中疲劳状态进行检测和警告；仿真实验得出结论表明：此法能利用短时间，快速且较为 准确的识别疲劳。 关键词：可变形状模型(ASM)；自动标定；差距化；疲劳检测 中图分类号：TP273 文献标志码：A 近年来，随着人们的生活压力等因素造成在驾驶过程中事故的频发，在行驶过程中，提醒驾驶员不要疲 劳驾驶，时刻保持驾驶员警惕性成为当前社会公共安全的一种迫切需要。但由于人脸是一种复杂的三维非 刚性物体，伴随着表情，姿态和光照条件的变化，使得人脸的识别比传统刚性物体的识别更加困难。国内 神经网络方法、支持向量机方法和弹性图匹配方法(EGM)等。其中基于模板匹配的弹性图匹配方法由于其 具有较高的识别率，并且在一定程度上对背景、视角、表情、光照等不敏感而备受重视。本文提出了一种标 定特征点和模板特征点比对差距的驾驶员疲劳检测的方法。 1疲劳驾驶特征 所谓疲劳驾驶，作为一个行动比较确定的机械化行为，由于驾驶员身体和精神上一直处于长时间的操 作，处于一个恒定持久的单一状态，会出现情绪低落现象。驾驶员的疲劳状态可通过面部视觉图像进行判 断，尤其是眼睛和嘴巴的判别等这些特征是明显的，也是可以被检测到的，驾驶员精力充沛时，眼睛是有一 定的几何大小的，有些许疲劳时，眼睛睁开的面积可能会变小，当疲劳程度已经比较严重的时候，他的眼睛 可能会有一瞬几秒的闭合。通过对眼睛和嘴巴的仔细追踪，实时的定点比对，可以及时发现并对驾驶员发 出报警信号，从而提醒驾驶员小心驾驶，警惕自己的疲劳。但是，单纯的依靠眼睛，警报的准确率是不高的。 在此引入嘴巴的特征。如果驾驶员频繁的打哈欠状态或者长时问处于说话张嘴状态，比如与他人说话或者 打电话在，都是精神不集中，反应速度降低的表现。 收稿日期：2012—09—12：修回日期：2012一11—18． 作者简介：王筱薇倩(1988．)，女，安徽合肥人，硕士研究生，从事自动检测与控制系统研究 万方数据 重庆工商大学学报(自然科学版) 第30卷 1．1眼部疲劳特征判别 通过取一定时间内的图片，然后计算闭合的图片的比例。如果占的比例大，说明时间长，说明疲劳严 重。据一些资料表明用摄像机获取驾驶员的脸部图像，分帧后，经过识别确定眼睛是睁开还是闭合的，判别 只需看眼睑遮住瞳孑L的面积大小。比如说：用超过74％的大小的闭合认为是疲劳，或者用遮住超过85％的 大小认为是眼睛闭合了。但是在实际中瞳孔的闭合程度不容易测，可行的简化方法是计算眼睛的闭合百分 比m。m计算公式如下： m：1一一nI (1) n2 式(1)中，n。——当前人眼睁开高度；n2——人眼睁开最大高度；对于人眼睁开时的大小的定义是存在难 度的，因为这个数据是因人而异的，经过统计可以得到一个估值，虽然不可能对何一个人都适用，但是仍 然是有一定的使用度的。选择4S为一个测试周期，每秒的监视频率为12帧，也就是一个测量周期会选 取48张图片。用上述方法当大于0．4，有将近10张图片被判定为闭合状态时，则认为该人的情绪和机能 处于