复杂驾驶条件下人眼检测和状态识别-BCMI.pptVIP

* 实际测试发现这种方法虽然简单，处理时间较快，但是识别准确度并不高，容易受到光照影响。 * 我们主要从处理时间以及识别率上进行比较，综合所有因素来看，基于水平投影及比例特征的人眼状态识别方法以及基于眼睑曲率的人眼状态识别方法较好。 * 讲完眼睛状态识别后，进一步我们要进行基于眼部特征的疲劳检测 * * * * * * * * * 近些年来，随着汽车工业和交通运输业的高速发展，居民生活水平的提高，开车对于很多人来说已经是成为日常生活的一部分，公路交通安全问题也成为一个不可忽视的问题。虽然酒驾和危险驾驶被广泛地宣传，但是在许多交通事故中，一个重要的原因就是疲劳驾驶。我们来看几组数据，…，由此可见，疲劳驾驶已经给社会造成了巨大的人员伤亡和经济损失，是影响交通安全的重要因素之一。 * 相关资料研究表明，如果在潜在交通事故发生前提前1秒钟给驾驶员发出警报，则可避免90%的类似交通事故。驾驶行为中包含了人、车、环境三个因素，根据国内一些专家学者对于人、车、环境引起的交通事故中，人的因素约占92% * 关于驾驶疲劳的研究，最有代表性的有基于生理现象的检测方法、基于操控行为的检测方法、基于汽车行为的检测方法等，并且已经开发出了不少典型的试验产品。其中基于视频处理的疲劳检测方法满足车载式、非接触式、实时的要求，可以在不影响司机驾驶情况下正常工作，因此本课题也选择了这种方法。 * * * 人脸检测系统的相关的测试结果表明：表情、姿态和光照是影响人脸识别准确度的三个最重要因素，其中姿态和表情是影响识别率的内在因素，可通过一系列的约束条件来降低它们的影响；而光照变化是外在因素，特别是自然环境光的变化无常很难控制，因此为提高检测系统精度，必须对人脸检测系统进行光照预处理。光照问题一直以来都是人脸检测和识别中的一个非常重要而又难于解决的问题，是制约人脸识别系统性能的瓶颈，同时这也是计算机视觉领域普遍存在的问题。在这里我们对人脸检测中的光照问题进行初步探索。 * 关于光照问题，本课题主要从两个方面进行处理来降低光照给系统带来的影响，首先是硬件部分，我们利用主动近红外图像传感器获取红外图像，利用主动红外光源不仅可以克服环境光照的影响，还可以使系统在夜间全黑的情况下也可以正常使用。相关研究表明，近红外成像对于光照变化条件要比可见光成像鲁棒性要好，下面这个是中科院李子青等采集的近红外图像和可见光图像的对比。可以看到近红外图像确实能达到比较好的效果。其次我们从软件算法进行改进，主要是利用基于光照估计的图像增强算法，在这里尝试了几种光照预处理的方法，下面进行简单的介绍 * 人类视觉系统具有与光照条件几乎无关的感知彩色的能力，人们试图研究这种颜色恒常性现象。这方面典型的理论就是Retinex算法。在Retinex模型当中，图像是由两部分组成的，一部分是物体的光亮亮度，对应于图像的低频部分，称之为亮度图像，另一部分是物体的反射亮度，对应于图像的高频部分，称之为反射图像。入射光反映的是图像中像素能达到的动态范围，反射图像能够决定一幅图像的内在性质，反映的是物体内在属性，与光照无关，这个就是我们想要的增强图像。在单尺度Retinex算法，我们使用高斯函数与原始图像进行卷积平滑得到亮度图像，再利用这个公式可以求出反射图像。这个是单尺度Retinex算法实验效果图。 * 可以看到MSR比SSR运算复杂，但是效果相差并不大。 * * * * * * * 这个是我们在我们自己拍摄的红外图像进行光照预处理的效果图，从实际测试上看，基于商图像的方法可以较好的去除光照影响，保持脸部内在的灰度特征，但是缺点是运算量比较大，对运算处理能力要求比较高。 * 对红外图像进行光照预处理，得到光照鲁棒的红外人脸图像后，我们进一步需要检测人脸，这里我们利用的是基于Adaboost的人脸检测， * 基于Adaboost人脸检测包含两个过程，分别是训练过程和检测过程 * * 从测试结果上看，基于Adaboost的人眼检测方法检测准确度还是比较好的，对于人脸倾斜较小角度情况下还能较好地识别人眼，但还存在一些问题，比如说对于眼睛闭合情况容易遗漏，而且容易将嘴部区域判断为人眼区域，眼镜反射也会影响到检测准确度。 * 利用人脸各部位的比例特征可以分割出人眼区域，下面是基于比例特征的眼睛检测定位效果，可以看到这种方法算法简单，运算量比较少，对于光照不均以及眼镜反射等问题，这种方法检测准确度也较好。但是在人脸倾斜角度比较大情况下，人眼检测定位分割的效果较差。 * * * * 下面是基于眼睑曲率的眼睛状态识别方法识别正确率的统计数据。这个是曲率阈值与睁闭眼状态识别正确率关系曲线图，可以看到基于眼睑曲率的眼睛状态识别方法简单，正确率也比较高，当曲率阈值选择为0.12时，睁眼识别正确率为87.9%。 * 下面看下基于基于