GeometricFeatures.PDFVIP

Computer Science and Application 计算机科学与应用, 2012, 2, 246-250 /10.12677/csa.2012.25043 Published Online December 2012 (/journal/csa.html) Implementation of Fatigue Detection Algorithm Based on Geometric Features* Jingdan Wang, Chuanhua Jiang, Zongbo Hao School of Computer Science Engineering, University of Electronic Science and Technology of China, Chengdu Email: wjd719@ Received: Oct. 21st, 2012; revised: Nov. 16th, 2012; accepted: Nov. 25th, 2012 Abstract: The Adaboost algorithm based on the face of the classifier can accurately detect and positioning face, then through trying three methods to locate the human eye, such as Frame Difference and geometric feature method, extract- ing human eye image to obtain the binary image of eye by gray processing, gauss smooth, adaptive threshold. Finally, the algorithm will further accurately judge the driver is in a state of fatigue through the analysis of eyes’ feature. The experimental results show that the method of Geometric Feature has anti-jamming effect in positioning the human eye, and the eyes feature significantly can ensure Robustness and real-time. Keywords: Image Pre-Processing; Classifier; Geometric Features; Fatigue State 基于几何特征的疲劳检测算法研究与实现* 王景丹，江春华，郝宗波 电子科技大学计算机科学与工程学院，成都 Email: wjd719@ 收稿日期：2012 年 10 月 21 日；修回日期：2012 年 11 月 16 日；录用日期：2012 年 11 月 25 日 摘 要：采用基于人脸分类器的 Adaboost 算法可以准确检测并定位人脸，然后通过尝试帧差法及几何特征法来 定位人眼，提取人眼图像，进行灰度化、高斯平滑、自适应阈值等预处理，最终获取人眼二值化图像，进一步 精确到眼睛部位，分析眼睛的状态特征，判定驾驶员是否处于疲劳状态。实验结果表明几何特征定位人眼的方 法有抗干扰的效果，眼睛特征表现明显，鲁棒性好，同时也能够保证实时性。 关键词：图像预处理；分类器；几何特征；疲劳状态 1. 引言 疲劳检测算法是模式识别和机器视觉领域的前 沿课题，由于驾驶人员在驾驶过程中需要高度集中、 时刻关注路况信息，长时间驾驶必然导致精力不足、 疲劳懈怠，如何实时地、智能地避免疲劳驾驶、消除 车祸隐患是相关部门亟需解决的问题，一种实时的、 能够准确判断疲劳状态的、不妨碍驾驶的疲劳检测系 统成为国内外研究者的研究方向。早期研究阶段采用 车载心电图[1]、脑电图[2]等方法协助监控驾驶员，但 这种方法较为滞后、所需设备复杂、易干扰驾驶员正 常驾驶。已知人在疲劳时眼睛将会发生明显的变化： 精力充沛时，眼睛睁开；进入轻度疲劳时，眼睛睁开 变小；疲劳以至于睡眠时，眼睛经常出现完全合上的 状况[3]。这些特征是可以被检测的，目前常见的疲劳 检测算法都是针对视频文件进行图像处理和模式识 别，提取人物面部信息、眼睛信息，判断驾驶员的行 为状态，并针对疲劳驾驶行为发出报警信号。疲劳检 测最重要的环节是人脸识别和眼睛特征提取，人脸识 *资助信息