实时鲁棒自动人眼状态分类.pdf

实时鲁棒的自动人眼状态分类 李召荣，艾海舟 （清华大学计算机科学与技术系，北京 100084 ） E-mail: ahz@mail.tsinghua.edu.cn 摘要：本文探讨了自动人眼状态分类问题。提出一种基于全局扫描并验证策略的分类框架。 该方法采用一种级联结构（Cascade ）来组织分类器，采用Adaboost 算法学习分类器。实验 表明这种方法无论在鲁棒性、正确率和速度方面都达到了很好的性能，具有非常明显的实际 应用价值。 关键词：人眼状态分类；全局扫描并验证；Adaboost ；级联结构 中图法分类号：TP391 Real-time Robust Automatic Eye State Classification LI Zhaorong, AI Haizhou Department of Computer Science and Technology, Tsinghua University, Beijing, 100084 E-mail: ahz@mail.tsinghua.edu.cn Abstract: In this paper, we discuss the problem of automatic human eye state classification. A new classification framework based on a global scan and verification strategy is proposed. This method employs a cascade structure to organize a series of eye state classifiers trained by Adaboost. Experiments over a large dataset show that proposed system reaches a good performance in robustness, correctness and speed, which has significant value in real applications. Key Words: Eye state classification; Global scan and verification; Adaboost; Cascade 在过去的十到二十年内，人脸信息处理已经成为计算机视觉和模式识别领域的一个研 究热点。作为人脸的主要部分，人脸器官（眼睛和嘴巴）以及它们的状态（张开和闭合）， 包含了丰富的表情和感情信息。它在许多人脸视觉系统中都有重要应用，比如驾驶员的疲劳 驾驶检测，活性验证，人脸表情分析等。 但是一直以来，这个问题并没有引起大家的重视，也没有专门的、系统的研究文献发表。 仅有的少量的研究存在于某些人脸分析系统中，被当作一个子问题来对待。这些研究也通常 是一些经典的模式识别方法的简单应用。以眼睛为例，Chu 等[1]在研究驾驶员的疲劳检测中， 采用一个 3 层的 BP 网络来进行眼睛睁闭分类。他们采用的特征是一个由6 个几何参数：眼 宽，眼高以及 4 个弧度参数构成的 6 维向量。他们在一个自建的包含 124 张图片的数据集上 取得了 85%的正确率。类似地，Tian 等[2]也采用神经网络来进行分类，但抽取的特征是包含 眼睛区域纹理的 Gabor 变换系数。他们在一个自建的数据集上获得了 93%的正确率。邓等[3] 在研究活性判别算法中，使用支持向量机来对直方图均衡化后的人眼灰度块直接分类。他们 采用大约 1300 张图片进行实验，根据选择的核函数不同，支持向量的个数大概在 60~200 之间，分类正确率大概在 90%~97%之间。上述这些方法大多假设特征点定位非常准确，或 者直接采用手工标定的特征点，而这对通常的自动定位系统来说比较困难。除了分类的方法 本课题得到国家自然科学基金60673107 ）的资助。李召荣，男，1982 年生，硕士研究生，主 要研究方向为计算机视觉。艾海舟，男，1964 年生，博