一种眼睛状态检测组合方法.docVIP

一种眼睛状态检测组合方法摘 要： 眼睛状态检测具有广泛的应用。为克服目前单个算法的不足，进一步提高眼睛状态检测的准确率，在此首先介绍了2种眼睛状态检查方法，即模板匹配方法和投影方法，然后对这2种方法进行组合提出了一种新的组合方法。组合方法首先利用模版匹配方法对眼睛状态做出判断，然后通过与预先设定的阈值比较，对第一步无法做出判断的图像再利用投影法进一步判断。通过对300个眼睛图像进行检测，准确率达到了94.8%。试验结果表明了该组合方法较单个检测方法具有更好的可靠性和准确性，同时适中的复杂性也说明该算法的可行性。 关键词： 眼睛状态检测； 模板匹配； 水平投影； 组合方法 中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2013）08?0101?03 0 引 言 眼睛是人脸面部最主要的组成部分，眼睛状态的检测算法的应用范围也越来越广泛。例如，针对机车驾驶员的疲劳检测中，可以通过眼睛状态变化的检测及时反映驾驶员的疲劳情况，有效防止交通意外的发生；在人脸识别过程中可以通过眼睛状态检测，判断所取人脸是否为活体。此外，通过眼睛状态还可以为表情识别和人机接口提供大量的信息。目前，眼睛状态检测方法有很多，综合来说可以把它们分为2类[1]：一种是基于特征分析的眼睛状态检测方法；另一种是基于模式分类的眼睛状态检测方法。基于特征分析的方法主要有模板匹配方法、投影方法、检测瞳孔[2]、Hough 变化检测虹膜[3]等。基于模式分类的检测方法主要有神经网络[4]、支持向量机（SVM） 、隐马尔可夫模型（HMM）[5]等方法，此类方法根据样本自动学习规则或知识的方法将眼睛状态检测的问题转化为判断图像区域是睁眼还是闭眼的分类问题。 这些方法各有优势，但也存在明显不足：对人脸、偏转角度、背景、光照等有一定的条件制约；计算量偏大，处理较慢等。 针对这些问题有研究人员采用组合算法来提高检测性能，李英等提出了眼睛状态检测的组合方法[6]。该方法是将灰度模板的方法、Fisher 方法、投影的方法、找眼睛上眼睑的方法以及Hough变化的方法相结合来检测眼睛状态，提高了抗光照影响能力和检测的准确率。但是该方法计算复杂而且费时，因此不能适用于有实时性要求的检测系统。本文提出了一种新的组合方法即通过模板匹配方法和投影方法相结合实现眼睛状态的检测，以达到充分利用单个算法的优点来提高检测性能的目的。实验结果表明该方法能有效地提高眼睛状态检测的准确率，同时满足检测系统实时性的要求。 1 模板匹配方法和投影方法介绍 1.1 模板匹配方法 模板匹配[7]基本原理是在图像的搜索区内逐点平移参考模板图像，遍历搜索区内的每一个位置点，同时根据某个相似性测度原则，计算搜索区内该位置点的图像区域和参考模板的相关值，然后根据相关值的大小来判定跟踪点的位置。 应用模板匹配方法来判断眼睛的睁开和闭合状态算法简单且相对精确度较高，在灰度空间，通过计算被检图像和2个状态模板的相似度来判断眼睛睁开和闭合状态，如果它和睁眼模板的相似度大于和闭眼模板的相似度就认为眼睛是睁开的，反之相反。 首先，制作睁闭眼的模板。睁眼模板通过选取100幅睁眼图像，利用缩放把它们变成尺度统一的标准图像，例如说[m×n]。通常采用线性重采样插值等方法进行尺度变换，以保证人眼在图像平面中的尺度不变性[8]。其次，将这些图像转化为灰度图像并它们进行灰度均匀化，也就是说， 找一个灰度直方图分布比较均匀的开眼图象， 使每幅图的灰度直方图都和此图象灰度直方图几乎一致。最后，将得到的这100幅图像灰度进行平均，就得到了睁眼的灰度模板。用同样的方法可得到闭眼的模板。如图1所示。 匹配计算过程中的相似度R可用式（1）表示： [R=i=1mj=1naijbiji=1mj=1na2ij12i=1mj=1nb2ij12] （1） 其中： [A=a11a12...a1n????am1am2...amn]，[B=b11b12...b1n????bm1bm2...bmn] 为了减少光线的影响， 将[A]和[B]做了归一化。将睁闭眼模板在被检图像上平移计算得到一系列相似度值，通过比较分别选取最大的值作为最终的2个相似度值，最后通过比较判断睁闭眼情况。 1.2 投影方法 投影方法的原理[9]：当人闭眼时，闭眼的边缘图通过投影会有两条足够接近的直线（近似），因此可以通过观察投影图像，如果在投影图像中能够检测到两条足够接近的直线，可以认为是闭眼，如果检测不到，可视为睁眼，或者通过其他方法继续检测。 检测步骤：首先，利用边缘提取算子从眼睛被检图像中得到眼睛边缘图；其次，将边缘图进行水平投影。最后，分析投影图，看看是否存在