基于LBP的眼睛开闭检测.DOC

基于LBP的眼睛开闭检测方法 姚 胜，李晓华，张卫华，周激流 (四川大学 计算机学院，成都 610065) 摘 要: 在基于机器视觉的疲劳驾驶预警系统中通过驾驶人员眼睛的状态来判断其是否疲劳是最直接和有效的途径，对眼睛的开与闭这两个基本状态的检测是判断疲劳的一个关键技术。本文针对红外视频人脸图像序列，提出一种基于LBP纹理检测算子的快速准确人眼开闭检测方法，该方法首先精确提取眼睛区域，然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、熵和边际分布二阶矩作为特征向量。最后使用SVM对特征向量进行分类以达到开闭检测的目的。大量实验结果表明，该方法不仅具有较高的检测准度，而且能完全满足实时要求。 关键词: LBP；红外图像;纹理检测;开闭检测；SVM 中图分类号: TP391　　　 文献标志码: A 文章编号： Eyes state detection method based on LBP YAO Sheng，LI Xiao-hua，ZHANG Wei-hua, ZHOU Ji-liu (School of Computer Science, Sichuan University, Chengdu 610064, China) Abstract: Eyes state, such as opening and closing, detection is a very important technology in driver fatigue warning system based on machine vision, since the opening/closing states of driver’s eyes are the most direct and effective signal to indicate whether he/she is tired. In this paper, propose an eyes state detection method based on LBP aiming at the infrared video face image sequences. Firstly, using Adaboost and y-axis projection accurately extract the eye region. Then, calculate some statistic texture feature based on LBP, Finally, use SVM to classify the feature as eye state, such as opening or closing. A large number of experimental results show that the proposed method not only has high detection accuracy, but also has high efficiency. Key words: LBP; infrared video; texture detection; opening and closing detection; SVM  引言 根据美国国家统计和分析中心的报告[1]，引发交通事故最主要的因素是驾驶人员的疲劳驾驶，其次是酒驾和超速驾驶。其中有3.6%的严重交通事故是由于驾驶人员疲劳造成[2]。过去几年，在提高汽车主动安全技术方面的研究有进一步的进展，相继出现了后视倒车系统，汽车行车全景监视系统，车道偏离预警系统，疲劳驾驶预警系统等，其中对疲劳驾驶预警系统的研究尤为突出。 目前对疲劳驾驶检测系统的研究主要可以分为两类方法，一类是基于硬件的方法，另一类是基于计算机视觉的方法。基于硬件的方法涉及到对物理硬件的研究与设计，如眼电图( EOG) [3]和脑电图（EEG）[4]测量，虽然这种方法对驾驶人员疲劳的判断能获得准确的效果，但这类方法所使用的硬件必须接触驾驶人员，在实际应用中将对正常驾驶产生影响。基于机器视觉的方法通过关注车辆在行驶过程中的显著特点和驾驶人员的行为和状态，如持续驾驶时间、车轮的运动状态及驾驶人员的持续眨眼等，来评估驾驶人员的疲劳状况[5~7]。目前，持续眨眼已成为一项重要的疲劳状态监测指标。眼睛开闭检测作为提取持续眨眼指标的关键技术得到了高度重视。Sukno,Pavani and Butakoffnd[8]等人用标准的摄像机捕获连续的图像并使用主动轮廓模型来检测眨眼，他们使用每只眼睛8个标定点之间在垂直方向上的平均距离来描述眼睛的开闭情况。该算法在Av@Car