基于人眼特征信息的驾驶人眼视线估计.docx

基于人眼特征信息的驾驶人眼视线估计朱立新付锐郭应时袁伟(长安大学汽车运输保障技术交通行业重点实验室，西安 710064)摘 要 提出了一种新的基于人眼特征信息的驾驶人眼视线估计的算法，且研究使用普通的摄像头。采用 Harris 角点检测算法对驾驶人上、下眼睑外轮廓进行角点检测，拟合人眼轮廓曲线;再对人眼区域图像进行色彩空间转换提取灰阶值分量，图像 亚像素下进行 Hough 边缘检测，设定相应的虹膜边缘曲率阈值，准确识别人眼虹膜边缘信息。算法结合虹膜和人眼轮廓信息 对驾驶人眼视线进行估计。将提出的算法应用到实车试验中，采用 facelab5 眼动仪对驾驶人视线估计角度结果进行验证。试 验结果表明，所采用的人眼视线角度估计算法在实际的驾驶环境中准确率较高。关键词 人眼特征视线估计色彩空间 虹膜边缘眼动仪中图法分类号TP391． 41;文献标志码A睛特征信息不稳定，从而使面部朝向出现较大偏差。近些年来，随着高清摄像机的应用和图像处理 技术的高速发展，对于驾驶人视线估计的精度已经 达到较高的程度(0． 1 度以下)，但高清摄像机结合 图像处理复杂算法的高额费用是限制其快速发展和普及的主要原因［5］。从驾驶人虹膜特征信息出发，先是利用普通摄像机采集驾驶人在行驶车辆过程中的面部视频，由 视频分解成一帧一帧的驾驶人脸部图像，通过数字 处理技术对驾驶人眼进行定位，进而获取驾驶人虹 膜的参数:上眼睑圆周、内外角点、虹膜中心。在低 分辨的情况下，在驾驶人视线检测上采取分部图像 处理技术，极大降低了计算机运行时间，具有较高的 实用性。视觉作为驾驶人行驶车辆时获取交通信息最主要方式。驾驶人作为交通行为的主要参与者，其驾 驶行为对交通安全的影响是巨大的。然而驾驶行为 的产生又是通过驾驶人对道路交通状况的主观感知 与判断形成的，其受到驾驶人获取交通信息的细化 程度的影响。追溯到驾驶人对道路交通状况的感知 途径，主要是由驾驶人视觉来完成的。因此，对驾驶 人视线跟踪的研究显得至关重要。目前针对驾驶人注视行为的监测方法［1—3］主要 有两类:采用眼动仪装置用于追踪驾驶人的眼睛及头部运动［1］;基于图像识别技术驾驶人脸部姿态对驾驶人注视行为进行估计［2，3］。通过眼动仪来用于 跟踪驾驶人眼睛的注视行为和头部运动，包括两个 摄像头、主机、一个场景摄像头等。眼动仪用来做研 究型工作时精确度很高，能够很好的获取驾驶人的 真实视觉特性，但其价格昂贵，不太适合在普通汽车中广泛推广。基于图像识别技术的驾驶人视线跟踪 的研究目前国内外正处于起步阶段，近年来，国外有 很多的研究机构和个人提出了许多基于驾驶人脸特 征定位方法来判断驾驶人的视觉特性［4］，进而来估 计驾驶人行车过程中的注视行为。通过摄像机来采 集人脸图像，获取驾驶人眼睛与脸部边缘距离等信 息，对其进行分析得到驾驶人面部朝向以及视线方 向，用来判断视觉分散。该种方法的缺点在于所获 取的驾驶人视线方向及面部朝向不准确，而且由于 驾驶人的眼睛状态不断发生变化，导致所获得的眼驾驶人眼模型与识别通过估计虹膜轮廓的椭圆形状结合人眼几何关 系来对驾驶人视线进行跟踪，我们利用拟人化的比 例来分析眼球半径和虹膜半径的几何关系［6］。该 方法的算法过程如图 1 所示。1． 1人眼模型一个简单的人眼结构如图 2(a) 所示，这里定义 眼球是一个半径为 Ｒ 的球体，尽管人眼不是一个标 准的球体，但这种差异对后续的研究影响并不明1［6］显 。虹膜在眼球的前方，其轮廓可以看成是一个半径为 r 的圆形，眼球中心到虹膜平面的距离用 d表示，这里 Ｒ、r 和 d 三者的关系如图 2(c)所示。Ｒ2= r2 + d2(1)2014 年 4 月 30 日收到国家自然科学基金 、这里，根据人体解剖学知识，眼球和虹膜的半径基本是一个常量，即眼球半径在 12 ～ 13 mm 之间， 虹膜半径大约 7 mm，因此只要得到虹膜的半径大教育部长江学者与创新团队支持计划 (IＲT1286)资助第一作者简介:朱立新，男，硕士研究生。研究方向:载运工具运用 工程。E-mail:466198235@ qq． com。236科学技术与 工 程14 卷截面的灰度值累加起来，提取图像中驾驶人脸部特征，如图 4 所示。x2水平积分投影为 H(y)= ∑f(x，y)x = x1y2= ∑f(x，y)(2)垂直积分投影为 V(x)(3)y = y1这里，f(x，y) 表示图像像素点的灰度值，x，y表示像素点的坐标值。图 1 驾驶人视线估计过程Fig． 1 Drivers gaze estimation process图 4 人脸定位图Fig． 4 Image of face location第三步，在人脸区域内实现对驾驶人眼睛的定位。由于眼睛