基于图像灰度特征人眼定位及状态识别.docVIP

基于图像灰度特征人眼定位及状态识别 　　摘要：针对眉毛和眼镜框等区域对人眼定位造成较大影响的问题，根据人眼周围区域各部位灰度值变化特征，提出了一种新的人眼定位及开闭状态识别算法。该算法利用AdaBoost算法对人眼进行粗定位，通过图像水平积分法，根据积分极值点特征完成人眼特征的精确定位，实现人眼部位条状区域的分割。最后利用投影法得出人眼的开闭状态。实验结果表明，该文提出的方法能够有效准确的实现人眼部位的精确定位，对人眼开闭状态识别率能够满足实际需求，且对图像中的各种干扰因素具有较强的鲁棒性。 　　关键词：人眼定位；人眼状态识别； AdaBoost算法；水平积分投影法 　　中图分类号：TP31 文献标识码：A 文章编号：1009-3044（2018）03-0170-03 　　Abstract： Aiming at the problem that eyebrow frame and other areas have great influence on human eye location， a new eye location and state recognition algorithm is proposed Based on the change of gray value in different parts of the human eye. The algorithm uses AdaBoost algorithm to locate the human eye roughly， and completes the precise location of human eye Based on the integral extremum point feature by image horizontal integration method， and realizes the segmentation of human eye part. Finally， by using the projection method of opening and closing state of the eye. Experimental results show that the proposed method can accurately and accurately locate human eyes， and it can meet the actual demand of human eye opening and closing state， and is robust to all kinds of interference factors in images. 　　Key words： eye location； eye state recognition； AdaBoost algorithm； projection method 　　1 概述 　　在?辆辅助驾驶系统中，人眼作为人脸特征的关键特征，其定位精度和开闭状态判断的准确度直接影响系统对于驾驶员行车过程中分神或者疲劳状态检测的准确性[1]。目前人眼定位算法已较成熟，常用方法有以下几种：一是基于形状的人眼定位方法，如Hough变换法，利用瞳孔或虹膜的圆形特征，以眼睑或眼角的几何特征加以辅助，能够实现人眼的精确定位[2]。该方法常用于安检口身份验证及手机解锁等场合，通常需要指定被测者头部保持固定的姿势，同时，该方法对测量设备精度要求较高，相应的增加了测量成本，同时，在被测者半闭眼或者完全闭眼情况下，无法完成人眼的定位；二是基于模板匹配进行人眼定位，该方法利用选定的模板图像与待测图像各区域进行比较，选出相似度最高的区域作为匹配结果[3]。其优点是原理简单，操作便捷，缺点是由于每次匹配需要对图像进行全局扫描，计算量较大，难以满足实时检测需要，同时算法对头部运动以及光照变化等因素的鲁棒性较差；三是基于图像的色彩、频域、纹理等特征，结合机器学习算法，通过样本训练得出的人眼定位决策模型完成定位。然而，该方法受限于样本数量和样本多样性的影响，且在图像中存在眼镜镜片反光、光照较暗等影响因素下，极易发生误定位。 　　针对目前人眼定位算法存在的缺陷，本文提出了一种新的人眼定位方法。该方法首先利用AdaBoost算法得到图像中人眼区域的大致定位，对已得到的眼睛区域图像进行水平灰度投影，根据不同区域的灰度特征排除干扰区域，得到人眼条状区域；利用大津法[4]选取自适应阈值对人眼条状区域进行二值化，最终利用二值化图像的投影区域宽高比作为判定标准，实现人眼开闭状态的检测。实验结果表明该方法能够避免眼镜框、眉毛等区域对人眼定位造成的干扰，有效提高了人眼定位与开闭状态检测的准