《基于Matlab平台人脸面部表情识别的疲劳检测》课件.pptVIP

基于面部特征识别的疲劳检测系统设计实现 指导老师：杨阳 学院：信息科学与工程学院 专业：电子信息科学与技术 目录 研究背景与意义 系统软件设计及实现 总结及展望 致谢 1.研究背景与意义 疲劳检测在现实生活中具有很大的意义和实用价值，也是一个值得进一步完善研究的课题。 列车员疲劳提醒 疲劳检测 特定岗位防瞌睡 汽车防止疲劳驾驶 防止质检员打盹 研究目标 本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频图像，识别分析面部特征，从而得到比较准确的疲劳状况。 2.系统软件设计框架 2.1基于肤色的人脸检测与提取算法流程 转换色彩空间 肤色提取 提取人脸轮廓 原始图像 得到人脸范围 内部填充 2.1基于肤色的人脸检测与提取算法流程 图2-1为待处理的原图 图2-1 2.1基于肤色的人脸检测与提取算法流程 图2-2为在HSV色彩空间中提取到的肤色范围。 图2-2 2.1基于肤色的人脸检测与提取算法流程 把图2-2中的肤色范围设置为白色，非肤色范围取黑，并且进行内部填充，可以得到如图2-3所示的人脸范围的黑白模版。 图2-3 2.1基于肤色的人脸检测与提取算法流程 把图2-3与原图2-1乘操作就可以得到整个人脸范围 图2-4 2.2基于霍夫变换的人眼定位与统计 人脸图像 灰度化 边缘检测 检测圆 统计对象 面积 膨胀 2.2基于霍夫变换的人眼定位与统计 把得到的人脸图像转换为灰度图像，如图2-5 图2-5 2.2基于霍夫变换的人眼定位与统计 使用Prewitt算子进行边缘检测，得到人眼的边缘曲线如图2-6所示。 图 2-6 2.2基于霍夫变换的人眼定位与统计 由边缘图像进行霍夫变换检测圆，得到人眼的边缘曲线如图2-7所示。 图2-7 2.2基于霍夫变换的人眼定位与统计 得到的人眼边缘曲线不是很完整，因此做一下膨胀处理，得到人眼范 围，便于统计大小信息，如图2-8所示。 图2-8 2.2基于霍夫变换的人眼定位与统计 不同闭合度人眼检测结果对比如图2-9 图2-9 2.3疲劳判断 每一帧 人眼大小 归一化 判断疲劳 统计 眨眼频率 画出人眼 变化曲线 2.3疲劳判断 对得到的每一帧图像中的人眼信息统计，得到人眼闭合的帧数与总数 的比例，判断疲劳。 如果得到的PERCLOS值大于阈值20%，则判定为疲劳状态。 图2-10 一次实验结果如图2-10所示。 总结及展望 本设计简单易行，但是运行速度比较慢，主要是霍夫变换运算量比较大。为了减少运算量，可以进一步减少人眼搜索范围。 对于人脸，可以确定，人眼一般位于头部中间偏上的位置，加上是下方的脖子等区域，可以认为人眼在头部上半部分，如此就可以把搜索范围减少一半，运算速度也可以加快一倍。 总结及展望 减小人脸范围后实验结果： 感谢您的关注！ 相关概念 HSV色彩空间 色彩空问，即色彩模型，是指颜色在三维空问中的排列方式。肤色由于其特殊性，在不同的色彩空间表现形式也不同，对肤色的辨识能力和处理效果也不同。 HSV色彩属性模式是三原色光模式的一种非线性变换，根据色彩的三个基本属性：色相、饱和度和明度来确定颜色。色相（H）是色彩的基本属性，取0-360度的数值。饱和度（S）是指色彩的纯度，明度（V）也叫“亮度”，取0-100%。 在对色彩信息的利用中，HSV模型的优点在于它将亮度和反映色彩本质特性的两个参数分开。在提取一类物体(如人脸)在色彩方面的特性时，可以获得比较好的效果。 相关概念 边缘检测算子 几种边缘算子处理实验待测图片的效果对比： 相关概念 膨胀 膨胀是将与目标区域接触的背景点合并到该目标中，是目标边界向外部扩张的处理。膨胀可以用来填补目标区域中存在的某些空洞，以及消除包含在目标区域中的小颗粒噪声。 由于得到的人眼边缘不是很完整，难以统计大小信息，需要做膨胀处理。 相关概念 眨眼与疲劳 眨眼，是一种快速的闭眼动作，称为瞬目反射。 据统计，正常人平均每分钟要眨眼十几次，通常2～6秒就要眨眼一次，每次眨眼要用0.2～0.4秒钟时间。20-40岁之间的正常人每分钟眨眼约20次，而在睁眼凝视变动快速的电脑屏幕时，或者人的注意力相对十分集中时，眨眼次数可能会减少到每分钟4-5次。 而人出现疲劳后，眨眼频率往往会加快，每次眨眼经历时间也会相应的变长，因此可以依据人的眨眼频率判断人是否疲劳。 肤色在HSV色彩空间的子空间 研究背景与意义 比如说疲劳驾驶，就是诱发严重交通事故的重要原因之一。据公安交管部门统计，60%以上的交通事故与疲劳驾驶有关，防范疲劳驾驶刻不容缓。这不但需要驾驶员自己做到尽量控制不疲劳驾驶，也需要一个实时的疲劳检测系统监测驾驶员的疲劳状态，随时提醒驾驶员保持清醒，才能