疲劳驾驶面部表情识别算法.docx

疲劳驾驶面部表情识别算法 收稿日期： 2007-11-10 ；修回日期： 2008-03-06 基 金项目：国家自然科学基金资助项目 ; 国家“ 973” 计划资助项目( 2002cb12203) (中南大学 信息科学与工程学院，长沙 410083 ) Facial expression recognition algorithm for fatigue driving YANG Qiu-fen, GUI Wei-hua ， ZHOU Shu-ren (College of Information Science Engineering, Central South University, Changsha 410083, China) :This paper proposed an expression recognition system based on geometry standardization, Gabor wavelet filter and support vector machine (SVM) according to six face expression of fatigue driving. The system ensured the geometry standardization of video.Then it constituted forty-eight optimization filters according to 2D-Gabor kernel functions to acquire forty-eight expressional feature point inside the latency rectangle region. It was applied to recognizing facial expression using SVM. Experimental results demonstrate that RBFthe radial basis function(RBF) SVM has better performance than other SVMs on humanfacial expression recognition, and prove that the algorithm is efficient and feasible. 根据英国汽车协会统计 , 英国车祸的死亡事故中，有 10%是 因司机疲劳驾驶引起的。 同时有资料表明， 高速公路发生的交通 事故中，有 50%以上是由于长时间疲劳驾驶或所见目标单调使司 机注意力不集中，甚至打瞌睡等造成的。统计表明，在出现这些 现象的同时，司机的面部表情也将发生明显变化 [1,2] 。 目前面部表情的分类方法很多。 Lyons 等人 [3] 利用主分量 分析和线性判别分析在 JAFFE（Japanese female facial expression） 表情库上得到了很好的结果 （ 正确率达到 92%）; Padgett 等人 [4] 使用反向传播算法训练人工神经网络在 Ekman 人脸表情库 [5] 上能够达到 86%的正确率 ;Pantic 等人 [6] 使用专 家系统方法在 265 张双视角的人脸表情图片上的正确率达到了 91%;Otsuka 等人[7] 采用隐马尔可夫模型的方法也达到了比较好 的结果 （ 本文中并没有提到此方法的正确率 ）。 最近, 支持向量机被成功地用于人脸图像处理的各个方面， 如人脸检测 [8] 、人脸的姿态估计 [9] 和人脸识别 [10] 等，取得了 优于传统模式识别方法的性能。 本文受其启发， 先对摄像机拍摄 到的疲劳驾驶视频图像进行几何规范化，使用 48个Gabor滤波 抽取 48 个最优特征点来构造表情特征向量，最后用支持向量机 分类器对驾驶员面部表情进行训练、识别。 视频图像的预处理 视频图像的预处理包括视频图像子区域的分割以及视频图 像的归一化处理。 前者指从视频图像中分割出与人脸最相关的子 区域；后者包括图像的灰度均衡和尺度归一。 图像预处理的好坏 直接影响视频图像特征提取的效果和计算量。 疲劳驾驶视频图像的几何规范化处理首先对人脸作水平积 分投影， 利用投影曲线各极小值之间存在的位置关系， 建立判断 规则，确定人脸的眼睛、嘴、鼻孔和眉毛的水平位置以及各器官 之间的垂直距离； 再根据人脸的眼睛、 嘴的水平位置和垂直距离 确定出眼区、 嘴区， 将这些区域分割出来组成特征三角形生成面 部处理区域；最后进行特征提取。 几何规范化处理方法在文献 [11] 中进行了详细的论述。 区域 的水平积分投影曲线函数 PH(y)表示为?PH(y)=1/ (