基于眼瞼運動的司機疲勞檢測.pdf

1、目前，由于司機的駕駛疲勞而引起的交通事故率日益增加，為減少此類事故的發(fā)生，本文通過研究司機的眼瞼運動來判斷司機的疲勞程度，因為眼瞼運動是司機疲勞的主要特征，研究眼瞼運動對眼睛凝視方向等其他表征司機疲勞狀況的視覺特征的提取也很關鍵。本文在人臉檢測與眼睛已定位的基礎上重點對眼睛特征檢測與跟蹤和眼睛狀態(tài)的識別算法進行了研究與改進。 本文主要作了以下幾個方面的工作： 1、對定位后的眼睛圖象進行了特征提取。本文分兩步提取眼睛特征，

2、即分別進行虹膜檢測和眼睛輪廓的提取。為了能夠精確地提取虹膜，本文提出了基于彩色圖象分割的虹膜檢測方法，相對于現(xiàn)有的基于灰度邊緣的虹膜檢測方法，精確度大大提高。然后在已檢測到的虹膜位置基礎上利用可變形模板對眼睛輪廓進行提取，與利用可變形模板同時提取虹膜和眼睛輪廓的方法相比，本文的方法不僅避免了可變形模板在收斂不到虹膜區(qū)域，尤其是閉眼時，而出現(xiàn)的誤收斂或發(fā)散，而且，還有利于以后的閉眼跟蹤和眼睛狀態(tài)識別。 2、檢測出眼睛特征后，對眼睛

3、特征進行了跟蹤。為了能夠在眼閉時也能準確跟蹤到眼睛，本文的跟蹤算法也分別進行，即同時進行虹膜跟蹤與眼睛輪廓跟蹤。虹膜跟蹤采用在圖象序列中用Hough變換檢測虹膜下半圓的方法，由于在檢測幀中已知虹膜半徑，且對于同一個人(司機)是變化很小，在跟蹤幀中可作為Hough變換的已知參數(shù)，而虹膜中心位置也可作為跟蹤幀中虹膜的參考位置，故計算復雜度大大減少，速度大大加快。眼睛輪廓跟蹤則先采用光流估計對眼睛輪廓關鍵點位置進行預測，再根據(jù)預測的關鍵點位置

4、對當前幀的眼睛輪廓加以變形，作為下一幀的初始輪廓，再用可變形模板能量函數(shù)最小化修正。這種方法避免了在跟蹤眼睛輪廓這種非剛性物體時因發(fā)生變形(開、閉眼)而出現(xiàn)誤跟蹤，提高了跟蹤的精度。 3、根據(jù)跟蹤到的眼睛特征，進行眼睛狀態(tài)識別，本文提出了由粗到精地識別眼睛狀態(tài)的方法，即先根據(jù)眼睛特征中是否有虹膜來判斷是否為開眼，絕大多數(shù)開眼均可有這一步識別出，若沒有，再提取眼睛輪廓模板的參數(shù)計算上下眼瞼的寬度來判斷是否開眼，這就避免了個別檢測不