[發明專利]一種人眼狀態識別方法和裝置

有效

• 申請號: 201410112121.5
• 申請日: 2014-03-24
• 公開（公告）號: CN103839056B
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 覃劍釗;陳嗣堯;丁寧;閻鏡予;黃卜夫
• 申請（專利權）人: 中智科創機器人有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 廣東廣和律師事務所44298
• 代理人: 章小燕

技術領域

本發明涉及視頻圖像處理和模式識別技術領域，尤其涉及一種人眼狀態識別方法和裝置。

背景技術

從視頻或圖像中自動獲取人眼的狀態(開或閉合)有著廣泛的應用價值。例如：

(1)在駕駛員疲勞警示系統中，使用可見光或近紅外攝像頭采集駕駛員的人眼圖像，通過計算一定時間內，人眼閉合時間所占的比例來判決駕駛員的疲勞程度。當人眼閉合時間所占比例大于一定的閾值時，系統則發出警報，提醒駕駛員休息后再繼續駕駛。從而減少疲勞駕駛的出現，進而減少交通事故的發生。

(2)在圖雷特綜合癥輔助診斷系統中，通過攝像頭采集待診斷人的人眼圖像，然后計算眨眼次數和頻率作出輔助診斷。

目前，人眼狀態識別有以下幾種方式：(1)從人眼部圖像中提取Zernike矩特征，復雜度特征和HOG特征，對不同的特征分別訓練對應的SVM分類器，然后采用自動權值學習算法學習不同模型的權重，實現決策融合。(2)通過提取Haar-like特征對人眼部圖像進行描述并通過自適應增強(Adaboost)分類器進行識別。(3)對人眼睛區域進行二值化或邊緣檢測，獲取人眼睛的長寬信息來判斷人眼睛狀態，然而由于光照條件不同，人眼睛形態發生變化，以及是否佩戴眼鏡會導致二值化或邊緣檢測在某些情況下很難準確提取出圖像中的人眼部，或者信息提取不全而造成誤判。(4)通過提取Gabor特征進行人眼狀態識別。(5)通過采用主成分分析法(Principle Component Analysis)和線性區分分析(Linear Discriminant Analysis)法對人眼區域像素進行變換，然后再對人眼的二值圖像統計稀疏度(Sparseness)和峰態(Kurtosis)得到特征進行識別。

以上人眼狀態的判斷方法中，通過提取人為設計的特征進行人眼睛狀態識別，由于這些人為設計的特征為通用化特征，并未針對人眼狀態識別這個應用進行優化，所以不是最優的特征，識別率不高。另外，參見附圖8的(a)和(b)，在人眼區域圖像的檢測過程中，由于光照角度的變化，使得檢測到的人眼位置不準確特別是水平方向上會存在較大的位移，即相似的人眼睛狀態，由于位置不同導致提取出的特征有很大區別，會導致基于Haar-like或HOG等特征魯棒性下降。

發明內容

有鑒于此，本發明要解決的技術問題是提供一種人眼狀態識別方法和裝置,以減少空間分布信息丟失，提高人眼狀態識別的識別率和魯棒性。

本發明解決上述技術問題所采用的技術方案如下：

根據本發明的一個方面，提供的一種人眼狀態識別方法包括：

對待識別圖像中的人眼區域進行檢測，得到人眼區域圖像；

提取人眼區域圖像的分塊像素值向量；

根據分塊像素值向量獲取分塊稀疏編碼；

對分塊稀疏編碼進行多區域整合，得到人眼區域圖像的特征向量；

采用預先訓練好的狀態分類器，根據人眼區域圖像的特征向量判決人眼的狀態。

優選地，提取人眼區域圖像的分塊像素值向量包括：

對檢測到的人眼區域圖像進行預處理；

對預處理后的人眼區域圖像進行分塊；

提取每個分塊的像素值并串聯成向量，得到分塊像素值向量。

優選地，根據分塊像素值向量獲取分塊稀疏編碼包括：

根據分塊像素值向量生成用于稀疏編碼的碼本；

根據碼本和分塊像素值向量對每個分塊進行非負稀疏編碼，得到分塊稀疏編碼。

優選地，根據碼本和分塊像素值向量對每個分塊進行非負稀疏編碼，得到分塊稀疏編碼包括按以下公式得到：

min||p-Dc||²+λ||c||₁,s.t.c≥0,

其中，p為當前分塊像素值向量，D為稀疏編碼的碼本，c為該分塊對應的稀疏編碼。

優選地，對分塊稀疏編碼進行多區域整合，得到人眼區域圖像的特征向量包括：

將人眼區域圖像在垂直方向劃分為m個區域，水平方向劃分為n個區域，其中，m和n均為自然數，且m<n；

對劃分后的各個區域稀疏編碼進行整合；

將各個區域整合得到的稀疏編碼進行串聯，得到描述人眼區域圖像的特征向量。

優選地，該方法之前還包括狀態分類器訓練的步驟，該步驟包括：

對樣本人眼圖像中的人眼區域進行檢測，得到樣本人眼區域圖像；

提取樣本人眼區域圖像的分塊像素值向量；

根據樣本分塊像素值向量獲取樣本分塊稀疏編碼；