[發(fā)明專利]一種眼睛定位電子識(shí)別方法

在審

• 申請?zhí)枺?/td>: 201410622910.3
• 申請日: 2014-11-08
• 公開（公告）號(hào): CN105631392A
• 公開（公告）日: 2016-06-01
• 發(fā)明（設(shè)計(jì)）人: 李福霞
• 申請（專利權(quán)）人: 李福霞
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于電子識(shí)別方法技術(shù)領(lǐng)域，尤其涉及一種眼睛定位電子識(shí)別方法。

背景技術(shù)

疲勞駕駛是造成交通事故的主要原因之一。對于長途汽車客運(yùn)駕駛，司機(jī)在長時(shí)間駕駛后很容易疲勞，存在交通安全隱患。盡管采用了保證休息時(shí)間等其他方法避免疲勞駕駛的發(fā)生，但是因疲勞引起的交通事故仍然時(shí)有發(fā)生。因此，駕駛疲勞實(shí)時(shí)檢測成為交通安全的一個(gè)重要研究方向。以往的研究表明，PERCLOS參數(shù)方法是最適合駕駛疲勞實(shí)時(shí)檢測的方法。基于視頻圖像，采用圖像處理和分析方法計(jì)算PERCLOS參數(shù)的核心是實(shí)時(shí)檢測圖像中人眼的睜眼與閉眼狀態(tài)。為準(zhǔn)確檢測人眼狀態(tài)，必須首先進(jìn)行人眼定位，以獲取人眼位置。

人眼定位方法中應(yīng)用較為廣泛的是基于幾何特征與灰度特征和基于紅眼效應(yīng)的算法，前者定位算法復(fù)雜度較高，而且在光照條件變化情況下準(zhǔn)確率較低；而基于紅眼效應(yīng)的方法盡管能夠大大降低算法的復(fù)雜度，且對光照條件變化不敏感，但是系統(tǒng)硬件復(fù)雜度較高，對紅外光源以及濾光片等有嚴(yán)格的要求。

發(fā)明內(nèi)容

本發(fā)明就是針對上述問題，提供一種可實(shí)現(xiàn)快速人眼檢測的眼睛定位電子識(shí)別方法。

為實(shí)現(xiàn)上述目的，本發(fā)明包括以下步驟。

獲得包含人眼的候選區(qū)域，在此區(qū)域內(nèi)進(jìn)行人眼定位；首先從視頻流中獲取圖像，并判斷上一幀中是否已有人眼檢測位置信息；而兩幀之間的時(shí)間間隔小于50ms。

如果上一幀中已有人眼位置信息，則直接給出一個(gè)經(jīng)驗(yàn)候選區(qū)域；如果沒有，則先進(jìn)行人臉檢測，并在人臉區(qū)域中選擇包含人眼的候選區(qū)域；候選區(qū)域選定后，通過人眼級(jí)聯(lián)分類器進(jìn)行人眼檢測。

作為一種優(yōu)選方案，本發(fā)明給定一個(gè)弱分類器和一個(gè)訓(xùn)練集{(x1,y1),(x2,y2),……(xn,yn)},其中xi是輸入的訓(xùn)練樣本,yi是分類的類別，取yi∈{0,1}，分別表示目標(biāo)和非目標(biāo)；在初始化時(shí),對所有訓(xùn)練樣本均賦以一個(gè)相同的權(quán)重D=1/n，然后用該弱分類器算法對訓(xùn)練樣本集進(jìn)行T輪訓(xùn)練。

在每一輪訓(xùn)練結(jié)束后,對訓(xùn)練失敗的樣本賦以較大的權(quán)重，以便讓算法在后來的訓(xùn)練中主要對比較難的訓(xùn)練樣本進(jìn)行學(xué)習(xí)；這樣就可以得到一個(gè)預(yù)測函數(shù)序列(h1,h2,…,ht)，其中預(yù)測效果比較好的預(yù)測函數(shù)的權(quán)重較大；最后采用一種有權(quán)重的投票方式產(chǎn)生預(yù)測函數(shù)H，構(gòu)成強(qiáng)分類器。

作為另一種優(yōu)選方案，本發(fā)明先進(jìn)行人臉檢測選擇包含人眼的候選區(qū)域R，接著在候選區(qū)域R內(nèi)進(jìn)行人眼定位。

本發(fā)明有益效果。

本發(fā)明根據(jù)駕駛疲勞監(jiān)測的實(shí)際需要，提出了從視頻流中計(jì)算PERCLOS參數(shù)的實(shí)時(shí)人眼檢測算法。該方法利用利用視頻流的幀間信息或人臉檢測獲得包含人眼的感興趣區(qū)域，并在此區(qū)域通過基于Adaboost方法得到的人眼級(jí)聯(lián)分類器實(shí)現(xiàn)快速人眼檢測。

本發(fā)明提出了基于人眼分類器的實(shí)時(shí)人眼定位方法，通過利用幀間信息和人臉檢測等預(yù)處理方法，在視頻流中可以最大可以達(dá)到20ms/幀的處理速度，滿足了駕駛疲勞檢測的實(shí)時(shí)性要求。

具體實(shí)施方式

本發(fā)明包括以下步驟。

獲得包含人眼的候選區(qū)域，在此區(qū)域內(nèi)進(jìn)行人眼定位；首先從視頻流中獲取圖像，并判斷上一幀中是否已有人眼檢測位置信息；而兩幀之間的時(shí)間間隔小于50ms。

如果上一幀中已有人眼位置信息，則直接給出一個(gè)經(jīng)驗(yàn)候選區(qū)域；如果沒有，則先進(jìn)行人臉檢測，并在人臉區(qū)域中選擇包含人眼的候選區(qū)域；候選區(qū)域選定后，通過人眼級(jí)聯(lián)分類器進(jìn)行人眼檢測。

本發(fā)明給定一個(gè)弱分類器和一個(gè)訓(xùn)練集{(x1,y1),(x2,y2),……(xn,yn)},其中xi是輸入的訓(xùn)練樣本,yi是分類的類別，取yi∈{0,1}，分別表示目標(biāo)和非目標(biāo)；在初始化時(shí),對所有訓(xùn)練樣本均賦以一個(gè)相同的權(quán)重D=1/n，然后用該弱分類器算法對訓(xùn)練樣本集進(jìn)行T輪訓(xùn)練。