專(zhuān)利名稱(chēng)：基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種模式識(shí)別領(lǐng)域的方法，特別是一種基于級(jí)聯(lián)分類(lèi)和哈 夫圓變換的人眼狀態(tài)檢測(cè)方法。
技術(shù)背景人眼檢測(cè)指的是在一幅圖像中檢測(cè)人眼區(qū)域，狀態(tài)檢測(cè)指的是通過(guò)對(duì)人眼 區(qū)域的分析，判斷眼睛的睜開(kāi)和閉合狀態(tài)。人眼檢測(cè)在國(guó)內(nèi)外得到了廣泛的研 究和應(yīng)用，包括司機(jī)駕駛疲勞檢測(cè)等方面。人眼檢測(cè)的方法歸納起來(lái)包括利用 紅眼效應(yīng)定位人眼虹膜位置檢測(cè)人眼、利用眼睛灰度值較其它地方低的特性檢 測(cè)人眼、利用模板匹配的方法檢測(cè)人眼等等。但這些方法的不足之處在于，其 假設(shè)條件是在一幅人臉圖像中去檢測(cè)人眼，而且對(duì)檢測(cè)到的人眼沒(méi)做狀態(tài)檢測(cè)， 對(duì)于背景較復(fù)雜的圖像，這些方法的性能和效果不夠理想。經(jīng)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，中國(guó)專(zhuān)利申請(qǐng)?zhí)枮?3147472. l的專(zhuān)利描述了一 種基于GaborEye (加博爾眼睛)模型的人眼檢測(cè)方法，該發(fā)明專(zhuān)利涉及一種自 動(dòng)檢測(cè)人臉圖像中人眼中心位置的方法，該方法對(duì)攝像頭采集的人臉圖像采用 人臉檢測(cè)方法檢測(cè)到人臉，并選取合適的Gabor核函數(shù)對(duì)人臉進(jìn)行巻積得到 GaborEye模型，再分割出兩眼所在的區(qū)域。該方法其操作過(guò)程較復(fù)雜，非實(shí)時(shí) 檢測(cè)，同時(shí)缺乏對(duì)眼睛狀態(tài)的分析判斷。發(fā)明內(nèi)容本發(fā)明針對(duì)上述現(xiàn)有技術(shù)的不足，提出了一種基于級(jí)聯(lián)分類(lèi)和哈夫圓變換 的人眼狀態(tài)檢測(cè)方法，使用橢圓膚色模型對(duì)圖像進(jìn)行膚色分割預(yù)處理，去除了 背景干擾，而且減小了級(jí)聯(lián)人眼分類(lèi)器的檢測(cè)范圍，提升了檢測(cè)速度和準(zhǔn)確率， 并使用級(jí)聯(lián)人眼分類(lèi)器得到人眼區(qū)域，綜合使用水平投影和哈夫圓變換檢測(cè)方 法分析眼睛的當(dāng)前狀態(tài)。本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括如下步驟
步驟一，采集人臉圖像；所述的采集人臉圖像，指的是通過(guò)攝像頭等設(shè)備采集RGB顏色空間的人臉圖像。步驟二，對(duì)于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色 空間膚色分割得到膚色區(qū)域位置信息，具體如下① 、將步驟一中采集到的人臉圖像中每個(gè)像素點(diǎn)的RGB值(R， G， B)轉(zhuǎn)換成 (Y， Cb， Cr)值，其中，Y表示亮度信息、Cb表示藍(lán)色的色差信息、Cr表示紅 色的色差信息。② 、設(shè)置橢圓膚色模型的參數(shù)；③ 、對(duì)圖像中的每個(gè)像素點(diǎn)，進(jìn)行膚色分割，得到二值膚色圖像 、在二值膚色圖像的四連通膚色區(qū)域的邊界中，得到膚色區(qū)域位置信息。 步驟三，使用訓(xùn)練好的級(jí)聯(lián)人眼分類(lèi)器在步驟二提取的膚色區(qū)域位置使用 人眼檢測(cè)窗口遍歷的方式檢測(cè)矩形人眼區(qū)域，得到人眼矩形鏈表，使用矩形合 并方法合并人眼矩形鏈表中的矩形，直到?jīng)]有可以合并的矩形為止，得到合并 后的人眼矩形鏈表；所述的人眼檢測(cè)窗口遍歷的方式，指的是設(shè)定初始檢測(cè)窗口的大小，按照步 長(zhǎng)大小從膚色區(qū)域的左上角開(kāi)始向右移動(dòng)，每移動(dòng)一次，便得到一個(gè)檢測(cè)窗口， 如果級(jí)聯(lián)人眼分類(lèi)器將該檢測(cè)窗口里的圖像分類(lèi)為人眼，即檢測(cè)到矩形人眼區(qū) 域，把該矩形人眼區(qū)域加到人眼矩形鏈表中，否則不做任何操作，當(dāng)窗口移至 圖像最右邊時(shí)，從下一行開(kāi)始重復(fù)同樣的操作，直至窗口到達(dá)圖像最右下方， 然后以一定倍率擴(kuò)大檢測(cè)窗口，重復(fù)同樣的檢測(cè)過(guò)程，直至窗口的寬度大于指 定的寬度為止。所述的可以合并的矩形，指的是兩個(gè)矩形中，如果一個(gè)矩形中心包含在另 一個(gè)矩形之中，則這兩個(gè)矩形應(yīng)當(dāng)合并成一個(gè)矩形。所述的矩形合并方法，是指將兩個(gè)要合并的矩形的左上角坐標(biāo)值平均得到 新的坐標(biāo)值，把該坐標(biāo)值作為合并后的矩形的左上角坐標(biāo)值，同時(shí)將兩個(gè)矩形 的長(zhǎng)和寬分別平均得到新的長(zhǎng)和寬，并把新的長(zhǎng)和寬作為合并后的矩形的長(zhǎng)和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對(duì)應(yīng)的兩個(gè)要合并的矩形。
步驟四，對(duì)于步驟三的合并后的人眼矩形鏈表中的每個(gè)矩形人眼區(qū)域，依 次使用Sobel (索貝爾)算子進(jìn)行邊緣檢測(cè)和二值化得到二值圖像；所述邊緣檢測(cè)和二值化，是指對(duì)矩形人眼區(qū)域，首先利用高斯濾波器濾波， 得到平滑后的灰度圖像，對(duì)灰度圖像用Sobel算子，進(jìn)行邊緣檢測(cè)，得到一幅 梯度圖像，最后采用閾值法，設(shè)定閾值，遍歷該梯度圖像，將大于或等于閾值 的像素點(diǎn)作為邊緣點(diǎn)，小于設(shè)定閾值的像素點(diǎn)作為背景點(diǎn)，得到二值圖像。所述Sobel算子，包括水平檢測(cè)算子和垂直檢測(cè)算子，具體如下水平檢測(cè)算子^-1 —2 —10 0 01 2 1垂直檢測(cè)算子=一l 0 1 _2 0 2 _1 0 1水平檢測(cè)算子對(duì)水平方向的灰度值變化敏感，垂直檢測(cè)算子對(duì)垂直方向的灰 度值變化敏感。步驟五，對(duì)于步驟四得到的每幅二值圖像，依次使用水平投影方法檢測(cè)人 眼狀態(tài)；所述水平投影方法，是指累加水平方向上邊緣點(diǎn)的數(shù)目，得到水平投影 向量，在該水平投影向量中，如果存在兩個(gè)足夠大且靠得足夠近的高峰，判斷 該人眼當(dāng)前狀態(tài)是閉眼，如果不存在兩個(gè)足夠大且靠得足夠近的高峰，則不能 確定當(dāng)前狀態(tài)為閉眼，那么跳至步驟六。所述的足夠大，指的是水平方向上邊緣點(diǎn)的數(shù)目累加值大于第一閾值，該 第一閾值的大小范圍在wx0.2和wx0.35之間，所述的w是二值圖像的寬；所述的足夠近，指的是水平投影向量的兩個(gè)高峰的下標(biāo)差值小于或等于第 二閾值，該第二閾值的大小范圍在wx0.15和wx0.25之間，所述的w是二值圖 像的寬。步驟六，如果步驟五不能確定當(dāng)前狀態(tài)是閉眼，則使用哈夫圓變換檢測(cè)方 法進(jìn)一步檢測(cè)人眼狀態(tài)。所述哈夫圓變換檢測(cè)方法，是指根據(jù)不同人眼大小和距離攝像頭遠(yuǎn)近的 關(guān)系而造成的圖像中眼睛的大小變化，選擇半徑變換范圍，使用哈夫圓變換得 到圓心位置和對(duì)應(yīng)的半徑，哈夫圓變換得到圓心位置和半徑之后，統(tǒng)計(jì)圓周上 邊緣點(diǎn)的數(shù)目和連續(xù)弧的邊緣點(diǎn)數(shù)目，并保存在數(shù)組中，統(tǒng)計(jì)數(shù)組中超過(guò)1/2
圓周的連續(xù)弧的數(shù)目M，統(tǒng)計(jì)數(shù)組中超過(guò)1/3圓周的連續(xù)弧的數(shù)目N，如果邊緣 點(diǎn)的數(shù)目大于等于20，并且M》1或N>2，判斷為睜眼，否則判斷為閉眼。 所述的連續(xù)弧，是指在圓周上間隔不超過(guò)2個(gè)像素點(diǎn)的相鄰邊緣點(diǎn)。 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果本發(fā)明集成了圖像采集、人 眼檢測(cè)以及眼睛狀態(tài)分析，通過(guò)橢圓膚色模型進(jìn)行膚色分割，有效減小了級(jí)聯(lián) 人眼分類(lèi)器的檢測(cè)范圍，檢測(cè)速度提升了 1倍以上，使誤檢率降低到原來(lái)的一 半，準(zhǔn)確率提高了 20°/。，利用水平投影和哈夫圓變換檢測(cè)分析眼睛狀態(tài)，則進(jìn)一 步分析了可能的眼睛當(dāng)前狀態(tài)。本發(fā)明實(shí)時(shí)檢測(cè)人眼和分析其狀態(tài)，用于要求 注意力高度集中的工作場(chǎng)所，包括司機(jī)駕駛、工廠的監(jiān)控室等等。


圖l是本發(fā)明工作流程示意圖；圖2是本發(fā)明級(jí)聯(lián)人眼分類(lèi)器檢測(cè)流程示意圖；圖3是本發(fā)明二值圖像水平投影示意圖。
具體實(shí)施方式
下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明本實(shí)施例在以本發(fā)明技術(shù)方案 為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過(guò)程，但本發(fā)明的保護(hù)范圍不限 于下述的實(shí)施例。如圖1所示，本實(shí)施例包括如下步驟.-步驟一，通過(guò)USB攝像頭采集RGB顏色空間的人臉圖像；步驟二，對(duì)于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色 空間得到膚色區(qū)域位置信息，具體如下①將步驟一中采集到的人臉圖像中每個(gè)像素點(diǎn)的RGB值(R， G， B)，通過(guò)下 式轉(zhuǎn)換成(Y， Cb， Cr)值:7 = 0.299及+ 0.587G + 0.1145< Cb=-" + ! + 128 6 3 2C產(chǎn)U —A + 128 _ 2 12 12其中，Y表示亮度信息、Cb表示藍(lán)色的色差信息、Cr表示紅色的色差信息。
所述的轉(zhuǎn)換，是指將象素中的亮度信息Y、藍(lán)色的色差信息Cb、紅色的色 差信息Cr分離出來(lái)，從而減少外界光照環(huán)境對(duì)結(jié)果的影響。② 設(shè)置橢圓膚色模型的參數(shù)及其值如下式所示<formula>formula see original document page 10</formula>a是指橢圓的橫軸長(zhǎng)度，b是指橢圓的縱軸長(zhǎng)度，Cx是指膚色宇間原點(diǎn)在 YCbCr空間的Cb坐標(biāo)，Cy指膚色空間原點(diǎn)在YCbCr空間的Cr坐標(biāo)，9為兩個(gè) 空間的夾角，ecx為橢圓在膚色空間的X坐標(biāo)，ecy為橢圓在膚色空間的Y坐標(biāo)。③ 對(duì)圖像中的每個(gè)像素點(diǎn)，進(jìn)行膚色分割，得到二值膚色圖像 由該像素點(diǎn)在YCbCr空間的值為(Y， Cb， Cr)按下列公式計(jì)算該像素點(diǎn)的膚色值<formula>formula see original document page 10</formula>如果該膚色值小于l,則該像素點(diǎn)屬于膚色區(qū)域，設(shè)置二值膚色圖像中該像素點(diǎn)為膚色點(diǎn)；否則不屬于膚色區(qū)域，設(shè)置二值膚色圖像中該像素點(diǎn)為背景點(diǎn)。④ 在二值膚色圖像中的四連通膚色區(qū)域的邊界中，得到膚色區(qū)域位置信息。 所述的四連通膚色區(qū)域，是指從膚色區(qū)域內(nèi)任一像素點(diǎn)出發(fā)，通過(guò)上、下、左、右四個(gè)方向可以到達(dá)膚色區(qū)域內(nèi)的任意像素點(diǎn)。步驟三，使用訓(xùn)練好的級(jí)聯(lián)人眼分類(lèi)器在步驟二提取的膚色區(qū)域位置使用 人眼檢測(cè)窗口遍歷的方式檢測(cè)矩形人眼區(qū)域，得到人眼矩形鏈表，使用矩形合 并方法合并人眼矩形鏈表中的矩形，直到?jīng)]有可以合并的矩形為止，得到合并 后的人眼矩形鏈表；所述的訓(xùn)練級(jí)聯(lián)人眼分類(lèi)器，包括采集訓(xùn)練樣本和訓(xùn)練分類(lèi)器兩個(gè)過(guò)程。 所述的采集訓(xùn)練樣本，指的是采集正片樣本和采集負(fù)片樣本。正片指的是 人眼樣本，正片樣本的數(shù)量為一千到四千張，采集正片樣本指的是通過(guò)從包含 睜開(kāi)人眼的圖片中裁剪出矩形人眼區(qū)域，并經(jīng)過(guò)大小歸一化，得到24X24大小 的正片樣本；負(fù)片指的是非人眼樣本，負(fù)片的數(shù)量為正片的3到4倍，采集負(fù)
片樣本指的是從非人臉圖像如高分辨率的自然風(fēng)景圖片中截取分割出非人眼圖 片，并經(jīng)過(guò)大小歸一化，得到24X24大小的負(fù)片樣本。所述的訓(xùn)練分類(lèi)器，指的是訓(xùn)練弱分類(lèi)器、組合弱分類(lèi)器得到強(qiáng)分類(lèi)器以 及組合強(qiáng)分類(lèi)器得到級(jí)聯(lián)人眼分類(lèi)器。所述的訓(xùn)練弱分類(lèi)器指的是通過(guò)計(jì)算訓(xùn) 練樣本的Harr特征值和統(tǒng)計(jì)使用該特征值對(duì)訓(xùn)練樣本進(jìn)行分類(lèi)得到的錯(cuò)誤率， 選取出使訓(xùn)練樣本分類(lèi)錯(cuò)誤率最小的Harr特征及閾值的組合；所述的組合弱分 類(lèi)器得到強(qiáng)分類(lèi)器，指的是將弱分類(lèi)器根據(jù)AdaBoost (Adaptive Boosting,自 適應(yīng)提升)算法組合得到一個(gè)強(qiáng)分類(lèi)器；所述的組合強(qiáng)分類(lèi)器得到級(jí)聯(lián)人眼分 類(lèi)器，是指在訓(xùn)練過(guò)程中根據(jù)預(yù)先設(shè)定的級(jí)聯(lián)人眼分類(lèi)器正確率閾值(如 98.5%)，調(diào)整強(qiáng)分類(lèi)器的個(gè)數(shù)，直至分類(lèi)正確率達(dá)到正確率閾值時(shí)停止訓(xùn)練。所述的級(jí)聯(lián)人眼分類(lèi)器是由多個(gè)強(qiáng)分類(lèi)器組合而成，只有級(jí)聯(lián)人眼分類(lèi)器 中的所有強(qiáng)分類(lèi)器將待檢測(cè)圖像分類(lèi)為人眼時(shí)，才表示級(jí)聯(lián)人眼分類(lèi)器將該檢 測(cè)圖像分類(lèi)為人眼。如圖2所示，所述的人眼檢測(cè)窗口遍歷的方式，指的是設(shè)定初始檢測(cè)窗口的 大小，如2*2，按照步長(zhǎng)大小為1從膚色區(qū)域的左上角開(kāi)始向右移動(dòng)，每移動(dòng)一 次，便得到一個(gè)檢測(cè)窗口，如果級(jí)聯(lián)人眼分類(lèi)器將該檢測(cè)窗口里的圖像分類(lèi)為 人眼，即檢測(cè)到矩形人眼區(qū)域，把該矩形人眼區(qū)域加到人眼矩形鏈表中；否則 不做任何操作；當(dāng)窗口移至圖像最右邊時(shí)，從下一行開(kāi)始重復(fù)同樣的操作，直 至窗口到達(dá)圖像最右下方。然后以一定倍率如1.5倍擴(kuò)大檢測(cè)窗口，此時(shí)窗口由 2*2變成3*3,重復(fù)同樣的檢測(cè)過(guò)程，直至窗口的寬度大于指定的寬度閾值20 為止。所述的可以合并的矩形，指的是兩個(gè)矩形中，如果一個(gè)矩形中心包含在另一 個(gè)矩形之中，則這兩個(gè)矩形應(yīng)當(dāng)合并成一個(gè)矩形。所述的矩形合并方法，是指將兩個(gè)要合并的矩形的左上角坐標(biāo)值平均得到 新的坐標(biāo)值，把該坐標(biāo)值作為合并后的矩形的左上角坐標(biāo)值，同時(shí)將兩個(gè)矩形 的長(zhǎng)和寬分別平均得到新的長(zhǎng)和寬，并把新的長(zhǎng)和寬作為合并后的矩形的長(zhǎng)和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對(duì)應(yīng)的兩個(gè)要合并的矩形。步驟四，對(duì)于步驟三的合并后的人眼矩形鏈表中的每個(gè)矩形人眼區(qū)域，依次使用Sobel (索貝爾)算子進(jìn)行邊緣檢測(cè)和二值化得到二值圖像； 所述邊緣檢測(cè)和二值化，具體如下① 使用高斯濾波器對(duì)矩形人眼區(qū)域進(jìn)行濾波；② 使用Sobel算子進(jìn)行邊緣檢測(cè)，得到一幅梯度圖像； 所述的Sobel算子，包括水平檢測(cè)算子和垂直檢測(cè)算子，具體如下:水平檢測(cè)算子:—1 一2 -l0 0 01 2 1，垂直檢測(cè)算子=-1 0 1 _2 0 2 —1 0 1水平檢測(cè)算子對(duì)水平方向的灰度值變化敏感；垂直檢測(cè)算子對(duì)垂直方向的灰 度值變化敏感。在利用Sobel邊緣檢測(cè)的過(guò)程中，取水平方向和垂直方向中的梯度絕對(duì)值最 大的作為該像素點(diǎn)的梯度值。③使用閾值法對(duì)梯度圖像進(jìn)行二值化，得到二值圖像。所述的閾值法二值化，指的是選取一個(gè)閾值等于128，大于等于128的作為 邊緣，小于128的作為背景，這樣得到的是一幅二值圖像。步驟五，對(duì)于步驟四得到的二值圖像，使用水平投影方法分析人眼狀態(tài)。所述水平投影方法分析人眼狀態(tài)，具體如下① 對(duì)于步驟四中得到的二值圖像，如圖3 (a)所示，累加水平方向上邊緣 點(diǎn)的數(shù)目，得到水平投影向量，如圖3 (b)所示；② 如果在水平投影向量中存在兩個(gè)足夠大且靠得足夠近的高峰，則判斷該 人眼圖像是一幅閉眼圖像，如果不存在兩個(gè)足夠大且靠得足夠近的高峰，則不 能確定當(dāng)前狀態(tài)為閉眼，那么跳至步驟六。所述的足夠大，是指水平方向上邊緣點(diǎn)的數(shù)目累加值比閾值大12，所述的 足夠近，是指兩個(gè)水平投影向量的兩個(gè)高峰的下標(biāo)相差比閾值小8。步驟六，如果步驟五不能確定當(dāng)前狀態(tài)是閉眼，則使用哈夫圓變換檢測(cè)方 法進(jìn)一步分析人眼狀態(tài)。所述的哈夫圓變換檢測(cè)方法，具體如下①定義維度為mxn的Accumulator (累積矩陣)并設(shè)其初始值為0，其中m 是步驟四中二值圖像的高，n是步驟四中二值圖像的寬；② 根據(jù)不同人眼大小和距離攝像頭遠(yuǎn)近的關(guān)系而造成的圖像中眼睛的大小 變化，選擇半徑范圍，半徑在最小半徑rmi。和最大半徑rmax之間；本實(shí)施例在320*240的人臉圖像中，半徑r的范圍設(shè)置為[5, 20]。③ 對(duì)半徑范圍中的每個(gè)整數(shù)值半徑，遍歷步驟四中的二值圖像，忽略所有 的背景像素點(diǎn)，而對(duì)每個(gè)邊緣像素點(diǎn)，作哈夫圓變換，得到不同半徑對(duì)應(yīng)的圓 心坐標(biāo)；所述的哈夫圓變換，具體如下a、 以圖像的左上角為原點(diǎn)，建立X-Y坐標(biāo)系，其中向右為X軸正方向，向 下為Y軸正方向，X-Y坐標(biāo)系中像素點(diǎn)坐標(biāo)為(x,y)，其中x是該像素點(diǎn)的X坐 標(biāo)，y是該像素點(diǎn)的Y坐標(biāo)，圓心位置的X坐標(biāo)范圍為最小X坐標(biāo)lowX^-r， 最大X坐標(biāo)highX =x+r，如果lowX小于0，則lowX:O;如果highX大于w-1， 則highX^-l，其中w為二值圖像的寬；b、 對(duì)[iowx， high幻中的每個(gè)整數(shù)值jc'，按如下公式計(jì)算y、少"，得到兩個(gè)候選圓的圓心位置0c',/)和0c',/')，其中x'指圓心位置的X坐標(biāo)，；;'、/'指 的是圓心位置的Y坐標(biāo)；<formula>formula see original document page 13</formula>c、 對(duì)/，如果在
之內(nèi)，h為二值圖像的高，則Accumulator[:c'][ /]增1;對(duì)/'，如果在[O， h-l]之內(nèi)，則Accumulator[;c'] [ y"]增l;d、 通過(guò)遍歷累積矩陣?yán)鄯e矩陣Accumulator搜索到最大累積值的坐標(biāo)及其 值；如果該值大于設(shè)定的閾值10，則保存對(duì)應(yīng)的圓心位置和半徑。④ 通過(guò)選取圓周上均勻分布的40個(gè)點(diǎn)，統(tǒng)計(jì)不同半徑下檢測(cè)到的圓，其圓 周上的點(diǎn)屬于邊緣點(diǎn)的數(shù)目，并取最大者及其對(duì)應(yīng)的半徑作為最終的圓心和半 徑結(jié)果；⑤ 根據(jù)檢測(cè)到的圓心位置和半徑，判斷眼睛當(dāng)前狀態(tài)。 所述的根據(jù)檢測(cè)到的圓心位置和半徑，判斷眼睛當(dāng)前狀態(tài)，具體描述如下: a、統(tǒng)計(jì)圓周上邊緣點(diǎn)的數(shù)目t;b、 統(tǒng)計(jì)連續(xù)弧的邊緣點(diǎn)數(shù)目，并保存在數(shù)組Cc中，所謂連續(xù)弧，是指在 圓周上間隔不超過(guò)2個(gè)像素點(diǎn)的相鄰邊緣點(diǎn)；c、 統(tǒng)計(jì)數(shù)組Cc中超過(guò)1/2圓周的連續(xù)弧的數(shù)目M，統(tǒng)計(jì)數(shù)組Cc中超過(guò) 1/3圓周的連續(xù)弧的數(shù)目N;d、 如果圓周上邊緣點(diǎn)的數(shù)目t>20且M)l或N>2，判斷為睜眼；否則判斷為閉眼。在上述步驟結(jié)束后，若判斷出閉眼，發(fā)出聲音警報(bào)；如判斷出睜眼，用紅 色x標(biāo)示眼睛虹膜位置。本實(shí)施例通過(guò)橢圓膚色模型進(jìn)行膚色分割，有效減小了級(jí)聯(lián)人眼分類(lèi)器的檢 測(cè)范圍，檢測(cè)速度提升了l倍以上，使誤檢率降低到原來(lái)的一半，準(zhǔn)確率提高 了 20%，而利用水平投影和哈夫圓變換檢測(cè)分析眼睛狀態(tài)，則進(jìn)一步檢測(cè)可能的 眼睛當(dāng)前狀態(tài)。
權(quán)利要求
1、一種基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法，其特征在于，包括以下步驟，步驟一，采集人臉圖像；步驟二，對(duì)于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色空間膚色分割得到膚色區(qū)域位置信息；步驟三，使用訓(xùn)練好的級(jí)聯(lián)人眼分類(lèi)器在步驟二提取的膚色區(qū)域位置使用人眼檢測(cè)窗口遍歷的方式檢測(cè)矩形人眼區(qū)域，得到人眼矩形鏈表，使用矩形合并方法合并人眼矩形鏈表中的矩形，直到?jīng)]有可以合并的矩形為止，得到合并后的人眼矩形鏈表；步驟四，對(duì)于步驟三合并后的人眼矩形鏈表中的每個(gè)矩形人眼區(qū)域，依次使用索貝爾算子進(jìn)行邊緣檢測(cè)和二值化得到二值圖像；步驟五，對(duì)于步驟四得到的每幅二值圖像，依次使用水平投影方法檢測(cè)人眼狀態(tài)；步驟六，如果步驟五不能確定當(dāng)前狀態(tài)是閉眼，則使用哈夫圓變換檢測(cè)方法進(jìn)一步檢測(cè)人眼狀態(tài)。
2、 根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述得到膚色區(qū)域位置信息，包括如下具體步驟① 、將步驟一中采集到的人臉圖像中每個(gè)像素點(diǎn)的RGB值(R， G， B)，轉(zhuǎn)換 成(Y， Cb， Cr)值，其中，Y表示亮度信息、Cb表示藍(lán)色的色差信息、Cr表示 紅色的色差信息；② 、設(shè)置橢圓膚色模型的參數(shù)；③ 、對(duì)圖像中的每個(gè)像素點(diǎn)，進(jìn)行膚色分割，得到二值膚色圖像； 、在二值膚色圖像的四連通膚色區(qū)域的邊界中，得到膚色區(qū)域位置信息。
3、 根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述的人眼檢測(cè)窗口遍歷的方式，指的是設(shè)定初始檢測(cè)窗口的大小， 按照步長(zhǎng)大小從膚色區(qū)域的左上角開(kāi)始向右移動(dòng)，每移動(dòng)一次，便得到一個(gè)檢 測(cè)窗口，如果級(jí)聯(lián)人眼分類(lèi)器將該檢測(cè)窗口里的圖像分類(lèi)為人眼，即檢測(cè)到矩 形人眼區(qū)域，把該矩形人眼區(qū)域加到人眼矩形鏈表中，否則不做任何操作，當(dāng) 窗口移至圖像最右邊時(shí)，從下一行開(kāi)始重復(fù)同樣的操作，直至窗口到達(dá)圖像最 右下方，然后以一定倍率擴(kuò)大檢測(cè)窗口，重復(fù)同樣的檢測(cè)過(guò)程，直至窗口的寬 度大于指定的寬度為止。
4、 根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述的可合并的矩形，指的是兩個(gè)矩形中，如果一個(gè)矩形中心包含 在另一個(gè)矩形之中，則這兩個(gè)矩形應(yīng)當(dāng)合并成一個(gè)矩形；所述的矩形合并方法，是指將兩個(gè)要合并的矩形的左上角坐標(biāo)值平均得到 新的坐標(biāo)值，把該坐標(biāo)值作為合并后的矩形的左上角坐標(biāo)值，同時(shí)將兩個(gè)矩形 的長(zhǎng)和寬分別平均得到新的長(zhǎng)和寬，并把新的長(zhǎng)和寬作為合并后的矩形的長(zhǎng)和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對(duì)應(yīng)的兩個(gè)要合并的矩形。
5、 根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述邊緣檢測(cè)和二值化，是指對(duì)矩形人眼區(qū)域，首先利用高斯濾波 器濾波，得到平滑后的灰度圖像，對(duì)灰度圖像用索貝爾算子，進(jìn)行邊緣檢測(cè)， 得到一幅梯度圖像，最后采用閾值法，設(shè)定閾值，遍歷該梯度圖像，將大于或 等于閾值的像素點(diǎn)作為邊緣點(diǎn)，小于設(shè)定閾值的像素點(diǎn)作為背景點(diǎn)，得到二值 圖像。
6、 根據(jù)權(quán)利要求1或5所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè) 方法，其特征是，所述索貝爾算子，包括水平檢測(cè)算子和垂直檢測(cè)算子，具體 如下<formula>formula see original document page 3</formula>水平檢測(cè)算子對(duì)水平方向的灰度值變化敏感，垂直檢測(cè)算子對(duì)垂直方向的灰 度值變化敏感。
7、根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法，其特征是，所述水平投影方法，是指累加水平方向上邊緣點(diǎn)的數(shù)目，得到水 平投影向量，在該水平投影向量中，如果存在兩個(gè)足夠大且靠得足夠近的高峰， 判斷該人眼當(dāng)前狀態(tài)是閉眼，如果不存在兩個(gè)足夠大且靠得足夠近的高峰，則 不能確定當(dāng)前狀態(tài)為閉眼，那么跳至步驟六。
8、 根據(jù)權(quán)利要求7所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述的足夠大，指的是水平方向上邊緣點(diǎn)的數(shù)目累加值大于第一閾 值，第一閾值的大小范圍在wx0.2和wx0.35之間，所述的w是二值圖像的寬；所述的足夠近，指的是水平投影向量的兩個(gè)高峰的下標(biāo)差值小于或等于第 二閾值，第二閾值的大小范圍在wx0.15和wx0.25之間，所述的w是二值圖像 的寬。
9、 根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法， 其特征是，所述的哈夫圓變換檢測(cè)方法，是指根據(jù)不同人眼大小和距離攝像 頭遠(yuǎn)近的關(guān)系而造成的圖像中眼睛的大小變化，選擇半徑變換范圍，使用哈夫 圓變換得到圓心位置和對(duì)應(yīng)的半徑，哈夫圓變換得到圓心位置和半徑之后，統(tǒng) 計(jì)圓周上邊緣點(diǎn)的數(shù)目和連續(xù)弧的邊緣點(diǎn)數(shù)目，并保存在數(shù)組中，統(tǒng)計(jì)數(shù)組中 超過(guò)1/2圓周的連續(xù)弧的數(shù)目M，統(tǒng)計(jì)數(shù)組中超過(guò)1/3圓周的連續(xù)弧的數(shù)目N， 如果邊緣點(diǎn)的數(shù)目大于等于20，并且M》1或N>2，判斷為睜眼，否則判斷為 閉眼。
10、 根據(jù)權(quán)利要求1或9所述的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè) 方法，其特征是，所述的哈夫圓變換，具體如下① 以圖像的左上角為原點(diǎn)，建立X-Y坐標(biāo)系，其中向右為X軸正方向，向 下為Y軸正方向，X-Y坐標(biāo)系中像素點(diǎn)坐標(biāo)為(x，y)，其中x是該像素點(diǎn)的X坐 標(biāo)，y是該像素點(diǎn)的Y坐標(biāo)，圓心位置的X坐標(biāo)范圍為最小X坐標(biāo)lowX:x-r， 最大X坐標(biāo)highX =x+r，如果lowX小于0，則lowX=0;如果highX大于w_l， 則highX^-l，其中w為二值圖像的寬；② 對(duì)[lowX， high幻中的每個(gè)整數(shù)值x'，按如下公式計(jì)算/、 /'，得到兩個(gè)候選圓的圓心位置Oc'，力和(JC',/')，其中x'指圓心位置的X坐標(biāo)，/、；;"指 的是圓心位置的Y坐標(biāo)； <formula>formula see original document page 5</formula>③ 對(duì)/，如果在[O， h-l]之內(nèi)，h為二值圖像的高，則累積矩陣[;c'][ 增l;對(duì)/'，如果在[O， h-l]之內(nèi)，則累積矩陣[;c'][;;"]增l;④ 通過(guò)遍歷累積矩陣?yán)鄯e矩陣搜索到最大累積值的坐標(biāo)及其值，如果該值大 于設(shè)定的閾值，則保存對(duì)應(yīng)的圓心位置和半徑。
全文摘要
一種模式識(shí)別領(lǐng)域的基于級(jí)聯(lián)分類(lèi)和哈夫圓變換的人眼狀態(tài)檢測(cè)方法，包括以下步驟采集人臉圖像；使用橢圓膚色模型在YCbCr顏色空間膚色分割得到膚色區(qū)域位置信息；使用級(jí)聯(lián)人眼分類(lèi)器在膚色區(qū)域位置使用人眼檢測(cè)窗口遍歷的方式檢測(cè)矩形人眼區(qū)域，并使用矩形合并方法合并矩形，得到合并后的人眼矩形鏈表；對(duì)于合并后的人眼矩形鏈表中的每個(gè)矩形人眼區(qū)域，依次使用索貝爾算子進(jìn)行邊緣檢測(cè)和二值化得到二值圖像；對(duì)于每幅二值圖像，依次使用水平投影方法檢測(cè)人眼狀態(tài)；如果還不能確定當(dāng)前狀態(tài)是閉眼，則使用哈夫圓變換檢測(cè)方法進(jìn)一步檢測(cè)人眼狀態(tài)。本發(fā)明利用膚色分割提升人眼檢測(cè)速度，跟蹤分析人的眼睛狀態(tài)，適用于注意力檢測(cè)和疲勞度檢測(cè)。
文檔編號(hào)G06K9/62GK101127076SQ20071004647
公開(kāi)日2008年2月20日 申請(qǐng)日期2007年9月27日 優(yōu)先權(quán)日2007年9月27日
發(fā)明者劉決仕, 申瑞民, 晶 金, 剛 陳, 陳華曦 申請(qǐng)人:上海交通大學(xué)