一種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法
【專利摘要】本發(fā)明公開了一種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法，其對人臉圖像進(jìn)行預(yù)處理后，采用基于二維數(shù)字圖像分?jǐn)?shù)階積分和Legendre矩的圖像閾值分割方法將人眼區(qū)域提取出來，并將人眼區(qū)域的前3階中心矩和4個特征量相結(jié)合作為特征向量進(jìn)行眼睛狀態(tài)匹配識別，然后逐一計(jì)算待檢測區(qū)域的特征向量和各個模板圖像特征向量之間的歐氏距離，從而判斷出駕駛員的眼睛狀態(tài)。本發(fā)明將人眼區(qū)域的中心矩和特征量各自的優(yōu)點(diǎn)相結(jié)合，減少了匹配識別的特征數(shù)目，降低了特征空間維數(shù)，通過引入人眼候選區(qū)的特征向量和人眼模板圖像特征向量之間的歐氏距離，進(jìn)一步降低了算法的復(fù)雜度，提高了系統(tǒng)識別的速度。
【專利說明】一種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法 【【技術(shù)領(lǐng)域】】
[0001] 本發(fā)明涉及人眼檢測【技術(shù)領(lǐng)域】，具體涉及一種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài) 的方法。 【【背景技術(shù)】】
[0002] 跟隨著經(jīng)濟(jì)和交通的發(fā)展腳步，各種車輛與日俱增，交通事故也隨之增多，已成為 相當(dāng)嚴(yán)重的社會問題，而疲勞駕駛是導(dǎo)致交通事故的重要因素。因此，減少駕駛疲勞導(dǎo)致的 交通事故已成為研究的熱點(diǎn)，大家都想努力開發(fā)出一種能實(shí)時監(jiān)視駕駛員的警覺水平，并 在任何不安全狀態(tài)下能對駕駛員進(jìn)行預(yù)警的系統(tǒng)。
[0003] 研究表明，眼睛狀態(tài)與駕駛員疲勞有較高的相關(guān)性，能可靠地反映疲勞狀態(tài)，而眼 睛定位是判斷眼睛狀態(tài)的前提。目前，眼睛定位主要有基于學(xué)習(xí)、基于模板匹配、基于特征 的方法?；趯W(xué)習(xí)的方法包括AdaBoost算法、神經(jīng)網(wǎng)絡(luò)、主元分析法等，此類方法必須進(jìn)行 面部搜索、旋轉(zhuǎn)、歸一化和特征降維，計(jì)算量巨大。典型的基于模板的方法采用左右眼模板， 首先分別得到左眼和右眼模板，然后在圖像中搜索與左眼模板或右眼模板最匹配的區(qū)域。 這種方法使用方便，但對搜索區(qū)域初始位置要求高，計(jì)算量大，對于背景復(fù)雜或人臉傾斜的 情況精度較低?；谔卣鞯姆椒ò℉SI虹膜檢測和灰度投影法等。前者在彩色空間檢測 睜眼效果不錯，但對半睜眼和閉眼情況不能準(zhǔn)確定位；后者定位速度較快，但對不同的人臉 和姿態(tài)的變化非常敏感，因此，定位精度較低，容易陷入局部最小，從而導(dǎo)致定位失敗。對于 戴眼鏡的情況，閾值遞增法的定位效果較差，不能區(qū)分眉毛和眼睛；復(fù)雜度方法、對稱變換 法等其他特征方法定位不準(zhǔn)確、計(jì)算量大或?qū)庹彰舾?。駕駛疲勞檢測系統(tǒng)中最關(guān)鍵的要 求是非接觸式、實(shí)時性和準(zhǔn)確率。
[0004] 實(shí)際上有些方法是結(jié)合了多種方法的混合技術(shù)，每種方法都有各自的優(yōu)缺點(diǎn)。圖 像分析的一個關(guān)鍵問題是如何獲得一種有效的圖像描述量，用一個很小的數(shù)據(jù)集合代表圖 像。由于被識別的圖像相比原圖像大都有很大程度的失真，如平移、旋轉(zhuǎn)和其它變化，所以 要求該圖像描述量對于圖像的各種畸變不敏感，而不變矩就具有平移、灰度、尺度和旋轉(zhuǎn)等 不變性，被廣泛用于圖像的模式識別、圖像分類、目標(biāo)識別和場景分析中。
[0005] 若單獨(dú)采用人眼圖像的7階中心矩作為特征進(jìn)行識別，需要對整幅人眼圖像進(jìn)行 匹配，尤其高階矩計(jì)算量很大，不滿足實(shí)時性要求。本發(fā)明將中心矩和特征量各自的優(yōu)點(diǎn)相 結(jié)合，減少了匹配識別的特征數(shù)目，降低了特征空間維數(shù)，通過引入人眼候選樣本的特征向 量與人眼狀態(tài)模板圖像特征向量之間的歐氏距離來匹配判別眼睛的狀態(tài)，進(jìn)一步降低了算 法的復(fù)雜度，提高了系統(tǒng)識別的速度。 【
【發(fā)明內(nèi)容】
】
[0006] 本發(fā)明的目的為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種監(jiān)測駕駛員眼睛狀態(tài) 的方法，其先對人臉圖像進(jìn)行預(yù)處理后，采用基于二維數(shù)字圖像分?jǐn)?shù)階積分和Legendre矩 的圖像閾值分割方法將人眼區(qū)域提取出來，并將人眼區(qū)域的前3階中心矩和4個特征量相 結(jié)合作為特征向量進(jìn)行眼睛狀態(tài)匹配識別，然后逐一計(jì)算待檢測區(qū)域的特征向量和各個模 板圖像特征向量之間的歐氏距離，從而判斷出駕駛員的眼睛狀態(tài)。
[0007] 為達(dá)到上述目的，本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的：
[0008] -種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法，包括如下步驟：
[0009] 1)對采集到的人臉圖像進(jìn)行預(yù)處理，去除干擾以突出人眼信息，再將彩色圖像轉(zhuǎn) 化為灰度圖像，然后對灰度圖像進(jìn)行中值濾波，以消除椒鹽噪聲同時保留邊緣信息，并平滑 圖像；
[0010] 2)根據(jù)先驗(yàn)知識可知人眼分布在人臉高度的3/10到1/2處，寬度的1/8到7/8處， 采用基于二維數(shù)字圖像分?jǐn)?shù)階積分和Legendre矩的圖像閾值分割方法將人眼區(qū)域從人臉 圖像中提取出來，確定出待檢測區(qū)域；
[0011] 3)先用形態(tài)學(xué)濾波器對人眼區(qū)域進(jìn)行降噪，然后計(jì)算其前3階中心矩和4個特征 量，其中，4個特征量包括人眼區(qū)域長寬比Φ 4、緊湊度Φ5、飽滿度〇6和復(fù)雜度Φ7;
[0012] 4)在進(jìn)行人眼狀態(tài)識別前，先采集所要識別的駕駛員在眼睛正常睜開、半開半閉、 完全閉合以及打哈欠、極度疲勞狀態(tài)下的可見光圖像作為人眼狀態(tài)模板圖像，然后建立人 眼狀態(tài)模板圖像的特征數(shù)據(jù)庫，同時計(jì)算各個模板圖像的特征向量，建立特征向量的數(shù)據(jù) 庫；
[0013] 5)在識別時，首先根據(jù)步驟3)計(jì)算人眼候選區(qū)域的特征向量，然后逐一計(jì)算此候 選區(qū)域的特征向量與各人眼狀態(tài)模板圖像的特征向量之間的歐氏距離：
【權(quán)利要求】
1. 一種基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法，其特征在于，包括如下步驟： 1) 對采集到的人臉圖像進(jìn)行預(yù)處理，去除干擾以突出人眼信息，再將彩色圖像轉(zhuǎn)化為 灰度圖像，然后對灰度圖像進(jìn)行中值濾波，以消除椒鹽噪聲同時保留邊緣信息，并平滑圖 像； 2) 根據(jù)先驗(yàn)知識可知人眼分布在人臉高度的3/10到1/2處，寬度的1/8到7/8處，采 用基于二維數(shù)字圖像分?jǐn)?shù)階積分和Legendre矩的圖像閾值分割方法將人眼區(qū)域從人臉圖 像中提取出來，確定出待檢測區(qū)域； 3) 先用形態(tài)學(xué)濾波器對人眼區(qū)域進(jìn)行降噪，然后計(jì)算其前3階中心矩和4個特征量，其 中，4個特征量包括人眼區(qū)域長寬比Φ4、緊湊度Φ 5、飽滿度〇6和復(fù)雜度Φ7; 4) 在進(jìn)行人眼狀態(tài)識別前，先采集所要識別的駕駛員在眼睛正常睜開、半開半閉、完全 閉合以及打哈欠、極度疲勞狀態(tài)下的可見光圖像作為人眼狀態(tài)模板圖像，然后建立人眼狀 態(tài)模板圖像的特征數(shù)據(jù)庫，同時計(jì)算各個模板圖像的特征向量，建立特征向量的數(shù)據(jù)庫； 5) 在識別時，首先根據(jù)步驟3)計(jì)算人眼候選區(qū)域的特征向量，然后逐一計(jì)算此候選區(qū) 域的特征向量與各人眼狀態(tài)模板圖像的特征向量之間的歐氏距離：
(1) 式中：Φη，分別為人眼候選樣本和人眼狀態(tài)模板圖像的特征向量，都表示一個7維 向量； 6) 按照步驟5)得到的歐氏距離，采用最近鄰法則，當(dāng)人眼候選樣本與某一個人眼狀態(tài) 模板圖像之間具有最小歐氏距離dmin，且該最小歐氏距離d min小于目標(biāo)判定閾值Τ時，即可 判定該輸入樣本與人眼狀態(tài)模板圖像為同一幅圖像，從而判斷出駕駛員眼睛的狀態(tài)，當(dāng)最 小歐氏距離大于等于目標(biāo)判定閾值T時，即可判定該輸入樣本與人眼狀態(tài)模板圖像不 為同一幅圖像，將繼續(xù)處于搜索狀態(tài)。
2. 根據(jù)權(quán)利要求1所述的基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法，其特征在于：步 驟3)中人眼區(qū)域特征向量的選取，設(shè)人眼圖像為f(x，y)，選用計(jì)算量較小的一階中心矩 、二階中心矩Φ2和三階中心矩Φ3，其計(jì)算公式分別如下所示：
式中：零階矩MQQ = / / f (X，y) dxdy，一階矩（? M1Q)，二階矩（MQ2 MJ，三階矩（MQ3 MJ， (元羅)表示圖像的質(zhì)心，
人眼區(qū)域長寬比φ4表示眼睛最小外接矩形的長寬之比，該特征量反映了眼睛的幾何 形狀，若眼睛最小外接矩形的長度為m，寬度為η，則計(jì)算公式如下： Φ4 = m/n (5) 人眼區(qū)域緊湊度〇5表示人眼區(qū)域包含的像素個數(shù)與包圍眼睛最小外接矩形內(nèi)的像素 個數(shù)的比值，若包含的像素個數(shù)等于人眼區(qū)域的面積s，眼睛最小外接矩形內(nèi)的像素個數(shù)等 于其最小外接矩形的面積R，其計(jì)算公式如下： 〇5 = S/R (6) 人眼區(qū)域飽滿度Φ6表示眼睛邊緣的像素個數(shù)與其最小外接矩形周長的比值，若眼睛 邊緣的像素個數(shù)等于其邊緣曲線的周長L，眼睛最小外接矩形周長為2(m+n)，其計(jì)算公式 如下： Φ6 = L/2(m+n) (7) 人眼區(qū)域復(fù)雜度Φ7表示眼睛邊緣的像素個數(shù)與整個人眼區(qū)域所含的像素個數(shù)的比 值，若眼睛邊緣像素個數(shù)為Ρ，整個眼睛包含的像素個數(shù)等于人眼區(qū)域的面積S，故其計(jì)算 公式如下： Φ7 = ΡΛ (8) 特征量Φ4、Φ5、〇6及Φ7結(jié)合一階中心矩、二階中心矩Φ 2和三階中心矩Φ3，可 得人眼區(qū)域的特征向量V為： V = (Φ1； Φ2, Φ3, Φ4, φ5, φ6, φτ)Τ ⑶。
3.根據(jù)權(quán)利要求1所述的基于不變矩的監(jiān)測駕駛員眼睛狀態(tài)的方法，其特征在于：安 裝視頻監(jiān)控，根據(jù)判斷出來的人眼狀態(tài)實(shí)時監(jiān)視駕駛員的警覺水平，并在駕駛員在眼睛半 開半閉、完全閉合以及打哈欠、極度疲勞狀態(tài)下能對駕駛員進(jìn)行預(yù)警。
【文檔編號】G06K9/46GK104050456SQ201410297525
【公開日】2014年9月17日 申請日期:2014年6月27日 優(yōu)先權(quán)日:2014年6月27日
【發(fā)明者】陳杰 申請人:南京通用電器有限公司