一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法
【專利摘要】本發(fā)明提出一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，它有七大步驟。在經(jīng)典均值偏移算法框架體系下，對(duì)人眼區(qū)域的顏色特征及邊緣特征分別建立空間直方圖模型，目標(biāo)區(qū)域模型與候選區(qū)域模型在顏色特征空間與邊緣特征空間中各自的相似度由巴氏系數(shù)衡量，綜合相似度為兩子特征的加權(quán)和。利用由新的綜合相似度推導(dǎo)得出的迭代公式計(jì)算均值偏移向量進(jìn)行人眼實(shí)時(shí)跟蹤。本發(fā)明對(duì)于快速運(yùn)動(dòng)人眼及眨動(dòng)人眼的跟蹤有實(shí)時(shí)性好，魯棒性強(qiáng)的優(yōu)點(diǎn)。
【專利說(shuō)明】一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)在駕駛員疲勞檢測(cè)系統(tǒng)中的應(yīng)用，特別涉及一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法。

【背景技術(shù)】
[0002]在基于圖像處理的駕駛員疲勞檢測(cè)系統(tǒng)中，駕駛員眼睛的狀態(tài)是判斷疲勞的重要依據(jù)。在第一幀成功定位眼睛的基礎(chǔ)之上，為了滿足實(shí)時(shí)性的要求，對(duì)于后續(xù)幀的處理，大多采用視頻目標(biāo)跟蹤算法來(lái)跟蹤眼睛的位置。當(dāng)駕駛員在正常駕駛汽車時(shí)，大部分時(shí)間眼睛注釋前方路況，頭部有輕微晃動(dòng)，當(dāng)頭部左右轉(zhuǎn)動(dòng)時(shí)，時(shí)間較短，因此人眼跟蹤算法應(yīng)該能滿足頭部的快速轉(zhuǎn)動(dòng)的要求，另外，還需要考慮到光照變化及眼睛眨動(dòng)的影響。
[0003]基于近年來(lái)對(duì)于人眼跟蹤的研究，提出了一些有效的跟蹤算法。有用眼睛模板在模板匹配算法框架下對(duì)人眼進(jìn)行跟蹤，有用粒子濾波算法跟蹤眼睛的位置?；诟F盡搜索的模板匹配算法和基于大量粒子采樣的粒子濾波算法計(jì)算量較大，在實(shí)時(shí)運(yùn)行時(shí)對(duì)硬件的要求高。而在目標(biāo)跟蹤領(lǐng)域，均值偏移算法因其迭代向量計(jì)算簡(jiǎn)單，實(shí)時(shí)性好并且對(duì)于目標(biāo)的部分遮擋和旋轉(zhuǎn)的魯棒性強(qiáng)的優(yōu)點(diǎn)被廣泛應(yīng)用研究。在實(shí)際應(yīng)用中，為了取得更好的跟蹤效果，研究者對(duì)傳統(tǒng)均值偏移算法進(jìn)行了改進(jìn)。有將均值偏移與卡爾曼濾波相結(jié)合來(lái)跟蹤人眼，但是人眼的運(yùn)動(dòng)并非線性高斯過(guò)程，跟蹤精度無(wú)法保證。有將粒子濾波器與均值偏移相結(jié)合，粒子濾波的跟蹤精度較好但是降低了實(shí)時(shí)性。以上采用均值偏移算法的人眼跟蹤只基于顏色直方圖對(duì)目標(biāo)區(qū)域建模，這種只考慮顏色分布信息而沒(méi)有考慮空間分布信息的算法，在光照變化或背景較復(fù)雜時(shí)，跟蹤效果往往不令人滿意。


【發(fā)明內(nèi)容】

[0004]為解決上述技術(shù)問(wèn)題，本發(fā)明提出一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，該方法在基于空間直方圖均值偏移跟蹤算法的基礎(chǔ)上，將受光照變化影響弱的邊緣特征與顏色特征聯(lián)合建模，用兩個(gè)子特征的綜合相似度衡量候選區(qū)域與目標(biāo)區(qū)域的相似程度，用基于綜合相似度推導(dǎo)出的均值偏移向量計(jì)算公式進(jìn)行迭代運(yùn)算，在滿足實(shí)時(shí)性要求光照變化魯棒性要求的同時(shí)，提高了對(duì)于快速移動(dòng)人眼和眨動(dòng)人眼的跟蹤精度。
[0005]本發(fā)明不涉及人眼檢測(cè)部分，在初始圖像中，人眼目標(biāo)區(qū)域?yàn)橐灰汛_定位置和大小的矩形區(qū)域。
[0006]本發(fā)明一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，該方法具體步驟包括:
[0007]步驟1.目標(biāo)區(qū)域建模。利用Soble算子對(duì)初始幀中人眼區(qū)域進(jìn)行邊緣提取，計(jì)算目標(biāo)區(qū)域的顏色空間直方圖h?！瓦吘壙臻g直方圖V。
[0008]步驟2.候選區(qū)域建模。在當(dāng)前幀中，初始搜索位置Ytl定為上一幀中眼睛的位置，計(jì)算候選區(qū)域的顏色空間直方圖&(%)和邊緣空間直方圖he(ytl)。
[0009]步驟3.計(jì)算目標(biāo)區(qū)域與候選區(qū)域相似度。計(jì)算各個(gè)特征空間中的目標(biāo)模型與候選模型的相似度和特征權(quán)重值，從而計(jì)算聯(lián)合相似度P (%)。
[0010]步驟4.計(jì)算均值偏移向量。計(jì)算每個(gè)采樣點(diǎn)的權(quán)值，從而得到當(dāng)前搜索位置處的均值偏移向量，若IIyryciII > ε (ε為衡量均值偏移向量不為O的最小閥值)，則該向量指向被跟蹤目標(biāo)的新位置Y1，若I IyrytlI I ( ε，則停止搜索。
[0011]步驟5.相似度比較。將搜索窗口移動(dòng)到步驟4中的新位置Y1處，更新候選模型，即計(jì)算Y1處的顏色空間直方圖1iJy1)和邊緣空間直方圖he(yi)。
[0012]步驟6.計(jì)算Y1處的聯(lián)合相似度P (Y1) ο
[0013]步驟7.若P (Y1) < P (yQ)，則新位置為

【權(quán)利要求】
1.一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:該方法具體步驟包括: 步驟1.目標(biāo)區(qū)域建模；利用Soble算子對(duì)初始幀中人眼區(qū)域進(jìn)行邊緣提取，計(jì)算目標(biāo)區(qū)域的顏色空間直方圖h?！瓦吘壙臻g直方圖he’ ； 步驟2.候選區(qū)域建模；在當(dāng)前幀中，初始搜索位置％定為上一幀中眼睛的位置，計(jì)算候選區(qū)域的顏色空間直方圖1iJytl)和邊緣空間直方圖he(ytl)； 步驟3.計(jì)算目標(biāo)區(qū)域與候選區(qū)域相似度；計(jì)算各個(gè)特征空間中的目標(biāo)模型與候選模型的相似度和特征權(quán)重值，從而計(jì)算聯(lián)合相似度P (Y0); 步驟4.計(jì)算均值偏移向量；計(jì)算每個(gè)采樣點(diǎn)的權(quán)值，從而得到當(dāng)前搜索位置處的均值偏移向量，若I IyrytlI I > ε，ε為衡量均值偏移向量不為O的最小閥值，則該向量指向被跟蹤目標(biāo)的新位置Y1，若I IyrycJ I≤ ε，則停止搜索； 步驟5.相似度比較；將搜索窗口移動(dòng)到步驟4中的新位置yi處，更新候選模型，即計(jì)算Y1處的顏色空間直方圖hjy)和邊緣空間直方圖he(yi)； 步驟6.計(jì)算Y1處的聯(lián)合相似度P (Y1)； 步驟7.若P (Y1) < P (yQ),則新位置為Jr1 1/2(yi _+_y?)，否則yQ — Y1,轉(zhuǎn)到步驟4。
2.根據(jù)權(quán)利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟I中，進(jìn)行邊緣提取的Soble算子水平和垂直梯度模板分別為:
利用梯度模板與3X3圖像矩陣卷積得水平垂直梯度Gx和Gy，則梯度幅值G和梯度方向Θ由公式(I)計(jì)算出；
目標(biāo)區(qū)域顏色空間直方圖h?！?= <nc), με), Σ->的計(jì)算步驟為:將RGB顏色空間均分為N。個(gè)區(qū)間，首先計(jì)算落入第b個(gè)區(qū)間的像素加權(quán)個(gè)數(shù)"，接著計(jì)算落入第b個(gè)區(qū)間的像素點(diǎn)的坐標(biāo)均值向量％和坐標(biāo)協(xié)方差矩陣Σc'b，計(jì)算方法由公式(2)給出；
公式(2)中，點(diǎn)IxJi =卜N為初始幀人眼矩形區(qū)域中的N個(gè)采樣像素點(diǎn)，Xtl為矩形區(qū)域中心；k(.)為核函數(shù),選取Epanechnikov核函數(shù)，h為核窗寬；若第i個(gè)采樣點(diǎn)Xi落入第b個(gè)區(qū)間則δ ib為1，否則為O ;C為歸一化常數(shù):
目標(biāo)區(qū)域的邊緣空間直方圖h/ = <ne), μ' Σ”>計(jì)算方法為，根據(jù)梯度幅值G≥T將像素點(diǎn)分為邊緣像素點(diǎn)和非邊緣像素點(diǎn)，閥值T由最大類間方差法得出，對(duì)邊緣像素點(diǎn)，根據(jù)梯度方向Θ分為個(gè)Ne區(qū)間，分別計(jì)算落入每個(gè)區(qū)間的邊緣像素點(diǎn)的加權(quán)個(gè)數(shù)，坐標(biāo)均值向量和協(xié)方差矩陣，計(jì)算方法與計(jì)算顏色空間直方圖同理。
3.根據(jù)權(quán)利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟2中，當(dāng)前幀的起始搜索位置與初始幀中眼睛位置相同，矩形搜索窗口的大小不變，用上述方法提取搜索窗口區(qū)域的邊緣點(diǎn)，并計(jì)算候選模型的顏色空間直方圖hc (y0) = <nc (y0), μ c (y0), Σc (y0) > 和邊緣空間直方圖 he (y0) = <ne (y0), μ e (y0), 2e(y0)>。
4.根據(jù)權(quán)利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟3中，目標(biāo)模型與候選模型在顏色空間的相似度P ?為:
公式(3)中，表示空間相似度，η為高斯歸一化常數(shù)， 同理，目標(biāo)模型與候選模型在邊緣空間的相似度為Pjytl) =BHe, 則特征權(quán)重ω,和綜合相似度P (y0)為:
5.根據(jù)權(quán)利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟4中，搜索窗口中每個(gè)采樣點(diǎn)的權(quán)值λ i和個(gè)特征空間偏移向量Vk為:
公式(5)中，k分別代表邊緣e和顏色C，則當(dāng)前搜索點(diǎn)處的均值偏移向量由下式計(jì)算:
計(jì)算結(jié)果即為新位置yi。
【文檔編號(hào)】G06T7/00GK104166996SQ201410382238
【公開日】2014年11月26日 申請(qǐng)日期:2014年8月6日 優(yōu)先權(quán)日:2014年8月6日
【發(fā)明者】王建, 陳洪, 趙云波, 周文立 申請(qǐng)人:北京航空航天大學(xué)