技術(shù)特征：

1.一種基于網(wǎng)格區(qū)域分割和閾值自適應(yīng)的人眼狀態(tài)快速識別方法，其特征在于包括以下步驟：

1)、對采集到的人臉圖像進行清晰處理后提取人眼Haar特征；

2)、根據(jù)步驟1)提取到的人眼Haar特征，利用Adaboost算法定位眼部區(qū)域矩形框信息；

3)、利用網(wǎng)格三分法將眼部區(qū)域分成Ⅰ、Ⅱ和Ⅲ三個區(qū)域；

4)、采用自適應(yīng)求取背景圖像分離最佳閾值的二值化算法，以求得的閾值對眼部三個區(qū)域的圖像進行黑白增強處理；

5)、計算瞳孔閉合度；

6)、基于PERCLOS法判斷是否處于疲勞狀態(tài)。

2.根據(jù)權(quán)利要求1所述的基于網(wǎng)格區(qū)域分割和閾值自適應(yīng)的人眼狀態(tài)快速識別方法，其特征在于所述步驟3)的具體過程為：

3.1)、利用返回的眼部區(qū)域矩形框的參數(shù)，大致確定瞳孔分布，得到其圓心坐標(biāo)；

3.2)、根據(jù)瞳孔的圓心坐標(biāo)和矩形框尺寸，得到Ⅰ、Ⅱ、Ⅲ區(qū)各網(wǎng)格的位置坐標(biāo)和大小。

3.根據(jù)權(quán)利要求2所述的基于網(wǎng)格區(qū)域分割和閾值自適應(yīng)的人眼狀態(tài)快速識別方法，其特征在于所述步驟4)的最佳閾值T_split求取采用OTSU大津法提取，其過程為：

4.1)、按圖像灰度值分級，統(tǒng)計每一級像素出現(xiàn)的概率；

4.2)、用閾值k將圖像中的像素按灰度值分為背景類和目標(biāo)類；

4.3)、求取使得背景類和目標(biāo)類類間方差最大時所對應(yīng)的k。

4.根據(jù)權(quán)利要求1至3任一項所述的基于網(wǎng)格區(qū)域分割和閾值自適應(yīng)的人眼狀態(tài)快速識別方法，其特征在于所述步驟5)的具體過程為：

5.1)、求取眼神不漂移條件下，Ⅰ、Ⅱ、Ⅲ三個區(qū)域間像素值與瞳孔閉合度△的數(shù)學(xué)關(guān)系式；

$\left\{\begin{array}{c}\mathrm{\Δ}={\stackrel{\‾}{g}}_{I,III}-\stackrel{-}{g_{II}}\\ {\stackrel{\‾}{g}}_{I,III}=\frac{\underset{x,y\∈I,III}{\mathrm{\Σ}}g(x,y)}{D_{I,III}}\\ {\stackrel{\‾}{g}}_{II}=\frac{\underset{x,y\∈II}{\mathrm{\Σ}}g(x,y)}{D_{II}}\end{array}\right.$

式中，為Ⅰ、Ⅲ號網(wǎng)格像素和的平均值，為Ⅱ號網(wǎng)格像素平均值，D_I,III表示Ⅰ、Ⅲ區(qū)域像素點數(shù)之和，D_II表示Ⅱ區(qū)域像素點數(shù)之和；

5.2)、分析眼神左右漂移產(chǎn)生瞳孔位置的左右偏向，對偏向鄰域的灰度影響，將步驟5.2)修正為引入漂移因素的計算瞳孔閉合度△的關(guān)系式；

Δ＝max(|3∑f_III-∑f_I,II|,|3∑f_I-∑f_II,III|)

式中，∑f表示該區(qū)域內(nèi)像素點灰度之和，|3∑f_I-∑f_II,III|對應(yīng)眼神向右漂移的△，|3∑f_III-∑f_I,II|則對應(yīng)眼神向左漂移的△。