头部多角度的眼睛定位与状态分析

针对彩色图像中人脸在多角度状态下眼睛定位困难的现状,提出了一种基于颜色信息且不受头部姿势影响的人眼精确定位的新方法。该算法首先检测出彩色图像中的人脸位置;然后在人脸区域内,根据肤色与眼睛、眉毛等颜色的差异性进行区分,得到脸部区域的非皮肤部分;接着对非皮肤部分进行数学形态运算,去除干扰点;然后采用平均复杂度方法定位出眼睛区域,并采用相似度计算检验眼睛定位正确与否;最后在眼睛区域内,精确定位眼白、虹膜,通过计算眼睛面积分析眼睛睁开程度。实验结果表明,该算法能精确检测出彩色图像中的眼睛并能快速判断出眼睛的状态。该方法不受头部姿势影响,计算简单,运算速度快,在定位精度及状态判断上具有优势。     

驾驶员疲劳检测中的人脸检测及眼睛定位研究

人眼状态可以很好地反映疲劳程度,人脸检测和眼睛定位在驾驶员疲劳检测中占有重要的地位。本文首先对图像进行图像预处理;然后根据肤色在YCbCr颜色空间上具有很好的聚类性,对驾驶员人脸进行检测;最后在肤色识别后的图像中进行人眼定位,判断眼睛的状态,并利用PERCLOS原理判断驾驶员的疲劳状态。     

人脸检测及眼睛定位在驾驶员疲劳检测中的应用

人眼状态可以很好地反映疲劳程度,人脸检测和眼睛定位在驾驶员疲劳检测中占有重要的地位。首先对图像进行图像预处理。然后根据肤色在YCbCr颜色空间上具有很好的聚类性,对驾驶员人脸进行检测。最后在肤色识别后的图像中进行人眼定位,判断眼睛的状态,并利用PERCLOS原理判断驾驶员的疲劳状态。     

基于肤色模型与眼睛定位的人脸检测方法研究

提出了一种基于肤色模型与眼睛定位的人脸检测方法。通过YIQ色彩模型的肤色区域分割进行人脸的粗定位,再根据眼睛的灰度及形状信息的眼睛定位实现人脸的准确检测。实验表明,该方法能够在复杂背景图像中较准确地检测出人脸。     

基于人眼状态的驾驶员疲劳检测

为提高驾驶员疲劳检测的准确性, 提出一种改进的眼睛状态检测方法。利用“参考白冶算法对原始帧图像做光照补偿处理, 基于肤色特征检测出人脸; 利用积分投影法将人脸和眼睛分割出来, 结合眉毛和眼睫毛之间距离的变化、眼睛区域黑色像素点的个数变化这两个参数对眼睛的状态做出判断。若连续5 帧图像眼睛均为闭合状态, 则系统给出疲劳警报。实验结果表明, 利用两个参数检测的准确率高于单个参数检测的准确率。     

基于眼睛状态检测的驾驶员疲劳驾驶分析

利用眼睛的状态对驾驶员疲劳进行分析主要有人眼检测和疲劳判断两大问题。驾驶过程中受到光照、角度及眼睛闭合等因素的影响,传统的人眼检测技术误码率较高,而混合复杂的检测技术实时性较差。针对该问题,文章提出一种适用于驾驶员驾驶过程中的人眼快速定位算法。该方法由粗到细,综合运用基于OpenCV的人脸识别、二值化、改进型灰度积分投影、Susan算子角点提取等技术,并结合PERCLOS(percentage of eyelid closure)方法进行疲劳分析。实验结果表明,该方法对各种驾驶环境下驾驶员眼睛的定位,都能快速地获得较高的精度,疲劳检测正确率较高。     

疲劳驾驶状态监控中的面部检测与定位方法

疲劳驾驶是造成特大交通事故的一个最重要的原因。通过从司机的面部检测与定位入手,利用肤色特征和模板匹配相结合的方法,从图像的非肤色区域分割出肤色区域,并优化找出被检对象的候选人脸区域,最后用平均人脸模板匹配的方法确定人脸位置。     

基于头部姿态的眼睛差分定位的驾驶员疲劳检测

基于面部特征的驾驶员疲劳判断是应用最广泛的方法,而眼睛睁闭程度最直接表达驾驶员的精神状态。传统的眼睛检测方法受环境、传输、头部姿态的影响,眼睛的定位精度不高,从而导致疲劳分析不准确。本文提出一种基于脸部图像灰度差进行眼睛检测的方法,正常情况下在人脸上半部只有眼睛进行睁闭的活动,故眼部区域灰度会发生变化,由此来进行标定。该方法主要包括基于adaboost算法的人脸识别、图像预处理、眼睛的检测、积分投影法计算眼睛的高宽比以及基于PERCLOS准则的驾驶员疲劳判断。最后分别基于头部左转、右转和正视三种情况下进行实验,根据结果表明该方法能够较好的进行眼睛的检测,对于进行驾驶员的疲劳判断有极大的意义。     

基于椭圆拟合的近红外图像的眼睛精确定位法

提出了一种新的近红外人脸图像的眼睛精确定位方法. 该方法首先使用基于Haar特征和AdaBoost算法的人脸检测分类器确定人脸区域和初始眼睛位置;然后用Sobel算子对眼睛区域进行边缘检测处理,得到眼睛边缘,并对它进行椭圆拟合获得眼睛的椭圆轮廓线;最后把拟合椭圆的中心点作为眼睛的精确位置. 实验表明,在正面人脸情况下,本方法能精确地定位近红外人脸图像的眼睛位置,在归一化人脸为120×120像素时,其平均误差小于1.5个像素,处理时间约7 ms.     

基于眼睛状态识别的驾驶员疲劳监测

提出一种基于眼睛状态识别的驾驶员疲劳状态监测算法。在首帧定位人眼并在眼睛区域内提取多个具有互补性的特征,使用粒子滤波算法进行直接跟踪;在后续图像帧中利用CAMShift算法对初始检测到的人脸区域进行实时跟踪,在人脸区域中同步检测眼睛,检测结果用于粒子滤波器的后验确认和修正。在跟踪眼睛的同时检测每帧中的眼睛状态,通过连续帧中的眼睛状态判断出驾驶员精神状态。实验表明:该文算法对人脸旋转和尺度变化、摄像机抖动,以及遮挡的影响均具有较高的鲁棒性。     

基于边缘检测和灰度投影的人眼定位

【目的】针对肤色检测易受光照影响的问题,提出一种基于边缘检测和灰度投影的人眼定位方法。【方法】首先结合肤色检测和Sobel边缘检测来提取人脸主要特征,得到人脸特征的二值化图像;其次根据人眼在人脸的几何位置关系得到人眼的粗定位;然后通过对数变换处理定位后的图片;最后进行水平和垂直方向的灰度投影,经过曲线拟合寻找极值进行人眼瞳孔的精确定位。同时,将本算法与其他类似算法进行比较分析。【结果】本算法对于不同光照和干扰环境有一定的适应性,对于不同姿势的人脸也能准确定位,相对于传统的肤色检测在精准度上有所提升,但在人脸图像受到环境或者噪声干扰严重时,本算法的定位成功率明显降低。【结论】该方法简单实用,对光照和复杂的干扰环境有一定的适应性,并且在一定的角度范围内,具有较高的准确性。     

眼睛特征提取中可变形模板能量函数优化方法

研究眼睛特征提取过程中可变形模板中能量函数优化方法.根据能量函数中各能量项的作用区域大小,将整个优化过程分解为3个步骤.首先定位虹膜的位置和尺寸,然后调整眼睛的外轮廓,最后采用所有的能量项对眼睛特征的所有参数进行微调.每个步骤不再向下分解为多个子步骤.实验结果表明,与其他的优化过程相比,提出的优化过程在速度和精度上都有所提高.     

基于Dual-Dirac模型的眼图抖动分析方法

针对高速串行信号中存在的抖动问题,对现有的眼图抖动分析方法进行了改进.基于双狄拉克(Dual-Dirac)模型,提出了一种针对眼图直方图的抖动分析方法.该方法可在眼图基准点所在区域确定合理范围做直方图,通过对直方图的分析,成功分离确定性抖动及随机性抖动.通过实验验证了该方法的可行性.     

基于AdaBoost算法的快速虹膜检测与定位

针对目前虹膜检测和定位方法中检测速度和定位精度等方面存在的不足,提出了一种利用AdaBoost算法进行虹膜快速检测和定位的方法.根据虹膜灰度图像的空间结构特征,提取出3类能反映这些结构的Haar-like矩形特征,从中挑选对虹膜图像有最好区分性的385个特征构成弱分类器,再组合生成强分类器.使用正负样本图像训练后,由强分类器级联组成了一个23层分类器系统.实验结果表明:该分类器系统的检测速度平均可达66帧/s,正样本的识别率约为96%,满足了虹膜识别系统实时性的要求.与其他方法相比,有更高的检测速度和定位精度.     

基于扩展三角特征的AdaBoost快速人眼检测算法

首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高.     

身份证件人像自动采集与识别系统

身份证件制作包括信息采集(也称人像采集)、信息传输、证件制作、证件查验4个环节,人像采集是身份证制作过程中的第一个环节.为了既准确又快速地实现人像采集,自主开发了人像自动采集系统; 同时主要涉及图像边缘处理、图像增强处理技术、图像分割技术、人脸特征的提取等几方面,并进行较深入的研究与应用.     

鸡蛋透光图像特征提取与新鲜度检测模型研究

消费者对蛋品品质的要求越来越高,系统地对鸡蛋新鲜度进行无损检测也越来越重要。通过冷光源照射获取鸡蛋彩色透光图像,提取透光图像Lab空间的L分量进行灰度阈值分割得到鸡蛋的二值图像;将L分量进行预处理后,采用连通区域检测法提取气室边缘、霍夫直线检测气室与鸡蛋的分割线,得到气室的二值图像;提取透光图像RGB空间的G分量进行自适应灰度调整、自定义模板的线性空间滤波,利用形态学方法和阈值分割法提取蛋黄图像;使用sobel算子提取蛋黄边缘并利用最小二乘法拟合蛋黄椭圆。提取透光图像中与新鲜度有关的气室大小、蛋黄大小和椭圆度三种特征,计算三种因素值并分别建立了它们与鸡蛋新鲜度的单因素线性回归模型;利用梯度下降法综合三种特征因素训练得出鸡蛋透光图像三元新鲜度模型。该模型经拟合优度检验和F检验具较高可靠性,可对禽蛋进行实时新鲜度检测与分级。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.