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眼睛定位与状态分析

针对驾驶员头部多角度变化时眼睛定位困难的现状,提出了基于肤色检测和纹理特征的驾驶员眼睛定位算法.该算法采用肤色检测定位出人脸图像;根据眼睛灰度范围与其他部位的差异进行人脸图像二值化和形态学图像处理,确定眼睛候选区域;通过比较各候选区域纹理特征向量值的不同,确定眼睛位置,并基于黑斑拟合椭圆性质进行眼睛验证和睁开程度计算.计算结果表明,头部角度变化时各候选区域的纹理特征值差别仍较大.因此,该算法不受驾驶员头部角度的影响,眼睛定位准确率较高,且算法简单,计算速度快.     

基于梯度信息的灰度人脸检测

针对灰度图像提出了一种有效的人脸检测算法。首先对原始灰度图像利用Sobel边缘检测算子得到水平方向的梯度信息;在此基础上,结合人的眼睛灰度信息得到眼睛的初步候选区域,并根据眼睛的几何特征删除非眼睛区域;然后利用眼睛的几何特征以及人脸的“三停五眼”特性确定真正的眼睛和嘴的区域,在精确定位眼睛和嘴的几何位置后确定人脸区域;最后利用人脸的左右对称性来验证人脸。实验表明,该算法对于灰度图像的正面人脸定位以及人脸检测具有良好的效果。     

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.     

面部按摩之二

收紧腮颊肌肤·把放平的手掌贴放在腮颊之上,无名指贴近鼻翼。·两手轻轻向鼻子方向拨去,这时尾指应与鼻孔垂直。·保持眼睛张开,并不要让眼睛部份起皱。·手掌按作的一面,当时笑笑。·注意切勿让手掌这面的眼睛及鼻翼作任何移动。鼻脉·以拇指及食指轻轻夹着鼻孔两旁。·向外侧     

驾驶人眼睛局部区域定位算法

基于机器视觉的驾驶人疲劳检测系统,通过对驾驶人眼睛动作的分析实现对驾驶人疲劳状态的估计。眼睛区域的准确定位是保证疲劳检测精度的前提条件。然而,实际行车过程中,驾驶人头部姿态随机、快速变化会造成眼睛区域定位精度的严重下降。该文在基于主动形状模型(ASM)算法实现驾驶人眼睛区域粗定位的基础上,针对ASM模型在实际检测过程中的姿态适应性较低与定位精度不高的问题,提出局部ASM模型来增强ASM算法的姿态适应性;进一步引入平均合成精确滤波器(ASEF)算法与ASM算法相结合的思路提高对眼睛区域的定位精度;同时,提出单、双眼相结合的ASEF算法来提高眼睛虹膜中心定位的鲁棒性。实验结果表明:该算法对于驾驶人头部姿态变化具有较强的适应性,能够实现眼睛区域的准确定位。     

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.     

一种微分与积分投影相结合的眼睛定位方法

眼睛的精确定位是人脸识别预处理的关键步骤,是人脸旋转角度和尺度归一化的前提。文章介绍了一种精确定位眼睛的方法,该算法将眼区灰度总体分布特点与眼部灰度变化特点相结合;将传统的积分投影方法与本文提出的微分投影相结合;实验结果表明,该算法对光照变化不敏感,定位准确率高。     

“秋水伊人”话美目训练

爱美之心人皆有之,如果你拥有一双美丽的漂亮眼睛,这是多数人的梦想和追求。在许多小说和文章中都有关于眼睛的形容词,例如:秋水伊人、会说话的眼睛、水汪汪的眼睛等,正是说明漂亮的眼睛在人体美中的突出作用。在现实生活中,虽然不一定每个人都拥有漂亮的眼睛;但是人们可以利用后天的训练方法获得一双意想不到的漂亮眼睛。     

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。     

基于行为特征的疲劳驾驶检测技术研究

介绍了几类目前常用的疲劳检测技术的优缺点,提出了一种改进的疲劳驾驶检测方法:先通过2次图像投影和形态学方法实现眼睛精确定位;再根据眼睛睁闭时,其眼睛宽高比的差异,提出一种眼睛状态的识别方法;根据PERCLOS方法的判断是否疲劳.算法能够有效减少计算量提高运算速度,并在实验室内取得了较高的精确度.     

没有眼睛的动物

<正>众所周知,大多数动物能通过眼睛观察外界环境;眼睛是重要的器官,对动物的生存至关重要。然而,大自然无奇不有,一些奇特的物种竟然没有眼睛。利普托迪鲁斯甲虫利普托迪鲁斯甲虫身长约1厘米,是喜洞生物,生存在欧洲迪纳拉山东南部的几处石灰岩洞穴中。它们没有眼睛,通过灵敏的嗅觉和触觉感知外界环境的变化。这种甲虫长期在漆黑的洞穴中生活,很难适应其他环境。     

无脊椎动物眼睛的进化与适应

众所周知，眼睛是人体最重要的感觉器官，大脑中约80％的知识和记忆是通过眼睛获取的。令人惊叹的是，在无脊椎动物的多个演化序列中，眼睛各自独立地从头开始演化了几十次之多。可见眼睛在动物身体中的重要地位与复杂程度。     

探索物质结构之透射电子显微镜

 眼睛是人类认识客观世界的第一架“光学仪器”,但它的能力却是有限的,通常认为人眼睛的分辨率为0.1 mm。     

彩色图像中人眼的精确定位

提出了一个彩色图像中人眼的精确定位过程.首先利用肤色特征检测出人脸的候选区域,在检测过程中考虑了头发亮度对肤色检测的影响;然后利用改进的二值化方法进行了眼睛的检测;最后利用眼睛的位置特点和人眼模板完成了眼睛的定位.     

基于DCNN的管制员疲劳状态检测

空中交通管制员疲劳工作势必会严重威胁空中交通安全,通过对眼睛睁闭状态判定是现阶段对管制员疲劳检测的一种主要方式。为检测管制员疲劳状态,提出了一种基于迁移学习的DCNN眼睛状态识别模型。首先,利用深度级联神经网络的MTCNN算法检测出管制员面部区域,并实现对面部5个关键点标定和眼睛的定位;然后将检测到的眼睛图像传入到预训练的DCNN眼睛状态分类模型,识别眼睛的睁闭眼状态;最后结合PERCLOSE 80指标检测管制员疲劳状态。分别在ZJU、CEW和ATCE数据集上,对DCNN、VGG16、InceptionV3、ResNet50四种模型的准确率、损失率和F1分数指标进行对比实验。实验结果表明：在ZJU和CEW数据集上,DCNN眼睛状态分类模型检测准确率为97%,较VGG16、InceptionV3、ResNet50等模型进行眼部状态分类任务,DCNN模型的F1分数有3%至7%的提高。在ATCE数据集上DCNN模型检测准确率达到98.35%,F1分数达到98.06%,验证了DCNN模型的有效性与准确性。     

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。     

大学生面孔识别中不同兴趣区及被试性别的差异研究

采用眼动追踪技术,以60名大学生为被试,进行2×3的混合实验,探讨不同兴趣区在面孔识别中的重要性,以及被试性别是否对面孔识别产生影响.结果发现被试对眼睛的注视点个数、总注视时间、首注视持续时间显著多于鼻子和嘴巴;鼻子部位的首视点时间显著先于眼睛和嘴巴部位;兴趣区在各眼动指标上,皆存在主效应,P0.05.兴趣区与被试性别在注视点个数、总注视时间上的交互作用显著;男生对鼻子部位的注视次数和注视时间比女生更多,而女生对眼睛的注视次数显著多于男生.研究表明:眼睛在面孔识别中发挥着比鼻子、嘴巴更加重要的作用,对眼睛的认知加工更多,被试性别影响大学生对面孔识别的眼动模式.     

基于旋转面部图像的眼睛检测和跟踪

本文提出了一个检测旋转面部图像中眼睛的新方法。该方法可以实时的检测和跟踪发生了各种偏转角度的面部图像。Zemike距用来提取眼睛的旋转不变性特征,支持向量机（SVM）用来将眼与非眼分开。首先,在脸部图像中检测出眼睛的感兴趣区域;接着,计算感兴趣区域的Zemike距;最台,用SVM方法处理感兴趣区域,精确的定位到眼睛。大量的实验表明,新方法对于放缩,平移,头部旋转以及光照条件的改变是鲁棒的。     

一种眼睛特征抽取的新方法

眼睛特征对诸如人脸识别、表情识别及三维人脸重建等应用领域而言都是非常有效的信息．本文综合利用彩色信息、Gabor小波特征信息以及各特征之间的相互位置关系抽取眼睛特征．首先,在HSV彩色空间的H通道中检测瞳孔的中心位置并对眼球的半径加以估计;然后,在Gabor特征空间中构造了眼角滤波器用以检测眼角位置;最后,在前面两步检测的基础上,用样条函数拟合眼睛的轮廓．在SJTU库上的大量仿真实验验证了该方法的准确性与稳健性．