人眼狀態(tài)跟蹤系統(tǒng)

常 旺（廈門大學計算機科學系,福建 廈門 361005）

?

人眼狀態(tài)跟蹤系統(tǒng)

常 旺
（廈門大學計算機科學系,福建 廈門 361005）

摘 要：在駕駛員疲勞檢測中，基于PERCLOS[1](percentage of eyelid closure)的疲勞檢測方法是最實用和可靠的，該方法的關鍵點就是對駕駛員眼睛的狀態(tài)進行實時、準確的跟蹤。本文提出了一種新穎、簡單的人眼狀態(tài)的判別算法，通過對人眼狀態(tài)的幾何特征進行分析進而判斷人眼的睜閉狀態(tài)，并以此為基礎建立人眼狀態(tài)跟蹤系統(tǒng)。

關鍵詞：疲勞檢測；眼睛睜閉狀態(tài)；幾何特征

1 引言

鑒于檢測并及時預警駕駛員疲勞駕駛的重要性，眾多科研院所和相關公司推出了一些比較有效的檢測方法。白中浩[2]選取駕駛員的2個面部特征（眼睛和嘴巴）對駕駛員狀態(tài)進行判斷，具有較高的準確性和魯棒性。劉剛[3]根據睜眼、閉眼LBP矩陣匹配數值關系判斷眼睛睜閉狀態(tài)，檢測速度快，并在嵌入式設備上取得良好效果。在本文通過對眼睛狀態(tài)幾何特征進行分析，從而能簡單快速的對判斷眼睛狀態(tài)進行判斷并進行跟蹤。

2 人臉定位和眼睛定位算法

在對眼睛定位之前先定位人臉可以減少眼睛定位所需要的搜索空間，提高檢測速度，同時排除背景因素的干擾，提高眼睛定位的魯棒性。Paul Viola和Michael Jones[4]提出基于Haar特征的Cascade級聯(lián)分類器的人臉檢測方法，讓人臉檢測技術真正走向了實用。該方法檢測速度快、魯棒性高，正面人臉的檢測準確率能達到95%左右。該方法主要包含三大部分：（1）用Haar特征來表征人臉，利用積分圖實現對Haar特征的快速計算；（2）利用Adaboost算法訓練得到大量弱分類器，再將弱分類器加權疊加構造出強分類器；（3）將訓練得到的強分類器串聯(lián)形成一個級聯(lián)分類器，這種級聯(lián)結構能夠有效地提高人臉分類器的檢測速度。該方法不僅適用于人臉檢測，也適用于其他物體檢測，經過眼睛樣本訓練后的眼睛定位分類器也可以實現快速眼睛檢測。

3 圖像自適應分割

在得到眼睛區(qū)域的圖像后，我們需要過濾掉非眼睛像素獲得二值圖像，由于不同光照條件下，人眼區(qū)域的灰度值也會發(fā)生變化，如果把閾值固定在某個值，則不能獲得比較滿意的人眼輪廓。所以我們根據整個圖像的灰度情況，動態(tài)改變閾值。閾值的選擇是根據不同光照條件下設定的。

4 眼睛狀態(tài)檢測

眼睛狀態(tài)識別是駕駛員疲勞檢測中的一種關鍵技術。根據特征提取和分類模型主要分為兩類：一是基于外貌特征的眼睛狀態(tài)判別方法，二是基于統(tǒng)計學習的眼睛狀態(tài)判別方法。我們主要關注的是基于外貌特征的眼睛狀態(tài)判別方法。首先人眼睜閉時眼睛灰度存在一定的分布特征，利用這種特征可以確定大部分眼睛的睜閉狀態(tài)。當眼睛灰度分布特征，不能進行判斷時，我們可以利用眼睛形狀的類橢圓性質進行判斷。

（1）眼睛灰度分布特征。從圖1(a)中可以看到睜眼時人眼輪廓和虹膜比其他區(qū)域的顏色要深，在二值圖像中尤其明顯。在閉眼時眼瞼成下凹形曲線，且顏色更深如圖1(c)所示。在二值圖中找到眼睛的兩個內角點并用直線連接的時候，當睜眼時(如圖1(b))，在紅線上方的黑色的像素數比紅線下方的要多。當閉眼時(如圖1(d)), 在紅線下方的黑色像素比紅線上方的要多。因此，我們可以通過求出眼睛的內角度即最左端點Lp(x1,y1) 和最右端點Rp(x2,y2)，并以這兩點建立直線方程L如下：

分別統(tǒng)計二值圖像中，在直線L上方黑色像素的個數Nup,在直線L下方黑色像素的個數Ndown。如果Nup-Ndown≥T1（T1為閾值）則判定眼睛狀態(tài)為睜開, 否則判定眼睛狀態(tài)為閉合。

（2）眼睛形狀的類橢圓性。當遇到如圖2所示的情形時，因為眼睛的灰度分布比較均勻，很難用特性1判斷眼睛的睜閉狀態(tài)。一般通過計算上眼瞼和下眼瞼的距離來進行判斷，但由于下眼瞼的灰度跟它周圍像素的灰度比較接近，所以很難準確的進行判斷。我們眼睛睜開時，我們發(fā)現眼睛睜開時的形狀類似橢圓。當眼睛睜地越大，橢圓的離心離越小，此時表明人更有活力。當眼睛半睜時，橢圓的離心率越大，橢圓看上去更扁。我們用橢圓擬合眼睛的形狀，進而通過其離心率來判斷眼睛的狀態(tài)。Jun-bin Guo[5]把眼睛的睜開程度定義為Copen=1/E（E表示橢圓的離心率） ,則Copen≤1，當Copen值越小，說明眼睛睜地越小，當Copen小于某個閾值時判定為閉眼狀態(tài)。

5 結束語

本文通過利用眼睛睜閉時的幾何特征判斷眼睛的狀態(tài)，具有簡單快速的特點。并以此建立了一個利用harr分類器確定人臉和眼睛區(qū)域，再利用眼睛睜閉時的幾何特征對眼睛狀態(tài)進行跟蹤的系統(tǒng)。通過模擬實驗對該系統(tǒng)進行了測試，準確率高，實時性好。對于在真實環(huán)境中，該系統(tǒng)的魯棒性還需進一步認證。

參考文獻：

[1]白中浩,焦英豪,白芳華.基于主動形狀模型及模糊推理的駕駛疲勞檢測[J].儀器儀表學報,2015(04).

[2]劉剛.基于眼睛狀態(tài)判斷的疲勞檢測[D].大連:大連理工大學,2013.

[3]Rapid Object Detection using a Boosted Cascade of Simple Features, computer vision and pattern recognition,2001

作者簡介：常旺（1988-），男，湖南岳陽人，碩士研究生，研究方向：計算機視覺。

DOI:10.16640/j.cnki.37-1222/t.2016.02.210