基于計算機(jī)圖像處理的人眼識別系統(tǒng)的開發(fā)與設(shè)計

管陽

（陜西國防工業(yè)職業(yè)技術(shù)學(xué)院 陜西 西安710300）

基于計算機(jī)圖像處理的人眼識別系統(tǒng)的開發(fā)與設(shè)計

管陽

（陜西國防工業(yè)職業(yè)技術(shù)學(xué)院 陜西 西安710300）

文中針對現(xiàn)階段由于疲勞駕駛而導(dǎo)致交通事故發(fā)生的情況，設(shè)計與開發(fā)了基于計算機(jī)圖像處理的人眼識別系統(tǒng)，其通過高清攝像頭獲取人眼圖像，然后經(jīng)過計算機(jī)處理得到人眼的特征參數(shù)，再通過比對判斷駕駛員處于正?；蚱跔顟B(tài)并作出提醒。實驗證明該系統(tǒng)在判斷駕駛員是否處于疲勞駕駛上識別率達(dá)到80％，能對駕駛員行車中的疲勞駕駛做出預(yù)警，從而有效避免因疲勞駕駛而造成交通事故的發(fā)生。

計算機(jī)圖像處理；人眼識別系統(tǒng)；疲勞駕駛；設(shè)計

目前，在全世界范圍內(nèi)，每年因交通事故而死去的人數(shù)多達(dá)一百萬，而疲勞駕駛導(dǎo)致的交通事故占較大比例，根據(jù)中國交通部門的相關(guān)統(tǒng)計，當(dāng)前發(fā)生的特大交通事故中有超過四成是由于疲勞駕駛導(dǎo)致的，疲勞駕駛每年已造成了我國數(shù)十萬人的死亡和傷殘，成為行車安全的重大威脅［1］。據(jù)研究，在行車過程中由于疲勞而導(dǎo)致的短暫“微睡眠”期增多是疲勞駕駛造成交通事故發(fā)生的重要因素［2］。

為了使駕駛員不在疲勞狀態(tài)下危險駕車，降低交通事故發(fā)生率，本文針對駕駛員行車過程中由于疲勞駕駛而出現(xiàn)的短暫“微睡眠”期現(xiàn)象，設(shè)計與開發(fā)了基于計算機(jī)圖像處理的人眼識別系統(tǒng)，其通過高清攝像頭獲取人眼圖像，然后經(jīng)過計算機(jī)處理得到人眼的特征參數(shù)，再通過比對判斷駕駛員處于正?；蚱跔顟B(tài)并作出提醒，從而使駕駛員能夠?qū)崟r調(diào)整駕駛狀態(tài)，減少因疲勞駕駛而導(dǎo)致交通事故發(fā)生的幾率［3-7］。

1　系統(tǒng)總體設(shè)計

本文所開發(fā)與設(shè)計的基于計算機(jī)圖像處理的人眼識別系統(tǒng)采用統(tǒng)計模式識別方法，其基本結(jié)構(gòu)如圖1所示。由圖1可看出，本系統(tǒng)主要由4部分組成，首先是信息獲取模塊，通過攝像頭或其他信息采集設(shè)備獲取人的臉部圖像，然后是預(yù)處理模塊，包括對獲取的圖像信息進(jìn)行格式轉(zhuǎn)換，灰度化，分割得到人眼圖像。緊接著，通過特征提取與特征選擇模塊，得到人眼的特征信息。最終是分類決策模塊，通過對采集的數(shù)據(jù)進(jìn)行人眼狀態(tài)分析建立分類器［8］，然后將后續(xù)人眼信息與分類器比較實現(xiàn)人眼疲勞度的識別。

圖1　模式識別系統(tǒng)的基本結(jié)構(gòu)

2　系統(tǒng)實現(xiàn)概述

2.1圖像采集

圖像采集一般是通過高清攝像頭直接拍攝圖像，或通過攝像頭錄像，然后通過軟件轉(zhuǎn)化為圖像。一般情況下1 s內(nèi)可獲取超過20幀的圖像，但其不利于圖像的實時處理。在此本文采取第一種方法，通過攝像頭直接拍攝圖像，并設(shè)置為1 s拍攝10幀，圖2為攝像頭拍攝的部分圖片。

圖2　攝像頭拍攝的原始圖像

2.2圖像預(yù)處理

攝像頭拍攝獲得的原始圖片為jpg格式的24位彩色圖像，需將原始圖像轉(zhuǎn)化為bmp格式的256色彩圖像，如圖3所示。在此本文采用了動態(tài)鏈接庫JpgVSbmp.dll［9］中的JpgToBmp函數(shù)。

圖3　圖像灰度化后的256級BMP灰度圖像

圖片格式轉(zhuǎn)換后，對圖像像素進(jìn)行計算需要圖像的信息，本文通過圖像讀取獲取圖像信息，然后通過顯示圖片來驗證計算結(jié)果，其流程圖如圖4所示。首先，通過讀取圖片的BITMAPFILEHEADER結(jié)構(gòu)得到圖片的相關(guān)信息，然后通過數(shù)值計算得到像素數(shù)據(jù)的起始地址，并保存像素數(shù)據(jù)起始地址指向指針，當(dāng)顯示圖片時，從DOC對象中得到位圖數(shù)據(jù)起始位置指針，并得到圖像的寬、高等信息，然后恢復(fù)原調(diào)色板實現(xiàn)圖片的顯示。

2.3圖像分割與圖像特征選擇與提取

軟件通過模板匹配得到只包含眼球圖像的最先區(qū)域圖像，如圖5所示。然后利用像素匹配得到眼球圖像信息，由于眼球部分與周圍部分圖像差別明顯，其像素接近0或255，通過圖6（a）公式，計算得到眼球的輪廓，為圖6（b）的黑色部分。

然后通過圖像追蹤算法得到人眼的輪廓邊緣，如圖7所示。并同時記錄了圖像的邊緣鏈碼。

圖4　圖像的讀取和顯示的流程圖

圖5　眼球圖像大體區(qū)域的獲得

圖6　圖像分割

圖7　邊緣跟蹤效果圖

2.4統(tǒng)計分類

軟件根據(jù)得到的邊緣鏈碼計算出人眼圖像的周長、寬度、高度、面積、圓形度和伸長度等，其結(jié)果如表1所示。其中，包括正常狀態(tài)下以及疲勞狀態(tài)下人眼周長、寬度、高度、面積、圓形度和伸長度的數(shù)據(jù)。

通過表1可看出，不同狀態(tài)下人眼的周長以及高度、面積、伸長度等均不同，當(dāng)駕駛員處于疲勞狀態(tài)時，人眼周長較正常狀態(tài)下減少1/4左右，高度、面積、圓形度等下降到正常狀態(tài)下的左右，寬度比正常狀態(tài)下略微變大。通過人眼在疲勞和正常狀態(tài)下的不同，可設(shè)定不同狀態(tài)下人眼特征參數(shù)范圍，然后將計算得到的人眼特征參數(shù)進(jìn)行狀態(tài)匹配，判斷駕駛員是否處于疲勞狀態(tài)。

表1　支持向量機(jī)的統(tǒng)計特征

2.5識別判斷

在識別過程中本文設(shè)定兩種特別狀態(tài)直接判定為駕駛員處于疲勞狀態(tài)，這兩種狀態(tài)為一段時間人眼時鐘保持睜開或閉合狀態(tài)，本文設(shè)定為6 s。經(jīng)過統(tǒng)計，每個人一分鐘眨眼十幾次，每次眨眼用時約0.4 s，每兩次眨眼間隔3～4 s。若有四幅圖像以上顯示駕駛員處于疲勞狀態(tài)，則認(rèn)為駕駛員正處于疲勞狀態(tài)，反之處于正常狀態(tài)。

本文利用現(xiàn)有的訓(xùn)練樣本和測試樣本對設(shè)計的分類器進(jìn)行測試，其測試結(jié)果如表2所示。

表2　分類器測試結(jié)果

從數(shù)據(jù)中可看出，本文所設(shè)計的分類器在訓(xùn)練樣本為100時，其識別成功率達(dá)到了85％。

3實　驗

文中在實際車體中進(jìn)行對本系統(tǒng)的驗證實驗。實驗中，將實驗人員分為兩個小組，一組中實驗人員處于正常狀態(tài)，而另一組實驗人員處于疲勞狀態(tài)，兩組人員同時實驗半小時，隨機(jī)抽取出10組獲取的圖像信息作為研究樣本，每5張圖片，對這幾組圖像進(jìn)行人眼識別實驗。表3和表4分別列出了對兩組人員共20組圖像進(jìn)行的檢測結(jié)果。

由表3、表4數(shù)據(jù)可得出，當(dāng)駕駛員在正常狀態(tài)下，其識別正確率為90％，當(dāng)駕駛員處于疲勞狀態(tài)時，其識別正確率為80％，證明本系統(tǒng)能通過人眼識別有效判斷駕駛員的狀態(tài)，從而可對駕駛員駕車過程中出現(xiàn)的疲勞狀態(tài)做出提醒預(yù)警，讓駕駛員能調(diào)整駕駛狀態(tài)，有效避免行車過程中出現(xiàn)疲勞駕駛而導(dǎo)致交通事故的發(fā)生。

表3　正常狀態(tài)下識別結(jié)果

表4　疲勞狀態(tài)下識別結(jié)果

4　結(jié)束語

為了避免駕駛員在行車中疲勞駕駛，減少交通事故，本文針對駕駛員行車過程中由于疲勞駕駛而出現(xiàn)的短暫“微睡眠”期現(xiàn)象，設(shè)計與開發(fā)了基于計算機(jī)圖像處理的人眼識別系統(tǒng)，其通過高清攝像頭獲取人眼圖像，然后經(jīng)過計算機(jī)處理得到人眼的特征參數(shù)，再通過比對判斷駕駛員處于正常或疲勞狀態(tài)并作出提醒。實驗證明，該系統(tǒng)在判斷駕駛員是否處于疲勞駕駛上識別率達(dá)到80％，從而有效避免了駕駛員因疲勞駕駛而導(dǎo)致交通事故的發(fā)生。

［1］王瑜，胡記文.基于3G視頻的駕駛員疲勞狀態(tài)檢測方法［J］.電子科技，2011，24（11）:84-85，114.

［2］王海洋.基于人眼圖像信息的疲勞檢測方法的研究［D］.沈陽:沈陽工業(yè)大學(xué)，2007.

［3］胡慶新，方躍，張淑鳳.一種新的駕駛員疲勞檢測系統(tǒng)中的人臉區(qū)域檢測方法［J］.儀器儀表學(xué)報，2008，29（4）:585-589.

［4］陳勇，黃琦，劉霞，等.一種全天候駕駛員疲勞檢測方法研究［J］.儀器儀表學(xué)報，2009，30（3）:636-640.

［5］夏芹，宋義偉，朱學(xué)峰.基于 PERCLOS的駕駛疲勞監(jiān)控方法進(jìn)展［J］.自動化技術(shù)與應(yīng)用，2008（6）:43-46.

［6］朱學(xué)峰，王秀.基于模糊控制的駕駛疲勞檢測［J］.計算機(jī)工程與設(shè)計，2010，31（8）:1782-1785.

［7］董文會，吳曉娟，徐祗軍.基于圖像處理的駕駛員疲勞檢測方法［J］.計算機(jī)應(yīng)用與軟件，2006，23（12）:70-72.

［8］鄧乃揚，田英杰.數(shù)據(jù)挖掘中的新方法［M］.北京:科學(xué)出版社，2004.

［9］http://www.vckbase.com/vckbase/vckbase11/（VC在線雜志）.

［10］蔣丹丹，馮曉毅.改進(jìn)的Hough與梯度直方圖的人眼定位算法［J］.電子設(shè)計工程，2014，22（21）:127-130.

［11］蔣文博，謝曉明.一種快速駕駛員疲勞檢測方法［J］.電子設(shè)計工程，2015，23（23）:34-36，39.

Development and design of eye recognition system based on computer image processing

GUAN Yang
（Shaanxi National Defense Industrial Vocational and Technical College，Xi'an 710300，China）

In this paper，the eye recognition system based on computer image processing is developed and designed as the situation at this stage due to the traffic accidents caused by fatigue driving.On the system，the human eye image is got through high-definition camera，and then processed by computer to obtain the characteristic parameters of the human eye，and then the driver is judged under a normal or fatigue situation by comparingfigures and make reminder.Experiments show that recognition rate ofthe system determines whether the driver is on the driver fatigue is over 80％，and the system can warn the

driver under fatigue driving，whicheffectively avoid traffic accidents happening caused byfatigue driving.

computer image processing；eye recognition system；fatigue driving；design

TN99

A

1674－6236（2016）16-0191-03

2016-01-15稿件編號：201601119

管 陽（1981—），女，河南濮陽人，講師。研究方向：計算機(jī)圖像制作。