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。     

基于数理形态学的近红外光图像实时人脸检测

该新型算法首先使用基于Harr特征和Adaboost算法的人脸检测方法寻找人脸候选区域,并对候选区域进行归一化处理;然后利用人眼瞳孔在近红外光图像中会生成白色光斑的特点,使用基于数理形态学的Quoit滤波器精确定位眼睛.为了减小不同瞳孔大小带来的影响,使用了多尺度的Quoit滤波器以提高准确性.实验表明,这种方法不仅准确性高而且速度快,达到了实时人脸检测的要求.     

基于FPGA平台的实时人眼检测系统设计

采用近红外光源与图像差分相结合的方法在现场可编程逻辑阵列(FPGA)平台上实现了人眼检测系统。利用图像差分可以获得具有亮瞳孔效应、以人脸为主体的目标图像,通过对其进行灰度拉伸、分割、积分投影可以得到人脸位置,在检测到的人脸区域利用改进的复杂度算法实现了人眼检测。经测试,系统的处理速度可达30帧/秒,满足实时性检测的要求。基于近红外光源的方法消除了外界光源的干扰,从而保证了系统的鲁棒性。     

基于对称变换的瞳孔定位方法

为解决瞳孔检测中眼镜反光、眼帘遮盖、闭眼等问题,提出了一种基于改进对称变换的
瞳孔定位方法。根据人脸的梯度信息、人眼瞳孔区域与眼镜反光区域梯度方向不同的现象,
改进对称变换算法,以提高定位准确性,采用自评估算法对定位进行评估,并利用自采
集的图像和图库中的图像进行了实验。结果表明,改进的对称变换算法能对瞳孔进行精确定位。     

一种改进的Adaboost算法的人脸检测分类器

针对人脸检测中单一分类器检测非常耗时,而且没有考虑到检测后提取标准人脸对后续工作(如识别)等问题,提出了运用Adaboost算法,采用正面人脸和人眼两个特征作为分类器,首先用Cascade算法筛选出输入图像中最有可能是人脸的区域,然后根据以正面人脸和人眼为特征的分类器检测人脸区域,并根据检测出来的人眼距离和角度对人脸进行精确的定位.同时针对实际的图像中人脸常常存在一定倾斜,从而影响后续的人脸的识别率这一问题,采取了根据人眼的位置对倾斜图像进行修正.实验结果表明改进的算法能够在保持一定运算速度的基础上取得准确的人脸,具有较好的实用性.     

基于差值区域的实时人脸定位

为了解决红外图像人脸跟踪鲁棒性差的问题,提出一种基于差值区域的实时人脸检测和定位方法,该方法主要是利用改进帧间差分法得到一帧差分图像,然后对差分图像进行预处理,确定"类"瞳孔的位置,进而标记出人脸差值区域,对该区域归一化后应用AdaBoost方法进行验证,从而得到人脸的准确定位。研究结果证明:该系统定位方法比直接应用AdaBoost方法有更好的实时性,该方法的各个环节都满足实时性要求,为红外条件下的人脸跟踪系统提供了有效的解决方案。     

基于可见光源与独立成分分析法的实时人眼检测系统

提出一种基于特征与外貌混合检测确定人眼区域的实时人眼检测方法. 首先,依据可见光源在人眼角膜上反射形成耀点特性,通过图像处理算法提取潜在耀点位置,利用人眼几何特征的确定可能人眼候补区域;然后,提取人眼数据库中具有不同外貌特征的200幅人眼图像,采用FastICA算法估计出提取人眼图像的有效成分分析(ICA)基向量;最后,通过计算人眼候选区域在基向量上投影角度判断出左、右人眼区域准确位置. 实验结果表明,在人脸面部旋转、佩戴眼镜、大范围头部运动和不同光照强度下,实时人眼检测具有较高的检测正确率和较好的鲁棒性.      

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示：没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

司机疲劳驾驶检测中人脸图像的快速人眼定位

在司机疲劳驾驶检测中,对人眼的高效,实时准确检测是关键步骤之一。本文研究了司机人脸图像中的人眼检测方法。首先,将得到驾驶员面部图像隐射到YCbCr空间,建立基于肤色的二维高斯分布模型,通过滤波,标记分割出肤色并得到人脸的区域;然后,利用人眼的分布特点及自身特性,通过两次定位的方法实现了对司机人脸的人眼定位。     

改进的人眼定位算法在DSP上的快速实现

在PC机上实现人脸检测是一种非在线检测,具有非实时性和滞后性等缺点,而将嵌入式系统设计技术与数字图像处理技术相结合能够实现人脸的快速检测。以TMS320DM643建立实时图像处理硬件系统,通过CCD获取视频序列,再利用Harr脸部检测算法和Cam Shift运动目标跟踪算法来提取人脸区域。在此基础上采用临界值法和K-means算法进行人眼定位。采用C语言编程在TIDM643EVM上进行优化实验,完成一次操作只需0.48s。     

瞳孔检测的图像裁剪与异常瞳孔排除

为获取眼部特征进行视线跟踪,提出了一种具有较高实时性和正确率的瞳孔检测方法.使用模板匹配定位眼睛在图像中位置,裁剪边缘冗余图像,降低瞳孔检测计算量,从而提高实时性;利用瞳孔的形状、颜色等特征以及眼球运动规律,得到瞳孔在图像中分布规律,对错误的瞳孔信息进行排除,从而提高瞳孔检测正确率.实验结果表明,在NVIDIA Jetson TX2嵌入式计算机上,该瞳孔检测方法检测正确率达到95.06%,检测速率为95 fps,耗时平均减少55.33%,具有良好的实用性.      

基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.      

一种非接触式实时视线追踪系统的设计

为方便残疾人和老年人使用计算机进行信息交互,设计了一种非接触式低成本视线追踪系统.系统设计了一种双环形红外光源,通过交替照射用户脸部,用单CCD摄像机得到"亮瞳"和"暗瞳"的相邻两帧图像.将这两帧图像做差得到瞳孔的位置,使用椭圆拟合方式求得瞳孔中心,加之在"暗瞳"图像上得到的普洱钦斑中心,从而确定了局部视线的盯视方向.基于人类视线移动的特点,提出了使用神经网络和卡尔曼滤波相结合的方法进行瞳孔跟踪,最后给出了视线映射模型和校准方式.     

一种用于综合电脑验光仪的快速人眼识别算法

针对嵌入式系统中所采用的Hough和随机Hough变换方法来确定人眼位置的方法存在的运算量较大问题,结合综合电脑验光仪所采集图像的特点,本文提出了一种对硬件系统要求较低,且识别速度较快,同时可以保证精度的识别定位人眼瞳孔定位方法。该方法通过获取图像中对象的轮廓,寻找连通区域与边界,然后根据圆度与设定阈值的比值的大小来识别人眼瞳孔并定位其中心位置实现自动跟踪。结果表明该方法可以准确确定人眼位置实现自动跟踪,且运算复杂度较低,运算速度相比于传统Hough变换算法有较大提升,可降低硬件成本。     

轻量化神经网络和哈希跟踪算法在嵌入式人脸抓拍系统中的应用

针对嵌入式设备上难以兼顾人脸抓拍的速度和准确率的问题, 基于轻量化神经网络和哈希 (Hash) 跟踪算法设计了一种快速精准的嵌入式人脸抓拍系统. 首先, 对轻量化网络 MobileNet 固态硬盘 (solid state disk, SSD) 剪枝和优化网络结构构建人脸检测网络; 其次, 人脸对齐后基于均值哈希 (average Hash, aHash) 与感知哈希 (perceptual Hash, pHash) 设计融合哈希 (fusion Hash, fHash) 算法跟踪人脸, 使用关键点欧氏距离、人脸尺寸和四方向 Sobel 算子三标准提取最佳的人脸图像; 最后, 使用 MobileFaceNet 对最佳人脸进行识别. 实验结果表明: 与 MobileNet SSD 相比, 该人脸检测算法速度提升了 22.6%; 与均值哈希和感知哈希算法相比, 该融合哈希算法匹配准确率提高了 21.7% 和 10.1%; 实际场景中系统人脸抓拍准确率超过 95%, 抓拍速度达到 28 帧/s.     

基于局部线性映射神经网络和亮度补偿的彩色人脸检测

人脸识别是一个具有广阔应用前景和极富挑战性的研究课题。作为自动人脸识别系统的第一步,快速有效的人脸检测至关重要。利用颜色信息进行人脸检测,具有直观、简单、快速的特点,非常适用于作为自动人脸识别系统的人脸粗定位环节。该文提出一种基于局部线性映射（ Ｌ Ｌ Ｍ）神经网络和亮度自适应补偿的人脸区域检测算法,根据待检测图像上每点的颜色值判断它属于人体区域还是背景区域,从而框出可能的人脸区域。实验表明,此算法对于实验室背景下的人脸检测取得了较好的效果。一方面可以较好地区分人脸区域和背景区域,甚至与人脸颜色比较相近的背景区域,同时对实验室环境下各种光照条件的变化具有很好的鲁棒性。     

基于机器视觉的金属罐内壁缺陷检测

对金属罐内壁质量检测进行研究,以Visual Studio 2010为开发平台研制了基于机器视觉的金属罐内壁缺陷检测系统,可实现对金属罐内壁缺陷的自动检测.针对金属罐内壁的特殊性,在图像采集时选择了合适的光源和相机;检测过程包括图像采集、图像处理、检测区域定位及缺陷检测;通过图像处理算法分别对金属罐罐口、内壁和焊缝3部分进行检测;并用多线程技术对检测速度进行优化.实验表明:对于选用的金属罐,缺陷检测系统的检测速度可达到600个/min,能够满足生产线的高速度需求.     

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位, 提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图, 得到若干具有最大显著极值的候选人眼区域; 通过PCA(Principal Component Analysis)重构对候选区域进行验证, 将具有最小重构误差的两个区域选定为眼睛区域; 通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感, 同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验, 检测精度达到99.6%, 验证了该方法的有效性。     

基于肤色的人脸检测算法研究

提出一种基于RGB、HSI空间和KL变换的人脸区域检测算法,根据待检测图像上每点的颜色值来判断它属于人体区域还是背景区域,从而检测出人脸所在的位置.实验表明,该种方法避免了在RGB、HSI和KL三个独立空间分别进行人脸检测所出现的人脸误测问题,通过大量的实验和检测,将三种方法有机的结合起来,较好地区分人脸区域和背景区域,具有很好的鲁棒性.     

基于视频图像的眼动追踪系统算法

为了解决初步眼动追踪问题, 提出基于视频图像的实时性眼动追踪的快速算法。将RGB 色彩空间转换成YCbCr 空间, 利用肤色模型定位人脸。剪裁后, 用Sobel 算子边缘检测算法进行卷积处理, 对图像进行水平投影找到人眼大致位置, 对眼部进行粗定位。对该区域进行灰度投影, 分割左、右眼, 再分别对左、右眼进行定位, 从而得到人眼的精确定位。实验选取15 帧图片作为测试视频序列, 其结果表明, 该算法准确地解决了眼动追踪问题, 满足实时性要求。