基于肤色的人脸眼部区域图像自动分割方法*

眼睛是人脸特征最主要的构成部分。基于眼部特征的人脸检索不仅可以提高人脸识别和检测的速度,而且能够降低识别算法的复杂度。要提取眼睛特征,首先要检测眼睛并提取眼睛区域图像,本文选择了一种基于肤色的人脸眼部区域图像自动分割方法。直接对彩色人脸图像利用YCbCr空间下肤色的色度与亮度的相关性将眼睛位置定位出来,再根据眼睛位置分割得到人脸眼部区域的带状图像。通过对图像库中的1000幅彩色人脸图像进行试验检测表明,计算机分割一张图像眼部区域的平均时间为1.785s,对图像库中人脸眼部区域图像分割提取的成功率为99.37%。     

基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测

目的 疲劳驾驶是引发车辆交通事故的主要原因之一,针对现有方法在驾驶员面部遮挡情况下对眼睛状态识别效果不佳的问题,提出了一种基于自商图—梯度图共生矩阵的驾驶员眼部疲劳检测方法。方法 利用以残差网络（residual network,ResNet）为前置网络的SSD（single shot multibox detector）人脸检测器来获取视频中的有效人脸区域,并通过人脸关键点检测算法分割出眼睛局部区域图像;建立驾驶员眼部的自商图与梯度图共生矩阵模型,分析共生矩阵的数字统计特征,选取效果较好的特征用以判定人眼的开闭状态;结合眼睛闭合时间百分比（percentage of eyelid closure,PERCLOS）与最长闭眼持续时间（maximum closing duration,MCD）两个疲劳指标来判别驾驶员的疲劳状态。结果 在六自由度汽车性能虚拟仿真实验平台上模拟汽车驾驶,采集并分析驾驶员面部视频,本文方法能够有效识别驾驶员面部遮挡时眼睛的开闭状态,准确率高达99.12%,面部未遮挡时的识别精度为98.73%,算法处理视频的速度约为32帧/s。对比方法1采用方向梯度直方图特征与支持向量机分类器相结合的人脸检测算法,并以眼睛纵横比判定开闭眼状态,在面部遮挡时识别较弱;以卷积神经网络（convolutional neural network,CNN）判别眼睛状态的对比方法2虽然在面部遮挡情况下的准确率高达98.02%,但眨眼检测准确率效果不佳。结论 基于自商图—梯度图共生矩阵的疲劳检测方法能够有效识别面部遮挡时眼睛的开闭情况和驾驶员的疲劳状态,具有较快的检测速度与较高的准确率。     

嵌入式疲劳驾驶监测系统的设计与实现

疲劳驾驶是引发恶性交通事故的重要原因之一,驾驶员疲劳监测技术近年来已逐步成为图像处理领域的一个研究热点。基于改进的和提出的新算法,设计了一个嵌入式驾驶员疲劳监测系统。由可见光/近红外摄像头采集视频,首先采用Haar特征的级联分类器从图像中检测出人脸区域,并用钻石搜索法跟踪人脸区域;然后提取一个新的图像差分统计特征,并结合3个准则判断疲劳状态;最后采用全变分模型消除图像中的非均匀光照,以便实现鲁棒的人眼定位和人脸识别。实验测试结果表明,本系统的疲劳状态监测准确率达到95%以上。     

基于深度学习的疲劳驾驶检测算法

针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG （Histogram of Oriented Gradient）特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区域的分割;最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征,并融合驾驶员嘴部的疲劳特征进行疲劳预警.大量的实验表明,该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.     

Gentle-Adaboost在红外视频驾驶员疲劳检测中的应用研究

眼睛状态的检测是驾驶员疲劳检测的关键,但夜间复杂的行车环境导致眼睛状态不易检测,针对这种情况,首先用Gentle-Adaboost算法对大量红外样本训练得到人脸和眼睛分类器,用分类器对驾驶员进行面部和眼睛检测,并提出了采用高斯模型对眼睛区域的垂直积分投影分析得到眼睛睁闭状态的方法,进而计算PERCLOS和EBN,对驾驶员的精神状态进行检测;通过定位人脸以缩小眼睛的搜索区域,不仅可以提高眼睛的检测率,还可提高检测速度;在Visual Studio2012和Opencv 2.4.4中对该系统进行仿真,验证了其有效性和实时性.     

一种处理部分遮挡表情图像的方法

针对目前表情识别中眼部因头发、帽子等物体而存在部分遮挡的问题,提出了一种基于对称变换的眼部遮挡处理方法。方法针对二值化的人脸表情图像,参照人脸几何特征对眼部区域进行垂直积分投影;通过中心线检测算法,确定人脸的中心线并判断是否存在遮挡。对于不可容忍的遮挡,进行对称变换处理以修复表情图像。实验表明,在相同的特征提取方法和分类器选择情况下,该方法可有效提高部分遮挡人脸表情的识别效果,并可容忍头部一定范围内的偏转。     

FSVM方法在人眼状态识别中的应用

本文考虑眼睛状态检测问题,提出了一种结合用gabor滤波和模糊支持向量机进行人眼状态检测的方案。首先用gabor小波对人脸图像进行特征提取,从而得到眼睛特征图像,然后在特征空间中,用FSVM和三叉决策树相结合设计眼睛状态分类器。在AR人脸库上的实验结果表明,该算法能够取得较好的分类效果。     

基于模糊综合评价的疲劳驾驶检测算法研究

疲劳驾驶是引发交通事故的一个主要原因，对驾驶员疲劳驾驶做出准确、有效的检测和预防，具有重要的社会意义.在研究比较了前人工作的基础上，设计了一种基于机器视觉，图像处理的驾驶员疲劳检测机制.首先将传来的连续帧图像（视频）利用Adaboost算法进行人脸检测，根据人脸"三庭五眼"的分布特征分割出大致的人眼区域.在人眼定位过程中，采用OSTU阈值分割，非线性点运算和积分投影等预处理消除眉毛，并利用模糊综合评价算法对眼睛矩形区域的长宽比、拟合椭圆面积、瞳孔黑色素所占比例这3个影响因子进行分析，判别出眼睛的睁开闭合状态.最后根据PERCLOS原理对驾驶员的疲劳状态做出检测.实验结果表明，所提算法能够准确地判别出眼睛的睁闭状态及对驾驶员的疲劳状态的检测，具有较高的准确性和实用性.     

基于级联宽度学习的疲劳驾驶检测

为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法。用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别。实验结果表明,该算法的疲劳检测准确率为94.9%,单帧检测时间52.43 ms。     

机器人系统中人脸特征提取技术的研究与实现

该文描述了在智能机器人系统中人脸特征提取技术的研究与实现,提出了一种新的并且在机器人系统中实现的人脸特征提取方法,该方法首先利用基于Adaboost的人脸检测算法对采集到的原始图像进行人脸检测,从而得到人脸图像;然后让人脸图像通过一个空间掩模滤波器,去除图像中明显非人脸特征的区域,再经过二值化后得到二值化图像;将二值化图像与一个矩形模板相卷积,得到卷积值与模板索引数的二维曲线图,在二维曲线图中,最高的两个峰就分别对应了眼睛和眉毛,再根据人脸特征几何分布关系判断出眼睛,眉毛和嘴,从而得到最终的人脸特征.该方法检测率高,计算量小,实时性很强,满足了机器人系统中资源有限的约束条件.     

基于支持向量机的多姿态人脸特征定位

提出一种多姿态人脸特征定位方法,在Adaboost定位的人脸区域中划分眼、鼻和嘴的搜索区域,利用眉眼和鼻嘴整体特征,通过大规模多姿态五官样本训练的支持向量机在搜索区域中确定候选眼、鼻及嘴区域。对候选眼、鼻及嘴区域进行筛选与合并以确定最佳位置,实现多姿态人脸上五官的准确定位。实验结果表明,该方法具有较好的精确性和鲁棒性,能适应复杂背景下表情变化的多姿态人脸上的眼、鼻及嘴的定位。     

一种鲁棒的旋转不变性多姿态人眼定位方法*

提出一种新的针对平面任意旋转角度的多姿态人眼定位的鲁棒方法。使用旋转不变性多姿态(RIMV)人脸检测器定位人脸区域并划分眼睛搜索范围,利用眉眼整体特征采用交叉检测法,用大规模多姿态眉眼及眼睛样本训练的二级支持向量机搜索区域,并选择若干个SVM判别函数值最高的窗口作为候选眼睛区域,根据候选窗口重叠情况进行筛选和合并以确定眼睛的最佳位置。实验表明,该方法具有很好的精确性和鲁棒性,能适应复杂背景下表情变化的任意姿态人脸上的眼睛定位。     

一种眼睛定位和状态分析方法

基于计算机视觉处理的方式大多都是通过分析眼睛的状态来判断驾驶员的疲劳状态,其中,眼睛的精确定位和眼睛状态的准确分析是关键环节。提出一种有效的眼睛精确定位和眼睛状态分析方法,通过在自然环境下先检测出人脸,然后进行眼睛的精准定位和眼睛状态分析。首先,使用等亮度线方法进行眼睛区域精确定位和图像预处理,然后使用数学形态学方法分析眼睛的状态。实验结果表明,该方法能很好地反应出眼睛的变化状态,有较高的准确性,能满足疲劳检测的应用要求。     

基于彩色分割的虹膜检测

提出了一种基于彩色分割的虹膜检测方法，对于一幅经过准确定位的眼睛窗口图像，它的彩色信息比灰度信息更有助于进行虹膜检测。首先利用图像颜色的饱和度信息将眼睛图像中的眼睛区域与皮肤区域分离，然后利用亮度信息将眼睛区域的眼白和虹膜分离得到虹膜区域，再通过Hough变换进行虹膜检测。结果证明该方法不仅检测率高，而且能适应一定人脸姿势、眼睛视线方向的变化，甚至在眼睛区域较暗的情况下，也能很好地检测到虹膜。     

Development of a personified face emotion recognition technique using fitness function

In this article, two subjects, one South East Asian (SEA) and the other Japanese, are considered for face emotion recognition using a genetic algorithm (GA). The parameters relating the face emotions in each case are entirely different. All six universally accepted emotions and one neutral are considered for each subject. Eyes and lips are usually considered as the features for recognizing emotions. This paper has two parts. The first part investigates a set of image processing methods suitable for recognizing face emotion. The acquired images have gone through a few preprocessing methods such as gray-scale, histogram equalization, and filtering. The edge detection has to be sufficiently successful even when the light intensity is uneven. So, to overcome this problem, the histogram-equalized image has been split into two regions of interest (ROI): the eye and lip regions. The two regions have been applied with the same preprocessing methods, but with different threshold values. It was found that the Sobel edge detection method performed very well in segmenting the image. Three feature extraction methods are considered, and their respective performances are compared. The method which is fastest in extracting eye features is adopted. The second part of the paper discusses the way to recognize emotions from eye features alone. Observation of various emotions of the two subjects lead to an unique eye characteristic, that is, the eye exhibits ellipses of different parameters in each emotion. The GA is adopted to optimize the ellipse characteristics of the eye features in each emotion based on an ellipse-based fitness function. This has shown successful emotion classifications, and a comparison is made on the emotions of each subject.     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

边缘检测眼底图像屈光度测量的研究

为了解决人眼屈光度测量精度问题,提出了一套基于眼底视网膜图像处理的眼睛屈光度参数测量方法。该方法将从眼底视网膜上反射成像在CCD上的六点红外图像采集到计算机中处理。首先定位六点区域,然后利用边缘CANNY检测算子对六个区域分别图像去噪、平滑处理和边缘检测,最后再用最小二乘拟合的方法计算测量图像的中心,求出眼睛屈光度。实验用标准模拟眼进行了检测,并与二值化法进行了比较,精度明显提高。实验结果表明,该方法使测量精度能达到±0.25D,达到国家计量部门的要求。     

基于规则与卡尔曼滤波的人眼跟踪

本文提出一种基于YCbCr空间、规则和卡尔曼滤波的人眼跟踪方法。该方法首先利用肤色在YCbCr空间的特性建立肤色模型分割出肤色，然后通过设定的规则得到人眼区域，最后利用卡尔曼滤波的方法实时跟踪人眼。实验表明，该方法能达到实时效果且跟踪正确率较高。     

基于特征表达式的算法识别技术

以代码逆向分析得到的高级语言为基础,提取特征表达式作为算法的特征模式。综合考虑高级语言中表达式的恢复程度,设计严格相容与变形相容2种识别策略,在此基础上提出一种基于抽象语法树的算法特征表达式识别方法,利用该方法可较好地识别目标代码中包含的算法,提高代码的分析效率。