一種利用圖像信息來識(shí)別人眼狀態(tài)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種利用圖像信息來識(shí)別人眼狀態(tài)的方法。
【背景技術(shù)】
[0002] 人眼的狀態(tài)識(shí)別具有非常廣泛的應(yīng)用場(chǎng)景，比如通過判斷人眼狀態(tài)來識(shí)別駕駛員 是否疲勞駕駛，通過人眼狀態(tài)來進(jìn)行人機(jī)交互等。目前國(guó)內(nèi)外人眼狀態(tài)識(shí)別的方法主要有 Ξ種:基于灰度投影的方法、基于灰度直方圖的方法和基于幾何參數(shù)特征匹配方法。
[0003] 由于人眼的眼球、虹膜、皮膚的灰度各不相同，因此人眼在張開和閉合時(shí)眼睛區(qū)域 的圖像灰度會(huì)有比較明顯的區(qū)別?；谶\(yùn)樣的原理，灰度投影的方法首先將人眼圖像轉(zhuǎn)換 為灰度圖像，然后將圖像進(jìn)行大小歸一化和灰度均衡，接著計(jì)算圖像的灰度水平投影和灰 度垂直投影，將灰度投影作為特征數(shù)據(jù)進(jìn)行訓(xùn)練，最終獲得基于灰度投影的人眼狀態(tài)分類 器。由于基于灰度投影的方法利用水平和垂直投影的方式來獲取圖像中的人眼狀態(tài)特征， 因此該方法對(duì)人眼的定位、角度、光照都有比較強(qiáng)的依賴。在光源不穩(wěn)定的場(chǎng)景投影曲線的 峰值變化很大，人眼定位不是很精確或人眼傾斜時(shí)的投影曲線也會(huì)發(fā)生不同程度的偏移， 嚴(yán)重影響分類器分類的效果，進(jìn)而影響人眼狀態(tài)的識(shí)別效果。
[0004] 由于人眼在張開和閉合時(shí)，圖像中眼睛區(qū)域各個(gè)灰階所占的比重不同，基于灰度 直方圖的方法通過各個(gè)灰階所占的比重來判斷人眼的狀態(tài)。計(jì)算的流程如下：首先將人眼 圖像進(jìn)行灰度轉(zhuǎn)換、歸一化和灰度均衡，然后計(jì)算圖像的灰度直方圖，再將灰度直方圖中的 256個(gè)灰階合并為64個(gè)灰階，將64個(gè)灰階直方圖特征進(jìn)行訓(xùn)練，最終獲得基于灰度直方圖的 人眼狀態(tài)分類器。由于人眼的狀態(tài)和圖像的灰度具有強(qiáng)相關(guān)性，因此在光照變化比較大的 情況下直方圖會(huì)產(chǎn)生很明顯的噪音，識(shí)別效果也比較差。
[0005] 由于人眼在張開和閉合時(shí)的眼險(xiǎn)的弧度不同，而且閉合時(shí)看不到瞳孔。因此只要 能判斷圖像中眼睛區(qū)域邊緣輪廓的曲線弧度，就可W判斷人眼的狀態(tài)?；趲缀螀?shù)特征 的方法根據(jù)曲線擬合的方式獲得曲線方程的參數(shù)信息，判斷曲線的弧度來判斷眼睛的狀 態(tài)。具體流程如下:首先將人眼圖像進(jìn)行灰度轉(zhuǎn)換，再使用化nny算子對(duì)圖像進(jìn)行邊緣檢測(cè)， 再對(duì)邊緣圖像進(jìn)行化U曲變換，結(jié)合邊緣檢測(cè)中的角點(diǎn)信息，就可W計(jì)算瞳孔的半徑和眼險(xiǎn) 楠圓的長(zhǎng)軸、短軸等參數(shù)信息，判斷出眼臉的弧度。通過經(jīng)驗(yàn)方程，通過判斷是否有瞳孔和 眼臉的弧度就可W確定人眼張開和閉合的狀態(tài)，如圖1?；趲缀螀?shù)特征的方法依賴邊緣 特征進(jìn)行人眼狀態(tài)識(shí)別，與前兩種方法比較，該方法對(duì)光照具有比較強(qiáng)的魯棒性。但是在人 眼圖像傾斜的情況下，曲線擬合算法會(huì)出現(xiàn)偏差;另外，眼險(xiǎn)曲線擬合的精度嚴(yán)重依賴于左 眼角和右眼角的檢測(cè)精度，由于左、右眼角檢測(cè)所使用的角點(diǎn)檢測(cè)算法本身也存在不少技 術(shù)難點(diǎn)，該角點(diǎn)檢測(cè)算法給系統(tǒng)帶來的疊加誤差也影響了最終的人眼狀態(tài)識(shí)別率。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種用圖像信息來識(shí)別人眼狀態(tài)的方法，能在復(fù)雜場(chǎng)景中 進(jìn)行人眼狀態(tài)識(shí)別，提升了人眼狀態(tài)識(shí)別的正確率，能推動(dòng)人眼狀態(tài)識(shí)別技術(shù)的應(yīng)用發(fā)展。
[0007] 本發(fā)明一種用圖像信息來識(shí)別人眼狀態(tài)的方法，包括人眼狀態(tài)識(shí)別分類器訓(xùn)練和 人眼狀態(tài)識(shí)別分類器分類兩個(gè)步驟： 步驟1、人眼狀態(tài)識(shí)別分類器訓(xùn)練： 步驟11、獲取人眼圖像 對(duì)采集的人眼樣本圖像進(jìn)行人眼檢測(cè)運(yùn)算，獲取人眼位置信息，分割出人眼圖像； 步驟12、人眼圖像灰度均衡處理 遍歷人眼圖像并統(tǒng)計(jì)圖像的灰度直方圖，然后將灰度直方圖進(jìn)行拉伸，使得直方圖累 計(jì)函數(shù)保持線性增長(zhǎng)，記錄下拉伸前和拉伸后的灰度值對(duì)應(yīng)關(guān)系，然后根據(jù)灰度值對(duì)應(yīng)關(guān) 系對(duì)原始人眼圖像進(jìn)行灰度轉(zhuǎn)換； 步驟13、計(jì)算灰度圖像垂直投影特征 首先對(duì)灰度均衡處理后的人眼圖像進(jìn)行大小歸一化到32x16的像素大小，然后遍歷人 眼圖像，分別統(tǒng)計(jì)人眼圖像每行和每列的平均灰度值組成一個(gè)32維的垂直投影特征向量； 步驟14、計(jì)算人眼圖像統(tǒng)一局部二值模式特征值 計(jì)算灰度均衡處理后人眼圖像的每個(gè)像素點(diǎn)和其鄰域其他像素點(diǎn)的差值，如果差值大 于0則賦值為1，如果差值小于0則賦值為0,按照3X3的鄰域范圍計(jì)算，就有8位的二進(jìn)制結(jié) 果，將運(yùn)8位二進(jìn)制結(jié)果組成一個(gè)新的字節(jié)，作為表示該像素點(diǎn)的局部二值模式特征值，從 256個(gè)局部二值模式特征值中抽取具有旋轉(zhuǎn)不變性的59個(gè)特征值作為統(tǒng)一局部二值模式特 征值，每個(gè)人眼圖像共獲得1344個(gè)統(tǒng)一局部二值模式特征值的特征向量； 步驟15、人眼狀態(tài)識(shí)別分類器訓(xùn)練 將32維的垂直投影特征向量和1344個(gè)統(tǒng)一局部二值模式特征值的特征向量結(jié)合，則每 個(gè)人眼圖像樣本獲得一個(gè)1376維的特征向量，將該特征向量輸入支持向量機(jī)的人眼狀態(tài)分 類器中，采用支持向量機(jī)進(jìn)行樣本訓(xùn)練獲得人眼狀態(tài)分類模型； 步驟2、人眼狀態(tài)識(shí)別分類器分類： 對(duì)采集的圖像進(jìn)行人眼檢測(cè)運(yùn)算得到人眼圖像，通過步驟11至步驟14,對(duì)人眼圖像進(jìn) 行預(yù)處理，獲取人眼圖像的統(tǒng)一局部二值模式特征值的特征向量和垂直投影特征向量，將 運(yùn)些特征向量輸入人眼狀態(tài)分類器中，并加載人眼狀態(tài)分類模型后對(duì)人眼圖像進(jìn)行分類， 判定人眼狀態(tài)。
[0008] 所述的支持向量機(jī)對(duì)人眼狀態(tài)模型進(jìn)行訓(xùn)練，使用Sigmoid函數(shù)作為核函數(shù)，該 Si卵oid核函數(shù)定義如下:?輸淹(沒d， 其中X表示輸入向量，y表示輸出標(biāo)簽，g為特征值初始權(quán)重，C為噪聲偏置。
[0009] 本發(fā)明利用圖像統(tǒng)一局部二值模式特征來描述人眼圖像，將垂直投影特征和局部 二值模式特征結(jié)合作為人眼圖像狀態(tài)的描述特征;并使用支持向量機(jī)及Sigmoid核函數(shù)作 為人眼圖像狀態(tài)的分類器，計(jì)算出最終的人眼圖像狀態(tài)，提升了人眼狀態(tài)識(shí)別的正確率。
[0010] 由于本發(fā)明采用了統(tǒng)一局部二值模式特征值和垂直投影特征對(duì)人眼圖像進(jìn)行描 述，在圖像旋轉(zhuǎn)、光照不均的場(chǎng)景進(jìn)行測(cè)試均具有比較好的魯棒性。使用本發(fā)明對(duì)不包含在 訓(xùn)練集中的2056個(gè)人眼圖像樣本進(jìn)行測(cè)試，判斷人眼狀態(tài)是張開還是關(guān)閉，其中正確識(shí)別 1987個(gè)，正確識(shí)別率為96.6%，高于前述其他方法的識(shí)別率。
【附圖說明】
[0011] 圖1為基于幾何參數(shù)特征方法中眼險(xiǎn)和瞳孔曲線模型的示意圖； 圖2為本發(fā)明人眼狀態(tài)訓(xùn)練流程圖； 圖3為本發(fā)明人眼狀態(tài)分類流程圖。
[0012] W下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳述。
【具體實(shí)施方式】
[0013] 本發(fā)明一種用圖像信息來識(shí)別人眼狀態(tài)的方法，包括人眼狀態(tài)識(shí)別分類器訓(xùn)練和 人眼狀態(tài)識(shí)別分類器分類兩個(gè)步驟： 步驟1、人眼狀態(tài)識(shí)別分類器訓(xùn)練，如圖2所示： 步驟11、獲取人眼圖像 對(duì)采集的樣本圖像進(jìn)行人眼檢測(cè)運(yùn)算，獲取人眼位置信息，分割出人