《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 人工智能 > 設(shè)計應(yīng)用 > 基于疲勞駕駛的人眼定位方法研究
基于疲勞駕駛的人眼定位方法研究
《信息技術(shù)與網(wǎng)絡(luò)安全》2020年第6期
杜永昂,，楊耀權(quán)，金玥佟
華北電力大學(xué) 控制與計算機學(xué)院,，河北 保定071003
摘要： 人眼定位是疲勞駕駛的研究關(guān)鍵,。由粗到精，先后進行了人臉檢測,、瞳孔定位,。針對現(xiàn)有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權(quán)的HOG特征提取算法,，該算法將待分類的人臉特征進行信息熵閾值加權(quán),，形成新的HOG特征，然后通過支持向量機進行分類,；針對現(xiàn)有瞳孔定位算法準確率不高的問題,，提出了多算法協(xié)同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點,，實現(xiàn)了眼部區(qū)域光照不變性,，以灰度積分投影為依據(jù)實現(xiàn)了瞳孔精確定位。實驗結(jié)果表明,，該文提出的人臉檢測算法在CelebA驗證數(shù)據(jù)集準確率可達到98.26%,，較傳統(tǒng)識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度,，提高了瞳孔定位的準確性,。
中圖分類號： TP391.41
文獻標(biāo)識碼： A
DOI： 10.19358/j.issn.2096-5133.2020.06.004
引用格式： 杜永昂，楊耀權(quán),，金玥佟. 基于疲勞駕駛的人眼定位方法研究[J].信息技術(shù)與網(wǎng)絡(luò)安全,，2020，39(6)：19-23,，30.
Research on eye localization method based on fatigue driving
Du Yongang,，Yang Yaoquan，Jin Yuetong
School of Control and Computer Engineering,，North China Electric Power University,，Baoding 071003,，China
Abstract： Eye positioning is the key of fatigue driving research. In this paper, from rough to fine, face detection and pupil positioning were carried out successively. To solve the problem of poor generalization ability of existing face detection algorithms based on histogram of directional gradient, this paper proposes a HOG feature extraction algorithm based on information entropy weighting. This algorithm can calculate the threshold weight of face features to be classified to form a new HOG feature, and then classify it by support vector machine. Aiming at the problem that the accuracy of pupil positioning is not high, this paper proposes a method of pupil positioning that works in collaboration with multiple algorithms, searches for binary segmentation points based on the self-quotient chart, realizes the illumination invariance of the eye region, and realizes the accurate pupil positioning based on the gray integral projection. Experimental results show that the face detection algorithm proposed in this paper can achieve 98.26% accuracy in CelebA validation data set, which is higher than the traditional recognition method. The pupil positioning algorithm can also achieve satisfactory accuracy, and improve the accuracy of pupil positioning.
Key words : pupil orientation；information entropy,；self quotient image,；illumination invariance

隨著社會經(jīng)濟的發(fā)展，我國汽車保有量逐年增加,，交通安全形勢愈發(fā)嚴峻,。在所有交通事故的成因中，由疲勞駕駛造成的交通事故占總交通事故的20%左右,，占特大交通事故40%以上,。目前，疲勞駕駛的檢測方法主要分為三大類：基于生理指標(biāo)的檢測方法,、基于駕駛員行為特性分析的檢測方法和基于面部表情識別的檢測方法,。基于生理指標(biāo)的檢測方法采用接觸式測量方式,，一般通過測試駕駛?cè)藛T的生理信號來推測駕駛?cè)说钠跔顟B(tài),。文獻[2]使用一種自制駕駛員腦電圖信號檢測裝置，采用快速傅里葉變換提取腦電圖功率譜密度,，當(dāng)分析腦電圖功率譜密度發(fā)現(xiàn)疲勞時,，采取一種自動減速的車輛速度控制策略。這種接觸式生理參數(shù)測試方法通常需要被測者佩戴相應(yīng)的裝置(如電極片等),，會給駕駛行為造成極大干擾,，不適合實際行車環(huán)境下的應(yīng)用?；隈{駛?cè)诵袨樘匦缘钠跈z測方法受道路環(huán)境,、行駛速度、個人習(xí)慣,、操作技能等的影響,，并不適用我國復(fù)雜多變的道路情形。得益于機器視覺等人工智能的發(fā)展,，基于面部表情的疲勞駕駛檢測方法因其應(yīng)用成本較低、無需干擾駕駛?cè)藛T,，已經(jīng)成為該領(lǐng)域的研究熱點,。文獻[3]基于開源庫提取的人臉輪廓點計算眼和嘴的縱橫比，生成瞇眼和哈欠特征,，基于線性擬合趨勢提取法生成車輛操縱活躍度特征,，然后采用改進的隨機森林模型對疲勞狀態(tài)進行識別。文獻[4]提出了一種采用級聯(lián)的序列級和幀級兩層檢測模型,，分別處理持續(xù)睜眼和眨眼的視頻序列,，實現(xiàn)由粗到精漸進地檢測眨眼的方法,，通過隨機回歸森林計算眼睛開合度，最終完成眨眼過程,。文獻[5]針對復(fù)雜光照和姿態(tài)變化造成疲勞駕駛的原因,，提出了實時增強約束局部模型的多信息疲勞檢測方法。文獻[6]提出比例縮減區(qū)域(PRA)的方法快速定位人眼,，其原理為對面部區(qū)域反復(fù)迭代縮減,，最后得到對人眼區(qū)域的定位。因此,，構(gòu)建一種可靠快速的人眼定位技術(shù)是對駕駛?cè)藛T疲勞檢測的關(guān)鍵,。由于光照、道路兩側(cè)樹木及樓房陰影等原因的影響,，直接在原始圖像中進行人眼定位存在較大困難,，而且準確率較低，因此,，人眼定位一般分為如下步驟：第一步,，在原始圖像中定位出人臉區(qū)域；第二步,，在人臉圖像中粗定位出人眼區(qū)域,；第三步，對人眼區(qū)域進行精確定位,。

       考慮到不同特征維度對人臉的貢獻程度不同,，本文提出了一種基于信息熵加權(quán)的方向梯度直方圖(Histogram of Oriented Gradients，HOG)與支持向量機(Support Vector Machine,，SVM)相結(jié)合的人臉檢測算法,，可以有效提取人臉特征，并準確完成人臉定位,。在完成人臉檢測之后,，以人臉區(qū)域為母版，先采用OpenCV開源實現(xiàn)對人眼的粗定位,；然后采用自商圖消除光照影響,，遍歷尋找最優(yōu)二值分割點；最后用二值分割圖像進行積分投影,，實現(xiàn)瞳孔的精確定位,。該算法解決了復(fù)雜光照下的瞳孔定位問題。


本文詳細內(nèi)容請下載:http://forexkbc.com/resource/share/2000003147


作者信息：

杜永昂,，楊耀權(quán),，金玥佟

(華北電力大學(xué) 控制與計算機學(xué)院，河北 保定071003)


此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。