《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 人工智能 > 設(shè)計(jì)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(jì)算機(jī)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(jìn)行了人臉檢測(cè)、瞳孔定位。針對(duì)現(xiàn)有方向梯度直方圖人臉檢測(cè)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(jìn)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(jī)進(jìn)行分類;針對(duì)現(xiàn)有瞳孔定位算法準(zhǔn)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(zhǔn)尋找二值分割點(diǎn),實(shí)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(shí)現(xiàn)了瞳孔精確定位。實(shí)驗(yàn)結(jié)果表明,該文提出的人臉檢測(cè)算法在CelebA驗(yàn)證數(shù)據(jù)集準(zhǔn)確率可達(dá)到98.26%,較傳統(tǒng)識(shí)別方法有更高的準(zhǔn)確率;而瞳孔定位算法也可達(dá)到令人滿意的精確度,提高了瞳孔定位的準(zhǔn)確性。
中圖分類號(hào): TP391.41
文獻(xiàn)標(biāo)識(shí)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(huì)經(jīng)濟(jì)的發(fā)展,我國(guó)汽車保有量逐年增加,交通安全形勢(shì)愈發(fā)嚴(yán)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(cè)方法主要分為三大類:基于生理指標(biāo)的檢測(cè)方法、基于駕駛員行為特性分析的檢測(cè)方法和基于面部表情識(shí)別的檢測(cè)方法?;谏碇笜?biāo)的檢測(cè)方法采用接觸式測(cè)量方式,一般通過測(cè)試駕駛?cè)藛T的生理信號(hào)來推測(cè)駕駛?cè)说钠跔顟B(tài)。文獻(xiàn)[2]使用一種自制駕駛員腦電圖信號(hào)檢測(cè)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(shí),采取一種自動(dòng)減速的車輛速度控制策略。這種接觸式生理參數(shù)測(cè)試方法通常需要被測(cè)者佩戴相應(yīng)的裝置(如電極片等),會(huì)給駕駛行為造成極大干擾,不適合實(shí)際行車環(huán)境下的應(yīng)用?;隈{駛?cè)诵袨樘匦缘钠跈z測(cè)方法受道路環(huán)境、行駛速度、個(gè)人習(xí)慣、操作技能等的影響,并不適用我國(guó)復(fù)雜多變的道路情形。得益于機(jī)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(cè)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(diǎn)。文獻(xiàn)[3]基于開源庫提取的人臉輪廓點(diǎn)計(jì)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(shì)提取法生成車輛操縱活躍度特征,然后采用改進(jìn)的隨機(jī)森林模型對(duì)疲勞狀態(tài)進(jìn)行識(shí)別。文獻(xiàn)[4]提出了一種采用級(jí)聯(lián)的序列級(jí)和幀級(jí)兩層檢測(cè)模型,分別處理持續(xù)睜眼和眨眼的視頻序列,實(shí)現(xiàn)由粗到精漸進(jìn)地檢測(cè)眨眼的方法,通過隨機(jī)回歸森林計(jì)算眼睛開合度,最終完成眨眼過程。文獻(xiàn)[5]針對(duì)復(fù)雜光照和姿態(tài)變化造成疲勞駕駛的原因,提出了實(shí)時(shí)增強(qiáng)約束局部模型的多信息疲勞檢測(cè)方法。文獻(xiàn)[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(duì)面部區(qū)域反復(fù)迭代縮減,最后得到對(duì)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(duì)駕駛?cè)藛T疲勞檢測(cè)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(jìn)行人眼定位存在較大困難,而且準(zhǔn)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(duì)人眼區(qū)域進(jìn)行精確定位。

       考慮到不同特征維度對(duì)人臉的貢獻(xiàn)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(jī)(Support Vector Machine,SVM)相結(jié)合的人臉檢測(cè)算法,可以有效提取人臉特征,并準(zhǔn)確完成人臉定位。在完成人臉檢測(cè)之后,以人臉區(qū)域?yàn)槟赴妫炔捎肙penCV開源實(shí)現(xiàn)對(duì)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(diǎn);最后用二值分割圖像進(jìn)行積分投影,實(shí)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(xì)內(nèi)容請(qǐng)下載:http://ihrv.cn/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(jì)算機(jī)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。