人眼检測方法综述在人的面部中，眼睛是最为常用的典型特征，通过人眼的检测与定位，可以获取很多重要的生物信息。本文的研究内容即是利用人眼状态检测对驾驶员眼部的开闭进行判断，进而实现对驾驶员疲劳程度的判别。本文算法的基本思想，即是当检测到驾驶员的眼部位置以后，提取眼部特征，对眼部的闭合程度进行判别,从而得出驾驶员的疲劳程度。在上述整个检测系统中，人眼状态检测与定位是系统中最核心的组成部分。就以现有研究而言，人眼检测的方法可根据入射光源的不同来进行分类。通常的人眼检测主要包括两大类：一是常规光源下的人眼检测，二是红外光源下的人眼检测。其分类如下图：图1人眼检测方法分类示意图1常规光源下的人眼检测所谓的常规光源即是指自然光源、普通人造光源等普通光源。在现实的工程应用中，大多数情况都是在自然光源下发生与进行的，因而人眼检测通常也是在常规光源下进行的。常规光源下的人眼检测方法大致分为三类，B|J：基于
模板
个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载
匹配的人眼检测方法、基于先验经验的人眼检测方法以及基于统汁理论的人眼检测方法三大类。1.1基于模板匹配的人眼检测方法该方法需要对采集的人眼图像先进行算法处理，从而得到相应的参数与特征。将所得参数与已知的人眼模型进行匹配讣算以求得其相似度。若相似度满足一定的阈值条件，则判定该图像为人眼，反之则不是。模板匹配方法主要分为以下两种：一、儿何特征模板该方法利用人脸区域内的各个器官之间的位置关系实现人眼的状态检测与定位。一般悄况下，人的双眼与鼻子可近似看作一个倒三角形，且双眼所处的位置固定；人眼的上下眼睑在图像中均可近似看作抛物线，如图2.2所示。该方法算法设计简单，但对于待测样本的要求较高，其眼部初始的相对位置必须与已知人眼模型保持一致。为解决这一问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
，各位学者也提出了很多新兴的人眼特征匹配方法，但这些方法虽然在人眼识别率方面有所提高，但其算法复杂度也大幅提升，导致检测速度受到限制而大幅下降，使得这些算法在实时性方面也大打折扣；同时，该方法实在难以应用于有一定旋转角度的人脸图像，因此无法对其进行实际应用。(a)人脸倒三角示意图(b)人眼抛物线示意图图2人眼几何特征示意图二、灰度投影模板由于人眼的位置信息在积分投影曲线上可以得到较好的体现，利用此特点可在水平和竖直两个方向上对人眼图像进行积分投影，从而实现灰度投影模板匹配的人眼检测。目前而言，积分投影算法包括四大类：积分投影函数IPF(IntegralProjectionFunction)、方差投影函数VPF(VarianceProjectionFunction)>均值投影函数MPF(MeanProjectionFunction)以及混合投影函数HPF(HybridProjectionFunction),其中最为常用的投影函数即是积分投影函数，可以通过对积分投影函数值的分析提取图像中的特征。该方法在算法的设计上较为简单，实现也较为方便，处理速度快，但其检测准确率容易受到人脸姿态、眉毛位置以及光照条件等因素的影响，且影响程度也较大，因此该方法需要和其它方法相结合才能提高其准确率；另外，该方法对于存在旋转角度的人脸并不完全适应，需要对其进行一定程度的矫正才可达到较为理想的效果。投影法的结果示意图如下图2.3所示。(C)匪宜投影(b)水平投影图3投影法示意图1.2基于先验经验的人眼检测方法基于先验经验的人眼检测方法，其基本思想是利用人脸上五官分布具有一定的固有规则这一特点，并将这些规则作为划定人眼位置的判断
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
。在人眼定位的相关算法中，最常用的“三庭五眼”规则正是所谓先验经验的其中之一。该方法以眉毛与鼻子为分界线，从上到下将人脸划分为了分布相对平均的三个区域,即三庭；乂将人脸从左至右平均划分成了五个宽度基本相同的区域，即五眼。有关“三庭五眼”的示意图如下图2.4所示。五眼图4三庭五眼示意图通过这些特定不变的规则，可以实现对人眼位置进行初步的划定；然而，山于先验知识有较大的主观性与局限性，不可简单地将之完全应用于人眼检测的相关研究，故而在当下的研究中往往只会将之作为约束条件以进行辅助检测；另外,基于先验知识的人眼检测方法大多只应用于实现对人脸图像中人眼的大致位置进行初步的定位，通常并不适合应用于人眼状态的检测，故仅仅只可以作为进行人眼状态检测前的早期准备而已。13基于统计理论的人眼检测方法基于统计学习的人眼检测方法，其基本思路是对问题的转换。该方法首先需要通过大量的样本进行训练，以此得到相应的人眼模型，进而将人眼检测问题转换成为二分类问题。常见的基于统计•理论的人眼检测算法主要有支持向量机(SupportVictorMachine,SVM)、Adaboost算法、主成分分析方法(PrincipalComponentsAnalysis,PCA),以及神经网络等。另外，相对于以上传统的检测系统，尚有一种基于级联(BasedonCascade)分类器的人眼检测系统，该系统在检测的准确率上有了很大的提高。基于统计学习的人眼检测方法，其检测精度和准确率都较高，但相对于儿何特征、模板匹配的人眼检测算法，该方法的计算复杂度较高，实现难度也较大，故而该方法在实际应用方面受到的限制也较大。2红外光源下的人眼检测红外光源下的人眼检测，其基本思想主要是利用瞳孔与虹膜对红外线的反射特性来实现人眼检测。该方法需要在红外光源的辅助下才能实现，因此对于外部设备的依赖程度较大，故该方法在实际应用上有所不便，存在颇多掣肘。目前，对该方法的一种较为成熟的应用是，采用红外彩色摄像头配合滤波器滤除图像中的噪声信号与非脸部图形，在采用灰度模式匹配方法以确定眼睛区域并判断眼部开闭状态。借助特种光源实现眼部状态的检测，在检测的准确度上确实有了较大的提高,但该方法受制于红外光源的稳定性以及人脸姿态的多样性，故而该方法仍存在较大的改进空间，且具有极大的发展潜力。3基于瞳孔特征的人眼状态检测本文提出的基于瞳孔特征的人眼状态检测方法，基本上属于基于常规光源的检测方法，并且在此基础上结合了红外光源下的人眼状态检测方法的部分思想，对该算法进行了一定的改进。基于瞳孔特征的人眼状态检测方法的基本流程如下图2.5所示，其具体的实现过程将在下文中进行详细论述。获取眼部图像，■检测其中睦孔部分的边缘信息利用灰度投彩粗走位瞳孔中心,以几何学方法矫正位置'得到理想瞳孔面积利用区域生长法分割瞳孔实际区域,得到睦孔的实际面积禾U用所述理论瞳孑L面积与实际瞳孔面积,—_得到人眼闭台系数『确走眼睛状态—图5本文算法基本流程图
浙公网安备 33021202002483