驾驶人眼睛局部区域定位算法

被引：11

作者：

张波

王文军

张伟

李升波

成波

机构：

[1] 清华大学汽车工程系,汽车安全与节能国家重点实验室

来源：

清华大学学报(自然科学版) | 2014年 / 54卷 / 06期

关键词：

疲劳驾驶; 机器视觉; 眼睛定位;

D O I：

10.16511/j.cnki.qhdxxb.2014.06.021

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

基于机器视觉的驾驶人疲劳检测系统,通过对驾驶人眼睛动作的分析实现对驾驶人疲劳状态的估计。眼睛区域的准确定位是保证疲劳检测精度的前提条件。然而,实际行车过程中,驾驶人头部姿态随机、快速变化会造成眼睛区域定位精度的严重下降。该文在基于主动形状模型(ASM)算法实现驾驶人眼睛区域粗定位的基础上,针对ASM模型在实际检测过程中的姿态适应性较低与定位精度不高的问题,提出局部ASM模型来增强ASM算法的姿态适应性;进一步引入平均合成精确滤波器(ASEF)算法与ASM算法相结合的思路提高对眼睛区域的定位精度;同时,提出单、双眼相结合的ASEF算法来提高眼睛虹膜中心定位的鲁棒性。实验结果表明:该算法对于驾驶人头部姿态变化具有较强的适应性,能够实现眼睛区域的准确定位。

引用

页码：756 / 762

页数：7

共 10 条

[1]

基于机器视觉的驾驶人疲劳状态识别关键问题研究.[D].张伟.清华大学.2011, 04

[2] 驾驶人眼睛定位与跟踪算法的研究 [J].

张伟 ;

成波 ;

张波 .

汽车工程, 2012, 34 (10) :889-893

[3] 驾驶人眼睛区域的鲁棒性定位算法研究 [J].

张伟 ;

成波 ;

张波 .

物理学报, 2012, 61 (06) :104-112

[4]

中国交通年鉴.[M].中国交通年鉴社编辑;.中国交通年鉴社.2003,

[5]

Driver drowsiness detection with eyelid related parameters by Support Vector Machine.[J].Shuyan Hu;Gangtie Zheng.Expert Systems With Applications.2008, 4

[6]

Diffeomorphic statistical shape models.[J].T.F. Cootes;C.J. Twining;K.O. Babalola;C.J. Taylor.Image and Vision Computing.2007, 3

[7]

A generative framework for real time object detection and classification.[J].Ian Fasel;Bret Fortenberry;Javier Movellan.Computer Vision and Image Understanding.2004, 1

[8] Real-time eye, gaze, and face pose tracking for monitoring driver vigilance [J].

Ji, Q ;

Yang, XJ .

REAL-TIME IMAGING, 2002, 8 (05) :357-377

[9] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

[10] FEATURE-EXTRACTION FROM FACES USING DEFORMABLE TEMPLATES [J].

YUILLE, AL ;

HALLINAN, PW ;

COHEN, DS .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 1992, 8 (02) :99-111

← 1 →