基于图像灰度特征的人眼定位及状态识别

《基于图像灰度特征的人眼定位及状态识别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于图像灰度特征的人眼定位及状态识别　　摘要：针对眉毛和眼镜框等区域对人眼定位造成较大影响的问题，根据人眼周围区域各部位灰度值变化特征，提出了一种新的人眼定位及开闭状态识别算法。该算法利用AdaBoost算法对人眼进行粗定位，通过图像水平积分法，根据积分极值点特征完成人眼特征的精确定位，实现人眼部位条状区域的分割。最后利用投影法得出人眼的开闭状态。实验结果表明，该文提出的方法能够有效准确的实现人眼部位

2、的精确定位，对人眼开闭状态识别率能够满足实际需求，且对图像中的各种干扰因素具有较强的鲁棒性。　　关键词：人眼定位；人眼状态识别；AdaBoost算法；水平积分投影法　　中图分类号：TP31文献标识码：A文章编号：1009--0170-03　　Abstract：Aimingattheproblemthateyebrowframeandotherareashavegreatinfluenceonhumaneyelocation，aneweyelocationandstaterecognitionalgorithmisproposedBasedonthechangeofgrayva

3、lueindifferentpartsofthehumaneye.ThealgorithmusesAdaBoostalgorithmtolocatethehumaneyeroughly，andcompletesthepreciselocationofhumaneyeBased为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管

4、理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。ontheintegralextremumpointfeaturebyimagehorizontalintegrationmethod，andrealizesthesegmentationofhumaneyepart.Finally，byusingtheprojectionmethodofopeningandclosingstateoftheeye.Experimentalresultsshowthattheproposedmethodcanaccuratelyandaccuratelylocatehumaneyes，

5、anditcanmeettheactualdemandofhumaneyeopeningandclosingstate，andisrobusttoallkindsofinterferencefactorsinimages.　　Keywords：eyelocation；eyestaterecognition；AdaBoostalgorithm；projectionmethod　　1概述为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“

6、教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　在�辆辅助驾驶系统中，人眼作为人脸特征的关键特征，其定位精度和开闭状态判断的准确度直接影响系统对于驾驶员行车过程中分神或者疲劳状态检测的准确性[1]。目前人眼定位算法已较成熟，常用方法有以下几种：一是基于形状的人眼定位方法，如Hough变换法，利用瞳孔或虹膜的圆形特征，以眼睑或眼角的几何特征加以辅助，能够实现人眼的精确定位[2]。该方法常用于安检口身份验证及手机解锁等场合，通常需要指定被测者头部保持固定的姿

7、势，同时，该方法对测量设备精度要求较高，相应的增加了测量成本，同时，在被测者半闭眼或者完全闭眼情况下，无法完成人眼的定位；二是基于模板匹配进行人眼定位，该方法利用选定的模板图像与待测图像各区域进行比较，选出相似度最高的区域作为匹配结果[3]。其优点是原理简单，操作便捷，缺点是由于每次匹配需要对图像进行全局扫描，计算量较大，难以满足实时检测需要，同时算法对头部运动以及光照变化等因素的鲁棒性较差；三是基于图像的色彩、频域、纹理等特征，结合机器学习算法，通过样本训练得出的人眼定位决策模型完成定位。然而，该方法