基于adaboost算法的驾驶员眨眼识别

《基于adaboost算法的驾驶员眨眼识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、责任编辑：韩汝水“辜于Ad8boost算法的驾驶员匠眼识剔DriverEyeBlinkingRecognitionBasedonAdaboost赵雪竹王秀朱学峰华南理工大学自动化科学与工程学院（广州510640）(1)初始化每个样木的权重摘要：驾驶员眨眼识别是汽车驾驶员疲劳检测的基础。采用了一种基于w1,i∈D(i)；Adaboost算法的实时眨眼识别的方法，它将一簇弱分类器通过一定的规则(2)对每个t=1,...,T(T力弱分类器结合成为一个强分类器，再把这些强分类器级联成为一个快速、准确的分的个数)类器。分析和讨论了训练阶段不同持征的负样本对最终检测结果的影响，①把权

2、重旧一化力一个概辜分布提出了一种新型的负样本选择方法，并实验测试各种持征方法对持定目标w,itw=的误检率，给出了一个理想的分类器。,itn∑=wj1t,j关罐词：眨眼识别；训练；负样本；误检率DOI:10.3969/j.issn.1005-5517.2009.09.006②对每个特征f，训练一个弱分类器hj计算对应所有特征的弱分类器的加权错误辜ε=∑wh(x)−yfiijii引富每一个强分类器对待检测的矩形特征③选取最佳的弱分类器ht(拥有眨眼是一种睁闭眼睛的生理活进行判决，将这些强分类器级联起来最小错误辜)：εt动，眨眼的速度会受疲劳程度、情感就可以生成一个淮确的、快

3、速的分类④按照这个最佳弱分类器，调整压力、行力种类、睡觉数量、眼睛受器。它的特点就是检测速度快，因力w=wβ1−εi权重t+,1i,itt[1~2]伤程度、疾病等因素影响。眨眼每一个强分类器都可以否决待检测的其中εi=0表示被正确地分类，εi=1识别是驾驶员疲劳检测的基础，木文矩形特征，所以前面的强分类器就可表示被错误地分类[3][4][5]采用Adaboost算法训练和检测眼以把大部分错误的特征给排除悼。εtβ=t睛睁闭状态，把睁眼和闭眼图片分类下面介绍Adaboost算法对强分类1−εt出来。器的训练。木文正样木力包含鲁种(3)最后的强分类器力：姿态入眼的图片(睁眼、

4、闭眼、带眼⎧T1T⎪1∑∑==αh(x)≥αh(x)=⎨t11tt2ttAd8boost算法镜)，负样木力不包含眼睛的任意图⎪⎩0otherwiseAdaboost是一种自适应boosting算片。设输入的n个训练样木力:{(x1,y1)，法，它的原理就是将一些简单的弱分(x2,y2)，......(xn,yn)}，其中xi是输入的训1α=logt类器(矩形特征)通过特定的训练需求练样木，yi∈{0,1}分别表示正样木和βt(一般力检测辜和误检辜的要求)组合负样木，其中正样木数力l，负样木数成力一个强分类器，在训练和检测时m。n=l+m，臭体步骤如下：辜于Ad8boost

5、算法的匠眼识剔要保证视频流中图像处理的实时”广东省科技计划项目（工业攻关），项目编号：2006A10503002性就必须采用特定的算法。Adaboost2009年6月14日收到本文修改稿。算法由干它特殊的算法模式，可以进44312009.9www.eepw.com.cn200909.indd442009-8-2416:45:53责任编辑：韩汝水圄1正样奉闭眼圄片圄3睁闭眼检测结果圄2负样奉睁眼圄片行快速的目标检测，因此我们的入眼状态检测的定位，系统就选择了实验结果分析Adaboost算法。基干Adaboost的眨眼木文采用三种不同的负样木选择识别系统主要包含两个模块:训练

6、和方法，进行了三次对比实验。检测。其中训练过程起着决定性的作实验一：正样木582张闭眼图用。片，旧一化力24×24，负样木1285张训练睁眼图片，正负样木如图1、图2所圄4负样奉截取软件样木的选择至关重要，包括两示，实验结果如图3所示。个方面，首先是样木源，木文采用从实验结果可以看出睁眼图片中BioID-EyeDatabase和AR入脸库(来源把眉毛误检力闭眼图片，原因是负样[6]干网络)，样木库提供了入脸图片木数量和种类少，导致误检辜高。和入眼坐标，根据入眼坐标用Matlab木文提出了一种新的负样木选编程来提取入眼。正样木从截取出的择方法，这样给我们扩展训练样木量[7]

7、入眼图片中选取闭眼图片，负样木力提供了恨大的帮助，就是在Opencv剩下的睁眼图片。样木的训练过程就中修改程序，利用巳经训练好的分类圄5添加的新的负样奉是按第2部分算法所阐述的方法选择器，来检测大量视频图片，把误检的眼，说明负样木的种类还是没有达到弱分类器,形成强分类器,再由强分类图片保存下来加入到负样木中来作力要求。所以继续利用负样木截取软件器级联成力一个有效的分类器。在训下次训练的新的负样木，并继续训收集误检到的图片作力负样木。练时给出检测辜和误检辜的要求，如练，然后利用下次训练好的新的分类实验三：正样木582张闭眼图检测