基于疲劳驾驶的人眼定位方法研究-AET-电子技术应用

基于疲劳驾驶的人眼定位方法研究

《信息技术与网络安全》2020年第6期

杜永昂，杨耀权，金玥佟

华北电力大学控制与计算机学院，河北保定071003

摘要：人眼定位是疲劳驾驶的研究关键。由粗到精，先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题，提出了一种基于信息熵加权的HOG特征提取算法，该算法将待分类的人脸特征进行信息熵阈值加权，形成新的HOG特征，然后通过支持向量机进行分类；针对现有瞳孔定位算法准确率不高的问题，提出了多算法协同工作的瞳孔定位方法，以自商图为基准寻找二值分割点，实现了眼部区域光照不变性，以灰度积分投影为依据实现了瞳孔精确定位。实验结果表明，该文提出的人脸检测算法在CelebA验证数据集准确率可达到98.26%，较传统识别方法有更高的准确率；而瞳孔定位算法也可达到令人满意的精确度，提高了瞳孔定位的准确性。

关键词： 瞳孔定位信息熵自商图像光照不变性

中图分类号：TP391.41
文献标识码：A
DOI：10.19358/j.issn.2096-5133.2020.06.004
引用格式：杜永昂，杨耀权，金玥佟. 基于疲劳驾驶的人眼定位方法研究[J].信息技术与网络安全，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

随着社会经济的发展，我国汽车保有量逐年增加，交通安全形势愈发严峻。在所有交通事故的成因中，由疲劳驾驶造成的交通事故占总交通事故的20%左右，占特大交通事故40%以上。目前，疲劳驾驶的检测方法主要分为三大类：基于生理指标的检测方法、基于驾驶员行为特性分析的检测方法和基于面部表情识别的检测方法。基于生理指标的检测方法采用接触式测量方式，一般通过测试驾驶人员的生理信号来推测驾驶人的疲劳状态。文献[2]使用一种自制驾驶员脑电图信号检测装置，采用快速傅里叶变换提取脑电图功率谱密度，当分析脑电图功率谱密度发现疲劳时，采取一种自动减速的车辆速度控制策略。这种接触式生理参数测试方法通常需要被测者佩戴相应的装置(如电极片等)，会给驾驶行为造成极大干扰，不适合实际行车环境下的应用。基于驾驶人行为特性的疲劳检测方法受道路环境、行驶速度、个人习惯、操作技能等的影响，并不适用我国复杂多变的道路情形。得益于机器视觉等人工智能的发展，基于面部表情的疲劳驾驶检测方法因其应用成本较低、无需干扰驾驶人员，已经成为该领域的研究热点。文献[3]基于开源库提取的人脸轮廓点计算眼和嘴的纵横比，生成眯眼和哈欠特征，基于线性拟合趋势提取法生成车辆操纵活跃度特征，然后采用改进的随机森林模型对疲劳状态进行识别。文献[4]提出了一种采用级联的序列级和帧级两层检测模型，分别处理持续睁眼和眨眼的视频序列，实现由粗到精渐进地检测眨眼的方法，通过随机回归森林计算眼睛开合度，最终完成眨眼过程。文献[5]针对复杂光照和姿态变化造成疲劳驾驶的原因，提出了实时增强约束局部模型的多信息疲劳检测方法。文献[6]提出比例缩减区域(PRA)的方法快速定位人眼，其原理为对面部区域反复迭代缩减，最后得到对人眼区域的定位。因此，构建一种可靠快速的人眼定位技术是对驾驶人员疲劳检测的关键。由于光照、道路两侧树木及楼房阴影等原因的影响，直接在原始图像中进行人眼定位存在较大困难，而且准确率较低，因此，人眼定位一般分为如下步骤：第一步，在原始图像中定位出人脸区域；第二步，在人脸图像中粗定位出人眼区域；第三步，对人眼区域进行精确定位。

考虑到不同特征维度对人脸的贡献程度不同，本文提出了一种基于信息熵加权的方向梯度直方图(Histogram of Oriented Gradients，HOG)与支持向量机(Support Vector Machine，SVM)相结合的人脸检测算法，可以有效提取人脸特征，并准确完成人脸定位。在完成人脸检测之后，以人脸区域为母版，先采用OpenCV开源实现对人眼的粗定位；然后采用自商图消除光照影响，遍历寻找最优二值分割点；最后用二值分割图像进行积分投影，实现瞳孔的精确定位。该算法解决了复杂光照下的瞳孔定位问题。

本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003147

作者信息：

杜永昂，杨耀权，金玥佟

(华北电力大学控制与计算机学院，河北保定071003)

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容