基于Haar-like特征的人眼定位与追踪方法研究
当今社会，在众多发生交通安全事故的原因中，疲劳驾驶已经成为重要的原因，所以采用各种方法技术来检测开车司机的疲劳状态已经成为一种非常热门的研究领域，越来越受到学者的关注。利用计算机视觉技术检测驾驶员的疲劳状态是此研究的热点之一，首先利用计算机视觉的技术检测出司机眼部的运动状态以及轨迹，再利用检测出的轨迹以及眼部状态结合人类疲劳特征就可以有效判断该司机的疲劳与否，从而提醒该司机或者发出报警。 在用计算机视觉的方法对开车司机的困乏程度进行检测时，司机眼部的定位以及追踪问题是该研究的核心内容，如何准确定位眼部的位置以及实时有效的追踪眼部的轨迹决定了疲劳检测的可靠性。对于这些具体的问题，本文利用计算机视觉技术对采集到的人眼运动视频进行了前期图像预处理工作，然后在处理过的视频图像上检测定位了人眼的具体位置，最后利用卡尔曼滤波的方法对人眼运动录像中的人眼做了追踪。主要的成果展示如下: 1、介绍并研究了当今计算机视觉领域中比较流行的几种人眼定位方法，然后通过理论分析以及实验结果对比了各种方法的优缺点，最终选择了基于Haar-like矩形特征结合Adaboost算法作为本文人眼运动视频图像中司机眼睛的定位方法，最后把此种定位方法用到采集到的连贯眼睛运动视频。 2、提出了一种将人眼定位方法与运动物体追踪方法中的卡尔曼滤波相结合的视频人眼轨迹追踪方法，将卡尔曼滤波应用于视频人眼追踪领域，通过实验验证了所提出的这种方法拥有较好的准确性与实时性，符合行车过程中司机疲劳检测中的眼睛定位与追踪问题。 3、利用卡尔曼滤波的预测性，改进了人眼定位时的方法，加快了计算速度。由于在人眼定位过程中，视频中的每帧图像都要进行完整的扫描检测，所以计算量大，计算的时间比较长，降低了人眼追踪的实时性。本文利用卡尔曼滤波的预测性，大致预测了视频图像中下一时刻的人眼坐标，并且利用此位置对下一帧的图像进行裁剪，缩小了人眼定位时的扫描范围，减小了眼部位置识别中的计算量，增强了司机疲劳检测中人眼追踪的实时性。
人眼定位;轨迹追踪;卡尔曼滤波;Haar-like特征
北京化工大学
硕士
控制科学与工程
林小竹
2016
中文
TP391.41
68
2017-01-03（万方平台首次上网日期，不代表论文的发表时间）