基于眼球运动状态检测的疲劳预警系统研究

格式：pdf
大小：874.81 KB
文档页数：4

下载文档原格式

/ 4

基于眼动和嘴部跟踪的驾驶员疲劳状态检测及提醒系统

基于眼动和嘴部跟踪的驾驶员疲劳状态检测及提醒系统
刘佳
【期刊名称】《青海科技》
【年(卷),期】2022(29)4
【摘要】因疲劳驾驶而引发的交通事故的发生率呈上升趋势,为了保障驾乘者的安全,疲劳驾驶提醒技术受到越来越多的关注。

文章主要是通过对驾驶员眼睛状态信
息的采集与识别,将识别信息进行提取判断。

首先系统判断驾驶员的状态,把信息传递给单片机,由单片机进行分析并处理,发出对应信号控制报警单元,显示屏中红灯亮起且蜂鸣器给予声音警报,以提醒驾驶员。

其次系统通过对驾驶员状态的持续提取,来判断其是否恢复正常状态,没有恢复则反复提醒。

同时为了提高判断准确性,增加嘴部状态识别,综合判断驾驶员疲劳状态。

设计的系统主要由图像采集、电源模块、单片机模块、报警模块四部分组成。

【总页数】6页(P203-208)
【作者】刘佳
【作者单位】兰州博文科技学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于眼动跟踪的驾驶员疲劳检测
2.基于眼动跟踪的驾驶员疲劳检测
3.基于人眼状态的驾驶员疲劳检测
4.基于 UKF 非线性人眼跟踪的驾驶员疲劳检测
5.驾驶员疲劳检测中的嘴部状态研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于眼动指标的脑力疲劳识别研究

安全Safety & Security第42卷第4期2021年4月Vol. 42 No. 4Apr. 202 1引用格式:郑欣，郝腾腾,王慧宇，等.基于眼动指标的脑力疲劳识别研究［#•安全,2021,42(4):71-75.基于眼动指标的脑力疲劳识别研究郑欣副教授郝腾腾王慧宇许开立教授(东北大学资源与土木工程学院，辽宁沈 110819)【摘要】为减少因脑力疲劳导致的安全事故的发生，研究如何测量和识别脑力疲劳具有十分重要的现实意义。

本文提出通过作业前后心算可靠性下降率作为判断脑力疲劳程度的指标，动Tobii Glasses 设备测试者疲劳前后的直径、注视点、和速计等眼动参数指标，探究被测试者眼动指标变与劳的关系。

结果表明：劳时直增加，和速计的值减小，注视点的分散程度增加。

直、注视点、和速计等眼动指标都与劳相关。

本文研究结果可为建立劳评价指标体系和预测劳奠定基础&【关键词】眼动指标；疲劳识别；可靠性；脑力疲劳中图分类号：X914文献标识码：A文章编号：1002-3631 (2021 ) 04-0071-05基金资助：国家重点研发计划项目(2018YFC0808406) &中央高校基本科研业务费(N180104018)；国家重点研发计划项目(2017YFC0805100)Brain Fatigue Recognition Based on Indicators of Eye MovementZHENG Xio HAO Tengteng WANG Huiyu XU KaiO(School of Resources & Civil Engineering , Northeastern University , Shenyang Liaoning 110819, China )Abstract ：In order to reduce the occurrence of safety accidente ceused by mental fatigue , it is of great practi cal significance to study how to measure and identify mental fatigue. This paper putt forward that the declinerate of reliability of mental arithmetic before and after operation can be used as an indicctor to judge the de gree of mental fatigue. Tobii Glasses equipment i - used to measure the indicator of eye movement such as pupii diametee , fixation point , gyro and accelerometer before and after fatigue , so as to explore the relation ship between the change laws of eye movement indicctor and mental fatigue. The resulte show that the pupiidiameteeinceeases , thegyeo and acceieeatoevaiuesdeceease , and thedispeesion offixation inceeasewhen mental fatigue occurs. Eye movement indicatore such as pupii diameter , fixation point , gyro and accelerome ter are related to mental fatigue. The resulte of thic study can lay a foundation for the establishment of mentifatigueevaiuation index *y*tem and peediction ofmentaifatigueKeyword': indicatore of eye movement ； fatigue recognition ； reliabilita ; mental fatigue作者简介:郑欣(1978 -)，女，辽宁本溪人，副教授，博士，主要研究方向为风险评价、安全人机功效及应急管理策略研究。

基于眼球运动参数视觉疲劳评价

觉疲劳关系离开注视所经历时间。本实验中，注视时问比例是注视时间占测试时间百分比。
ｉｔｎｆａｏ＝ｘｉ（）３
２２关联度分析．
选择随机的七个被试数据进行理论分析其余六个用来验证理论正确性分析关联度疲劳程度及眼球运动参数使用的皮尔逊相关系数．它是一个线性相关系数和用于反映两个变量的线性相关性程度的
式．用实测数据验证公式正确性并
【关键词】觉疲劳；视眼动；疲劳度
【ｂｔｃ］ｉａｆｉｅｈｓｂｅｅｓｂｅｆｏｓｅｂｅｅｃｎｒｌｉｉａＤｓｌｅｉｌ（Ｄ）ＩｔｉｐｒｗＡｓａｔＶｓｌａｇａｅｎｔｕｊｔｏｃｎｉｒｌｒａｈｉｅｔｎｔＶｓｌｉａＴｒｎｓＶＴ．ｎｈ印ｅ，ｅｒｕｔｕｈｃｄａｅｓｒａｏｏｕｐｙｍａｓ
统计数据数值越高．表明越相关。
一
㈣根据以上的描述．主观的方法常常因人而异．没有统一的量化标准然而心率和脑电需要被试人员接触测量仪器探头。因此采用一个非接触式的方便评价视觉疲劳的方法显得非常必要。在本文中，我们疲劳与眼睑张开值拟合函数采用眼动参数评价视觉疲劳另外．采用大野耐一开发的调查问卷记相陛分析表明．疲劳与眼睑张开值相眭是最大的．因此。在疲录被试者视觉疲劳同时用记录的眼动参数眼睑张开值、瞳孔直径、劳度公式中眼睑张开值应赋予更高权重相关系数为负．表明疲劳度注视时间评估视觉疲劳越高，眼睑张开值越小。权重计算结果为：，０２。将数据点导入ｎ一．８９

眼部疲劳状态检测算法的研究与实现

眼部疲劳状态检测算法的研究与实现沈永增;刘小磊【摘要】The detection of eyes state is regarded as the most accurate and reliable method in identifying the state of fatigued driving, the key of fatigue detection is to locate eye rapidly and accurately.According to over fitting problem of the sample weight which occurred in the training process of AdaBoost algorithm, a new weight updating method was proposed to improve it, which was to set up a weigh updating threshold in each round, thus the phenomenon of sample weight over fitting was avoided.Based on the complexion model, especially for the factors affecting the speed of detection, the new method narrowed the scope of the search and reduced the false tolerance rate, and boosted the detection speed.The whole process of eye fatigue detection was realised with QT programming in Linux system.Experimental results proved the accuracy and real time of localization and detection of this algorithm.%眼部状态的检测被认为是目前最准确可靠的疲劳驾驶状态识别方法,快速、准确地定位眼部是疲劳检测的关键.针对AdaBoost算法的训练过程中的样本权重过拟合问题进行了改进,提出了新的权重更新方法,即每一轮设定一个权重更新的阈值,避免了样本权重过拟合现象的出现.并针对影响检测速度的要素,结合肤色模型,缩小了搜索范围,减小了检测的错误接受率,并提高了检测速度.在Linux系统下采用QT编程实现了眼部疲劳检测的整个过程.实验结果验证了该算法定位和检测的准确性、实时性.【期刊名称】《计算机应用与软件》【年(卷),期】2011(028)003【总页数】5页(P106-109,118)【关键词】眼部检测;Linux;Qt/Embedded;疲劳检测【作者】沈永增;刘小磊【作者单位】浙江工业大学信息工程学院,浙江,杭州,310023;浙江工业大学信息工程学院,浙江,杭州,310023【正文语种】中文据交通部门统计，疲劳驾驶已经成为影响交通安全的重要隐患，由疲劳驾驶造成的交通事故占特大交通事故总数的40%以上。

疲劳检测中眼动指标参数的分析研究

理论研究科技风2020年8月DOT10.19392/ki.1671-7341.202024121疲劳检测中眼动指标参数的分析研究陈瑜徐军莉江西科技学院信息工程学院江西南昌330098摘要：目前眼动特征的非接触式疲劳检测方法中采用的眼动疲劳指标很多。

为了比较各眼动指标的性能，本文采集了7名受试者清醒和疲劳状态下的眼动数据，并从中提取了Per-clos、眨眼时间均值、瞳孔面积等5个常用眼动特征参数，分别从显著性和稳定性两个方面分析了这5个眼动参数的变化情况。

研究发现perclos*眨眼均值和瞳孔面积3个眼动指标在清醒和疲劳状态下变化具有明显差异，可以作为有效的眼动疲劳特征指标;作为检测驾驶疲劳的指标，眨眼时间均值最为稳定，其次是瞳孔面积。

关键词：疲劳驾驶;疲劳指标；眼动特征目前道路交通安全问题已成为严重的社会问题,而疲劳驾驶是发生道路交通事故的重要原因之一⑴。

为了减少疲劳驾驶引起的交通事故,很多研究者都已经开始了各种疲劳预警的研究工作，其中基于眼动特征的非接触式疲劳检测方法被广泛采用。

在各种眼动疲劳特征指标中大部分采用的有perclos,瞳孔面积等。

为了比较各眼动指标的性能，本文采集了7名受试者清醒和疲劳状态下的眼动数据,并从中提取了Per-clos、眨眼时间均值、瞳孔面积等5个眼动特征参数，分别从显著性和稳定性两个方面分析了这5个眼动参数的变化情况。

1实验本文采用3Y-31D汽车驾驶模拟器作为模拟驾驶实验平台，采用Eraoneen公司的Dikablis头戴式眼球追踪仪监控驾驶员的视线。

驾驶员坐在一个相对宽敞封闭的房间中。

为了避免因照明引起驾驶员瞳孔面积的变化，房间中的窗帘和灯光都是关闭的。

驾驶员头戴眼镜跟踪仪坐在驾驶座椅上操作驾驶模拟器进行驾驶。

眼镜跟踪仪的另一端通过USB接口连接到笔记本电脑。

眼镜跟踪仪采集到的眼动数据和视频被传输到电脑中的D-lab软件,D-lab软件根据采集到的数据计算Pee-Pos和眨眼时间均值等信息。

基于眼动特征的驾驶员疲劳预警系统设计

基于眼动特征的驾驶员疲劳预警系统设计作者：陈瑜李锦涛徐军莉来源：《软件导刊》2020年第05期摘要：疲劳驾驶是导致交通事故的重要原因之一。

为检测识别驾驶员疲劳状态，根据人的眼动行为存在随机性及模糊性特点，采用不确定性的云模型对眼动特征进行数据处理，构建二维多规则推理生成器检测驾驶员疲劳状况，以此疲劳检测模型为基础构建基于安卓的疲劳预警系统。

系统通过手机摄像头实时采集驾驶员面部数据，通过人脸人眼定位后，计算出per-clos和眨眼时间均值。

将数据输入疲劳检测模块，一旦检测到驾驶员疲劳，系统即进行文字和语音提醒。

该系统成本较低，实时性较好，在模拟驾驶环境下检测率可达到73.98%。

关键词：眼动特征;疲劳驾驶;预警系统;定性推理器;云模型DOI：10. 11907/rjdk. 191848 开放科学（资源服务）标识码（OSID）：中图分类号：TP319 文献标识码：A 文章编号：1672-7800（2020）005-0116-040 引言2017年底，我國民用汽车保有量达到21 473万辆，比上年增长了11.8%，全国高速公路通车里程达到13.6万km。

随着公路建设和车辆的增加，交通事故也呈现不断上升趋势[1]。

据统计，在高速公路发生的重特大交通事故中，因疲劳驾驶造成的事故所占比例达40%以上[2]。

由于疲劳驾驶引发的交通事故往往是在驾驶人毫无预见、且未采取主动避险措施的情况下发生的，经常导致车毁人亡，后果十分惨重。

因此，实时检测驾驶员是否处于疲劳驾驶状态，并在出现疲劳状态时给出有效预警有着十分重要的现实意义。

目前，疲劳检测预警系统研究较多[3-9]：张志文等基于perclos人眼疲劳判定算法设计一个嵌入式疲劳预警系统;李建平等以驾驶员人眼图像为处理对象，建立了离散单位时间内非正常状态时间所占百分比的疲劳判断模型，实现对驾驶员疲劳状态预警;李超等基于ADS1299脑波芯片，结合应用层对数据进行处理得到频域数据，得出人脑疲劳程度特征的脑电波信号能量级，从而进行疲劳驾驶预警。

基于眼睛状态检测的驾驶员疲劳驾驶分析

基于眼睛状态检测的驾驶员疲劳驾驶分析作者：周子淳张静陈伟冯璐来源：《环球市场》2018年第03期摘要：驾驶员疲劳驾驶机动车，反应时间延长，不能及时发现路面的突发状况，因此不能采取有效措施避免交通事故的发生。

本文提出了一种基于眼睛状态检测的驾驶员疲劳驾驶实时监测系统，有效监测驾驶员驾驶状态，对疲劳驾驶进行预警，可有效降低交通事故及人员死亡率。

关键词：疲劳驾驶；图像识别；疲劳驾驶预防一、疲劳驾驶预警系统研究难点目前针对驾驶员疲劳驾驶分析的方法有多种，然而市场上并不存在成功的应用案例，难点主要存在于以下几个方面：（一）现有疲劳驾驶检测系统对使用环境有较严格的限定。

在复杂检测环境下不能准确对驾驶员的疲劳状态做出判断，检测灵敏度较低，可靠性较差。

（二）疲劳驾驶的评测标准还处于探索中，如何评价驾驶员是否疲劳驾驶是棘手的问题。

（三）性价比制约疲劳检测系统的广泛应用，现阶段的疲劳驾驶检测系统存在成本过高的问题。

（四）驾驶员在疲劳状态下的心理和生理状况不同，目前较难获取驾驶员在疲劳状态下的心理、生理数据。

二、疲劳检测原理人在疲劳状态下的生理状态相较于清醒状态会发生明显变化，如出现频繁点头、频繁眨眼、打哈欠等明显面部行为特征。

有数据分析显示人清醒时的眨眼闭合时间为0.2-0.3s，当眨眼闭合时间超过0.5s时说明此人处于深度疲劳状态。

根据人在疲劳时眼睛频繁眨动，并且眨眼闭合时间较长的行为特征，再通过综合记录分析驾驶员的眨眼频率和眨眼周期来综合判断驾驶员的精神状态的这种评判方法已经被美国联邦公路管理局论证通过，是一种可靠有效的判断标准。

根据这一判断标准本文提出获取驾驶员的眼睛特征作为判断驾驶人疲劳状态依据。

本系统通过对眼睛特征经行分析，获取眼睛的闭合、睁开时间、眨眼频率等数据，综合分析后对驾驶人状态进行判断。

三、图像处理原理图像识别算法是本设计的重点与难点，好的识别算法应对识别区域背景、光线情况有较大的容忍度。

本疲劳驾驶监测系统图像处理过程分为三个过程，首先需要在整个图像中根据人脸特征数据集通过Haar分类器得到人脸的位置。

基于眼球运动参数视觉疲劳评价_施笑畏

1 实验设计
1.1 被试者。为区分不同被试者不同主观疲劳程度，选定 10 个被试者，尽量有相同作息习惯，记录在一天工作时间眼动数据（眼睑张开值、瞳孔直径、注视时间）。 1.2 实验仪器。眼动数据采集是通过瑞典 smart eye 公司出产眼动仪记录的，硬件设备有一台联想主机(英特尔(R),Corel(TM)2 双核 1.98 GB 的 RAM)， 4 个眼动摄像头(索尼 HR-50 8.0 mm 镜头)，软件是在微软 Windows XP 下 smart eye pro5.6 眼动采集系统。 1.3 实验过程。实验中让 14 被试者进行视觉终端实验任务，间隔 45min 钟填写疲劳调查问卷，整个过程用眼动仪跟踪被试者眼动数据。 2 实验结果分析
疲劳度眼睑张开（m）瞳孔直径（m）l 注视比例（%）公式预测偏差
6
0.01027
0.00437
0.29952
5.05453 0.15757
3
0.01099
0.00404
0.40368
3.44357 0.14785
5
0.01112
0.00480
0.30728
4.27332 0.14533
3
0.01158
基于关键眼动参数和标准化权重，将疲劳与眼睑张开函数、疲劳
与瞳孔直径函数、疲劳与注视时间函数分别乘以相对应标准化权重。
疲劳度表达式为：
Y =0.4472* (20.595 -67082.40*x1*x1 -6559776.05*x1*x1*x1) +
0.3836* [0.0720846581538158*exp (890.860568195045*x2)] +0.1692*

基于眼动特征的疲劳驾驶检测方法

牛清宁，周志强，金立生，刘文超，于鹏程。
（１．公安部道路交通安全研究中心，北京１０００６２；２．吉林大学交通学院，吉林长春１３００２２）
摘
要：为了提高疲劳驾驶检测模型准确率和实时性，基于驾驶模拟实验，利用ＳｍａｒｔＥｙｅ系统提取了驾驶人不同驾
８３．８４％。
关键词：疲劳驾驶；眼动特征；支持向量机；滑移时窗；时窗；检测模型
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６ — ７０４３．２０１３１１０４４
网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１３９０．Ｕ．２０１５０１０９．１５３５．０１８．ｈｔｍｌ
第３６卷第３期
２０１５年３月
哈
尔
滨
工
程
大
学
学
报
Ｖｏ１．３６Ｎｏ．３Ｍａｒ．２０１５
ＪｏｕｒｎａｌｏｆＨａｒｂｉｎＥｎｇｉｎｅｅｉｎｒｇＵｎｉｖｅｒｓｉｔｙ
基于眼动特征的疲劳驾驶检测方法
ห้องสมุดไป่ตู้
中图分类号：Ｕ４６１．９１文献标志码：Ａ文章编号：１００６ — ７０４３（２０１５）０３ — ０３９４ — ０５

一种基于眼部状态的疲劳驾驶检测方法

随着世界经济的快速发展，汽车的数量越来越判定驾驶员的疲劳状态 Ⅲ，但该方通事故也越来越多，身上安装相应的设备，影响正常驾驶；ＪｉｎＬＳ提出
为了预防交通事故的发生，研究一种能有效检测驾通过检测方向盘的状态来判定驾驶员的疲劳程度］，
ｅｙｅｃｌｏｓｕｒｅｄｅｇｒｅｅｉｓｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅａｓｐｅｃｔｒａｔｉｏｏｆｅｙｅ；ＵｓｉｎｇＰＥＲＣＬＯＳ—Ｐ８０ａｎｄｂｌｉｎｋｆｒｅｑｕｅｎｃｙｔｏｊｕｄｇｅ
ｗｈｅｔｈｅｒＤｒｉｖｅｒｉｓｆａｔｉｇｕｅ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＤｅｔｅｃｔｉｎｇａｆｒａｍｅｎｅｅｄｓａｂｏｕｔ４５ｍｓｗｉｔｈＩｍｐｒｏｖｅｄｆａｃｅｄｅ＿－ｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ，Ｔｈｅｆａｃｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄｉｎｃｒｅａｓｅｄｂｙ２．３ｔｉｍｅｓ，ｔｏｓａｖｅａｌｏｔｏｆｔｉｍｅｆｏｒｔｈｅｅｎｔｉｒｅｆａｔｉｇｕｅｄｒｉｖｉｎｇｄｅｔｅｃｔｉｏｎ．Ｔｈｅｆａｔｉｇｕｅｄｒｉｖｉｎｇｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｉｎｔｈｉｓｐａｐｅｒｎｅｅｄｓａｂｏｕｔ６５ｍｓｐｅｒｆｌａｍｅ，ａｎｄｉｔｈａｓｈｉｇｈａｃｃｕｒａｃｙａｔｄｉｆｆｅｒｅｎｔｌｉｇｈｔｉｎｔｅｎｓｉｔｉｅｓ，ｗｈｉｃｈｍｅｅｔｓｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｔｈｅｐｒｅｃｉｓｉｏｎａｎｄｒｅａｌ—ｔｉｍｅｆｏｒｔｈｅｆａｔｉｇｕｅｄｒｉｖｉｎｇｄｅｔｅｃｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｆａｔｉｇｕｅｄｒｉｖｉｎｇ；ｆａｃｅｄｅｔｅｃｔｉｏｎ；ｅｙｅｄｅｔｅｃｔｉｏｎ；ＰＥＲＣＬ０ＳＥ—Ｐ８Ｏ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

来得到我们所需要的人眼特征区域 # 在这其中 " 比较重要的环节是训练出可以检测到人脸 $ 人眼分类器 #1 7 3 ! < < = G是一种可以加强一般性分类器的算法" 更有效的检测出特征点 " 在> 3 3 P中可以生成一 %& 个更好的矩阵特征组合 " 即> 3 3 P分类器 & # 由于训练分类器存在耗时
) @*
$由于在实际情况
# 即对人眼黑色像素比例计
算来判断疲劳驾驶的方法实时性不够好 % 准确度不
%
收稿日期 ! 修回日期 ! ’ ( # @年2月# (日# ’ ( # @年$月’ (日作者简介 ! 张志文 # 男# 硕士 # 教授 # 研究方向 ’ 计算机测控技术 % 智能化仪表等 $ 付永庆 # 男# 硕士研究生 # 研究方向 ’ 通信与信息系统 $
%
摘 ! 要 ! 基于 1 采用了一种新的适用于驾驶疲劳检测的疲劳状态判别 5)d+ E C 8 Z 平台上对于疲劳预警方案的实现 # 算法 $ 即当人处于疲劳状态时 # 眼球运动速率会大幅度下降 # 根据这一特点 # 并结合新型的 F 以及 < P G 6 Z 1 2的 1 5) 处理器 # 设计了基于此嵌入式平台的疲劳预警系统$最后仿真可表 + E C 8 Z 操作系统 % ‘ G图像化界面库和 ] 6 C F ? 计算机视觉库# 4 明# 该系统对驾驶员疲劳预警具有一定的准确性与可研究性 $ 关键词 ! 疲劳预警 &眼球运动 &人脸 % 人眼检测 ’ ( 中图分类号 !S0 $ # $N 2 @!!* B C # (N % $ A $ N E = = C N # A & ’ $ & ’ ’N ’ ( # AN ( ’N ( # 2 O
% A&
*! 眼睛的定位与跟踪
在完成眼睛的检测后 " 下一步就是对眼部图像进行相关的算法处理 " 更清楚地得到有用的眼睛图像特征数据 # 图像特征处理的原理是是对摄像头采集到的图像进行连续的循环处理 " 如平滑滤波$ 背景擦除 $ 二值化等实时图像处理 # 对于图像进行高斯滤波是为了防止图像模糊 $ 出现细小斑点等问题" 用来平滑图像 " 从而得到更清晰的人眼部图像 # 由于采集相邻两帧图像间的时间间隔非常短 " 因此采用帧差法 " 也就是用前一帧图像作为当前帧的背景" 并且结合二值化处理方法来得到眼部眼睛与眉毛等信息 # 这种方法背景并不积累 " 而且更新速度较快 $ 计算量相对比较小 " 可以更好地保证实时性 # 形态学滤波则是利用形态学运开 $ 闭运算进行相关滤波操作 " 去掉噪声 " 保证图像质量 # 为了更加快速地定位人眼 " 提高精度" 可以根据人眼在脸部比例位置近似定位人眼 # 人眼区域 ’ ’ 位于脸部水平方向区域的 # 位于脸部 A#@ A 处* ’ ’ 垂直方向区域的 # 并且结合分类器方 *#’ * 处" 法" 可以得到人眼是否配戴眼镜的二值化后检测效果图 " 如图 % 所示 " 可以看出检测后眼睛的状态特征很清晰 #
% & 2
比较长 $ 计算量大等缺陷 " 并且在样本较少的情况下不是很精确 " 因此本设计选取采用 ] 6 C F ?视 4 ’ ’ 觉库中 ] 6 C F ? 7 3 G 6 L 3 3 P 9 3 = 4 ＿ 9 3 7 6 =有脸部和眼部 L 3 3 P 9 3 = 9 3 7 6 ＿＿ Y P < C G 3 Q Y 3 9 6和 L 3 3 P 9 3 = 9 3 7 6 6 6 G P 6 6 V % & $ ＿ 6 6 Q 3 = = = 的 Z ; Q 分类器# V R ] 6 C F ?( ] 6 C , < 8 P 9 6 F < ; 8 G 6 P ! ! 4 4 4 ) ? E = E < C + E X P 3 P C G 6 Q公司提 ! V 是由 K 供开发的一个开源的跨平台的计算机视觉图像库 " 包含了超过
总第 % # A期 ’ ( # A 年第 ’ 期
计算机与数字工程 F < ; 8 G P a. E E G 3 Q W C E C 6 6 P E C ! ! 4 6 R R R
? < Q N * *0 < N ’ ’ @ @ !
基于眼球运动状态检测的疲劳预警系统研究
张志文 ! 付永庆
! " 西安工业大学电子信息工程学院 ! 西安 !& # ( ( ’ #
’ @ A !
张志文等 ! 基于眼球运动状态检测的疲劳预警系统研究
第* *卷
人眼区域特征化检测出来 " 加以区分 # 目前常用的线性特征$ 中心 > 3 3 P Q E D 6特征可以分为边缘特征 $ 特征和对角特征这四大类 # 在系统的算法思路中 " 主要是利用 1 7 3 X < < = G 算法 " 就是把训练出好的分类器模板" 进行匹配
图 %! 眼睛的定位与跟踪
@! 疲劳预警判断
在疲劳检测这方面大多数人所使用的方法是比较通用的 " W 5 F + ] , 方法 #" W 5 F + ] ,( " 6 P ) 是 9 6 C G 3 6 < Y W 6 Q E 7 F Q < = 8 P 6 ] T 6 P G L 6 " 8 E Q S E ; 6 ! ! ! ! ! ! ! R V 4 指眼睛睁开和闭合时所占的比例 #" W 5 F + ] ,算法在国际上将闭合程度大于 2 (b 的眼睛状态归于闭合状态" 故可得 " W 5 F + ] ,值的计算公式是眼睛闭合帧数’检测时间段总帧数 ) " W 5 F ] + ,c ( g# ( (b # 现实中通过 ? F 平台对 " W 5 F + ] ,方法 % # 其方法虽然是当前疲劳预警 (&的主进行了验证 " 流方法 " 但是在运行结果检测速率过低 " 实时性不高" 导致预警不准确 " 仅可以用于静态的室内监控 # 图*是 " 2 ( 方法检测实时视频的时间效果图 # 由此可以看出对于实时视频的帧检测预警时 " 间为将近 & 由人的视觉暂态理论分析" 只有 ( ( ; = 当图像处理系统的处理速度每秒 ’ @ 帧以上人眼才
后采用帧差分法和人眼在脸部的方位信息来跟踪人眼区域
) **
# 并且提取与人眼相关的疲劳特征信
) #*
息# 最后可以根据眼球运动速率 % " 6 P 9 Q < =等人眼疲劳判定方法来判断疲劳状态下使用 " 6 P 9 Q < =方法
I & + % ’ ? ( 0 + 0 5 & ’ # ! , ,: 9 A 5 ’ 1 " 0 & 2 ’ : & & ’ " 3 / ’ # " @ ’ # ’ 0 & * ’ & ’ 6 & + " 0 ! ! ! ! ! ! 9
\>10U! \ L E M 6 C I! / < C E C !J R ^ R ! # # " , 9 L < < Q < Y W Q 6 9 G P < C E 9 K C Y < P ; 3 G E < C W C E C 6 6 P E C _ E f 3 C S 6 9 L C < Q < E 9 3 Q I C E T 6 P = E G _ E f 3 C # ( ( ’ # ! ! ! ! ! ! !& R R R V ! " # $ % & ’ $ E ; E C 3 G G L 6 P 6 3 Q E [ 3 G E < C < Y G L 6 Y 3 G E 8 6 6 3 P Q M 3 P C E C = 9 L 6 ; 6 X 3 = 6 7 < C 1 5)d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‘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