專利名稱：基于級聯分類和哈夫圓變換的人眼狀態檢測方法
技術領域：
本發明涉及的是一種模式識別領域的方法，特別是一種基于級聯分類和哈 夫圓變換的人眼狀態檢測方法。
技術背景人眼檢測指的是在一幅圖像中檢測人眼區域，狀態檢測指的是通過對人眼 區域的分析，判斷眼睛的睜開和閉合狀態。人眼檢測在國內外得到了廣泛的研 究和應用，包括司機駕駛疲勞檢測等方面。人眼檢測的方法歸納起來包括利用 紅眼效應定位人眼虹膜位置檢測人眼、利用眼睛灰度值較其它地方低的特性檢 測人眼、利用模板匹配的方法檢測人眼等等。但這些方法的不足之處在于，其 假設條件是在一幅人臉圖像中去檢測人眼，而且對檢測到的人眼沒做狀態檢測， 對于背景較復雜的圖像，這些方法的性能和效果不夠理想。經對現有技術的檢索發現，中國專利申請號為03147472. l的專利描述了一 種基于GaborEye (加博爾眼睛)模型的人眼檢測方法，該發明專利涉及一種自 動檢測人臉圖像中人眼中心位置的方法，該方法對攝像頭采集的人臉圖像采用 人臉檢測方法檢測到人臉，并選取合適的Gabor核函數對人臉進行巻積得到 GaborEye模型，再分割出兩眼所在的區域。該方法其操作過程較復雜，非實時 檢測，同時缺乏對眼睛狀態的分析判斷。發明內容本發明針對上述現有技術的不足，提出了一種基于級聯分類和哈夫圓變換 的人眼狀態檢測方法，使用橢圓膚色模型對圖像進行膚色分割預處理，去除了 背景干擾，而且減小了級聯人眼分類器的檢測范圍，提升了檢測速度和準確率， 并使用級聯人眼分類器得到人眼區域，綜合使用水平投影和哈夫圓變換檢測方 法分析眼睛的當前狀態。本發明是通過以下技術方案實現的，本發明包括如下步驟
步驟一，采集人臉圖像；所述的采集人臉圖像，指的是通過攝像頭等設備采集RGB顏色空間的人臉圖像。步驟二，對于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色 空間膚色分割得到膚色區域位置信息，具體如下① 、將步驟一中采集到的人臉圖像中每個像素點的RGB值(R， G， B)轉換成 (Y， Cb， Cr)值，其中，Y表示亮度信息、Cb表示藍色的色差信息、Cr表示紅 色的色差信息。② 、設置橢圓膚色模型的參數；③ 、對圖像中的每個像素點，進行膚色分割，得到二值膚色圖像 、在二值膚色圖像的四連通膚色區域的邊界中，得到膚色區域位置信息。 步驟三，使用訓練好的級聯人眼分類器在步驟二提取的膚色區域位置使用 人眼檢測窗口遍歷的方式檢測矩形人眼區域，得到人眼矩形鏈表，使用矩形合 并方法合并人眼矩形鏈表中的矩形，直到沒有可以合并的矩形為止，得到合并 后的人眼矩形鏈表；所述的人眼檢測窗口遍歷的方式，指的是設定初始檢測窗口的大小，按照步 長大小從膚色區域的左上角開始向右移動，每移動一次，便得到一個檢測窗口， 如果級聯人眼分類器將該檢測窗口里的圖像分類為人眼，即檢測到矩形人眼區 域，把該矩形人眼區域加到人眼矩形鏈表中，否則不做任何操作，當窗口移至 圖像最右邊時，從下一行開始重復同樣的操作，直至窗口到達圖像最右下方， 然后以一定倍率擴大檢測窗口，重復同樣的檢測過程，直至窗口的寬度大于指 定的寬度為止。所述的可以合并的矩形，指的是兩個矩形中，如果一個矩形中心包含在另 一個矩形之中，則這兩個矩形應當合并成一個矩形。所述的矩形合并方法，是指將兩個要合并的矩形的左上角坐標值平均得到 新的坐標值，把該坐標值作為合并后的矩形的左上角坐標值，同時將兩個矩形 的長和寬分別平均得到新的長和寬，并把新的長和寬作為合并后的矩形的長和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對應的兩個要合并的矩形。
步驟四，對于步驟三的合并后的人眼矩形鏈表中的每個矩形人眼區域，依 次使用Sobel (索貝爾)算子進行邊緣檢測和二值化得到二值圖像；所述邊緣檢測和二值化，是指對矩形人眼區域，首先利用高斯濾波器濾波， 得到平滑后的灰度圖像，對灰度圖像用Sobel算子，進行邊緣檢測，得到一幅 梯度圖像，最后采用閾值法，設定閾值，遍歷該梯度圖像，將大于或等于閾值 的像素點作為邊緣點，小于設定閾值的像素點作為背景點，得到二值圖像。所述Sobel算子，包括水平檢測算子和垂直檢測算子，具體如下水平檢測算子^-1 —2 —10 0 01 2 1垂直檢測算子=一l 0 1 _2 0 2 _1 0 1水平檢測算子對水平方向的灰度值變化敏感，垂直檢測算子對垂直方向的灰 度值變化敏感。步驟五，對于步驟四得到的每幅二值圖像，依次使用水平投影方法檢測人 眼狀態；所述水平投影方法，是指累加水平方向上邊緣點的數目，得到水平投影 向量，在該水平投影向量中，如果存在兩個足夠大且靠得足夠近的高峰，判斷 該人眼當前狀態是閉眼，如果不存在兩個足夠大且靠得足夠近的高峰，則不能 確定當前狀態為閉眼，那么跳至步驟六。所述的足夠大，指的是水平方向上邊緣點的數目累加值大于第一閾值，該 第一閾值的大小范圍在wx0.2和wx0.35之間，所述的w是二值圖像的寬；所述的足夠近，指的是水平投影向量的兩個高峰的下標差值小于或等于第 二閾值，該第二閾值的大小范圍在wx0.15和wx0.25之間，所述的w是二值圖 像的寬。步驟六，如果步驟五不能確定當前狀態是閉眼，則使用哈夫圓變換檢測方 法進一步檢測人眼狀態。所述哈夫圓變換檢測方法，是指根據不同人眼大小和距離攝像頭遠近的 關系而造成的圖像中眼睛的大小變化，選擇半徑變換范圍，使用哈夫圓變換得 到圓心位置和對應的半徑，哈夫圓變換得到圓心位置和半徑之后，統計圓周上 邊緣點的數目和連續弧的邊緣點數目，并保存在數組中，統計數組中超過1/2
圓周的連續弧的數目M，統計數組中超過1/3圓周的連續弧的數目N，如果邊緣 點的數目大于等于20，并且M》1或N>2，判斷為睜眼，否則判斷為閉眼。 所述的連續弧，是指在圓周上間隔不超過2個像素點的相鄰邊緣點。 與現有技術相比，本發明具有如下有益效果本發明集成了圖像采集、人 眼檢測以及眼睛狀態分析，通過橢圓膚色模型進行膚色分割，有效減小了級聯 人眼分類器的檢測范圍，檢測速度提升了 1倍以上，使誤檢率降低到原來的一 半，準確率提高了 20°/。，利用水平投影和哈夫圓變換檢測分析眼睛狀態，則進一 步分析了可能的眼睛當前狀態。本發明實時檢測人眼和分析其狀態，用于要求 注意力高度集中的工作場所，包括司機駕駛、工廠的監控室等等。
圖l是本發明工作流程示意圖；圖2是本發明級聯人眼分類器檢測流程示意圖；圖3是本發明二值圖像水平投影示意圖。
具體實施方式
下面結合附圖對本發明的實施例作詳細說明本實施例在以本發明技術方案 為前提下進行實施，給出了詳細的實施方式和過程，但本發明的保護范圍不限 于下述的實施例。如圖1所示，本實施例包括如下步驟.-步驟一，通過USB攝像頭采集RGB顏色空間的人臉圖像；步驟二，對于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色 空間得到膚色區域位置信息，具體如下①將步驟一中采集到的人臉圖像中每個像素點的RGB值(R， G， B)，通過下 式轉換成(Y， Cb， Cr)值:7 = 0.299及+ 0.587G + 0.1145< Cb=-" + ! + 128 6 3 2C產U —A + 128 _ 2 12 12其中，Y表示亮度信息、Cb表示藍色的色差信息、Cr表示紅色的色差信息。
所述的轉換，是指將象素中的亮度信息Y、藍色的色差信息Cb、紅色的色 差信息Cr分離出來，從而減少外界光照環境對結果的影響。② 設置橢圓膚色模型的參數及其值如下式所示<formula>formula see original document page 10</formula>a是指橢圓的橫軸長度，b是指橢圓的縱軸長度，Cx是指膚色宇間原點在 YCbCr空間的Cb坐標，Cy指膚色空間原點在YCbCr空間的Cr坐標，9為兩個 空間的夾角，ecx為橢圓在膚色空間的X坐標，ecy為橢圓在膚色空間的Y坐標。③ 對圖像中的每個像素點，進行膚色分割，得到二值膚色圖像 由該像素點在YCbCr空間的值為(Y， Cb， Cr)按下列公式計算該像素點的膚色值<formula>formula see original document page 10</formula>如果該膚色值小于l,則該像素點屬于膚色區域，設置二值膚色圖像中該像素點為膚色點；否則不屬于膚色區域，設置二值膚色圖像中該像素點為背景點。④ 在二值膚色圖像中的四連通膚色區域的邊界中，得到膚色區域位置信息。 所述的四連通膚色區域，是指從膚色區域內任一像素點出發，通過上、下、左、右四個方向可以到達膚色區域內的任意像素點。步驟三，使用訓練好的級聯人眼分類器在步驟二提取的膚色區域位置使用 人眼檢測窗口遍歷的方式檢測矩形人眼區域，得到人眼矩形鏈表，使用矩形合 并方法合并人眼矩形鏈表中的矩形，直到沒有可以合并的矩形為止，得到合并 后的人眼矩形鏈表；所述的訓練級聯人眼分類器，包括采集訓練樣本和訓練分類器兩個過程。 所述的采集訓練樣本，指的是采集正片樣本和采集負片樣本。正片指的是 人眼樣本，正片樣本的數量為一千到四千張，采集正片樣本指的是通過從包含 睜開人眼的圖片中裁剪出矩形人眼區域，并經過大小歸一化，得到24X24大小 的正片樣本；負片指的是非人眼樣本，負片的數量為正片的3到4倍，采集負
片樣本指的是從非人臉圖像如高分辨率的自然風景圖片中截取分割出非人眼圖 片，并經過大小歸一化，得到24X24大小的負片樣本。所述的訓練分類器，指的是訓練弱分類器、組合弱分類器得到強分類器以 及組合強分類器得到級聯人眼分類器。所述的訓練弱分類器指的是通過計算訓 練樣本的Harr特征值和統計使用該特征值對訓練樣本進行分類得到的錯誤率， 選取出使訓練樣本分類錯誤率最小的Harr特征及閾值的組合；所述的組合弱分 類器得到強分類器，指的是將弱分類器根據AdaBoost (Adaptive Boosting,自 適應提升)算法組合得到一個強分類器；所述的組合強分類器得到級聯人眼分 類器，是指在訓練過程中根據預先設定的級聯人眼分類器正確率閾值(如 98.5%)，調整強分類器的個數，直至分類正確率達到正確率閾值時停止訓練。所述的級聯人眼分類器是由多個強分類器組合而成，只有級聯人眼分類器 中的所有強分類器將待檢測圖像分類為人眼時，才表示級聯人眼分類器將該檢 測圖像分類為人眼。如圖2所示，所述的人眼檢測窗口遍歷的方式，指的是設定初始檢測窗口的 大小，如2*2，按照步長大小為1從膚色區域的左上角開始向右移動，每移動一 次，便得到一個檢測窗口，如果級聯人眼分類器將該檢測窗口里的圖像分類為 人眼，即檢測到矩形人眼區域，把該矩形人眼區域加到人眼矩形鏈表中；否則 不做任何操作；當窗口移至圖像最右邊時，從下一行開始重復同樣的操作，直 至窗口到達圖像最右下方。然后以一定倍率如1.5倍擴大檢測窗口，此時窗口由 2*2變成3*3,重復同樣的檢測過程，直至窗口的寬度大于指定的寬度閾值20 為止。所述的可以合并的矩形，指的是兩個矩形中，如果一個矩形中心包含在另一 個矩形之中，則這兩個矩形應當合并成一個矩形。所述的矩形合并方法，是指將兩個要合并的矩形的左上角坐標值平均得到 新的坐標值，把該坐標值作為合并后的矩形的左上角坐標值，同時將兩個矩形 的長和寬分別平均得到新的長和寬，并把新的長和寬作為合并后的矩形的長和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對應的兩個要合并的矩形。步驟四，對于步驟三的合并后的人眼矩形鏈表中的每個矩形人眼區域，依次使用Sobel (索貝爾)算子進行邊緣檢測和二值化得到二值圖像； 所述邊緣檢測和二值化，具體如下① 使用高斯濾波器對矩形人眼區域進行濾波；② 使用Sobel算子進行邊緣檢測，得到一幅梯度圖像； 所述的Sobel算子，包括水平檢測算子和垂直檢測算子，具體如下:水平檢測算子:—1 一2 -l0 0 01 2 1，垂直檢測算子=-1 0 1 _2 0 2 —1 0 1水平檢測算子對水平方向的灰度值變化敏感；垂直檢測算子對垂直方向的灰 度值變化敏感。在利用Sobel邊緣檢測的過程中，取水平方向和垂直方向中的梯度絕對值最 大的作為該像素點的梯度值。③使用閾值法對梯度圖像進行二值化，得到二值圖像。所述的閾值法二值化，指的是選取一個閾值等于128，大于等于128的作為 邊緣，小于128的作為背景，這樣得到的是一幅二值圖像。步驟五，對于步驟四得到的二值圖像，使用水平投影方法分析人眼狀態。所述水平投影方法分析人眼狀態，具體如下① 對于步驟四中得到的二值圖像，如圖3 (a)所示，累加水平方向上邊緣 點的數目，得到水平投影向量，如圖3 (b)所示；② 如果在水平投影向量中存在兩個足夠大且靠得足夠近的高峰，則判斷該 人眼圖像是一幅閉眼圖像，如果不存在兩個足夠大且靠得足夠近的高峰，則不 能確定當前狀態為閉眼，那么跳至步驟六。所述的足夠大，是指水平方向上邊緣點的數目累加值比閾值大12，所述的 足夠近，是指兩個水平投影向量的兩個高峰的下標相差比閾值小8。步驟六，如果步驟五不能確定當前狀態是閉眼，則使用哈夫圓變換檢測方 法進一步分析人眼狀態。所述的哈夫圓變換檢測方法，具體如下①定義維度為mxn的Accumulator (累積矩陣)并設其初始值為0，其中m 是步驟四中二值圖像的高，n是步驟四中二值圖像的寬；② 根據不同人眼大小和距離攝像頭遠近的關系而造成的圖像中眼睛的大小 變化，選擇半徑范圍，半徑在最小半徑rmi。和最大半徑rmax之間；本實施例在320*240的人臉圖像中，半徑r的范圍設置為[5, 20]。③ 對半徑范圍中的每個整數值半徑，遍歷步驟四中的二值圖像，忽略所有 的背景像素點，而對每個邊緣像素點，作哈夫圓變換，得到不同半徑對應的圓 心坐標；所述的哈夫圓變換，具體如下a、 以圖像的左上角為原點，建立X-Y坐標系，其中向右為X軸正方向，向 下為Y軸正方向，X-Y坐標系中像素點坐標為(x,y)，其中x是該像素點的X坐 標，y是該像素點的Y坐標，圓心位置的X坐標范圍為最小X坐標lowX^-r， 最大X坐標highX =x+r，如果lowX小于0，則lowX:O;如果highX大于w-1， 則highX^-l，其中w為二值圖像的寬；b、 對[iowx， high幻中的每個整數值jc'，按如下公式計算y、少"，得到兩個候選圓的圓心位置0c',/)和0c',/')，其中x'指圓心位置的X坐標，；;'、/'指 的是圓心位置的Y坐標；<formula>formula see original document page 13</formula>c、 對/，如果在
之內，h為二值圖像的高，則Accumulator[:c'][ /]增1;對/'，如果在[O， h-l]之內，則Accumulator[;c'] [ y"]增l;d、 通過遍歷累積矩陣累積矩陣Accumulator搜索到最大累積值的坐標及其 值；如果該值大于設定的閾值10，則保存對應的圓心位置和半徑。④ 通過選取圓周上均勻分布的40個點，統計不同半徑下檢測到的圓，其圓 周上的點屬于邊緣點的數目，并取最大者及其對應的半徑作為最終的圓心和半 徑結果；⑤ 根據檢測到的圓心位置和半徑，判斷眼睛當前狀態。 所述的根據檢測到的圓心位置和半徑，判斷眼睛當前狀態，具體描述如下: a、統計圓周上邊緣點的數目t;b、 統計連續弧的邊緣點數目，并保存在數組Cc中，所謂連續弧，是指在 圓周上間隔不超過2個像素點的相鄰邊緣點；c、 統計數組Cc中超過1/2圓周的連續弧的數目M，統計數組Cc中超過 1/3圓周的連續弧的數目N;d、 如果圓周上邊緣點的數目t>20且M)l或N>2，判斷為睜眼；否則判斷為閉眼。在上述步驟結束后，若判斷出閉眼，發出聲音警報；如判斷出睜眼，用紅 色x標示眼睛虹膜位置。本實施例通過橢圓膚色模型進行膚色分割，有效減小了級聯人眼分類器的檢 測范圍，檢測速度提升了l倍以上，使誤檢率降低到原來的一半，準確率提高 了 20%，而利用水平投影和哈夫圓變換檢測分析眼睛狀態，則進一步檢測可能的 眼睛當前狀態。
權利要求
1、一種基于級聯分類和哈夫圓變換的人眼狀態檢測方法，其特征在于，包括以下步驟，步驟一，采集人臉圖像；步驟二，對于步驟一采集到的人臉圖像，使用橢圓膚色模型在YCbCr顏色空間膚色分割得到膚色區域位置信息；步驟三，使用訓練好的級聯人眼分類器在步驟二提取的膚色區域位置使用人眼檢測窗口遍歷的方式檢測矩形人眼區域，得到人眼矩形鏈表，使用矩形合并方法合并人眼矩形鏈表中的矩形，直到沒有可以合并的矩形為止，得到合并后的人眼矩形鏈表；步驟四，對于步驟三合并后的人眼矩形鏈表中的每個矩形人眼區域，依次使用索貝爾算子進行邊緣檢測和二值化得到二值圖像；步驟五，對于步驟四得到的每幅二值圖像，依次使用水平投影方法檢測人眼狀態；步驟六，如果步驟五不能確定當前狀態是閉眼，則使用哈夫圓變換檢測方法進一步檢測人眼狀態。
2、 根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述得到膚色區域位置信息，包括如下具體步驟① 、將步驟一中采集到的人臉圖像中每個像素點的RGB值(R， G， B)，轉換 成(Y， Cb， Cr)值，其中，Y表示亮度信息、Cb表示藍色的色差信息、Cr表示 紅色的色差信息；② 、設置橢圓膚色模型的參數；③ 、對圖像中的每個像素點，進行膚色分割，得到二值膚色圖像； 、在二值膚色圖像的四連通膚色區域的邊界中，得到膚色區域位置信息。
3、 根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述的人眼檢測窗口遍歷的方式，指的是設定初始檢測窗口的大小， 按照步長大小從膚色區域的左上角開始向右移動，每移動一次，便得到一個檢 測窗口，如果級聯人眼分類器將該檢測窗口里的圖像分類為人眼，即檢測到矩 形人眼區域，把該矩形人眼區域加到人眼矩形鏈表中，否則不做任何操作，當 窗口移至圖像最右邊時，從下一行開始重復同樣的操作，直至窗口到達圖像最 右下方，然后以一定倍率擴大檢測窗口，重復同樣的檢測過程，直至窗口的寬 度大于指定的寬度為止。
4、 根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述的可合并的矩形，指的是兩個矩形中，如果一個矩形中心包含 在另一個矩形之中，則這兩個矩形應當合并成一個矩形；所述的矩形合并方法，是指將兩個要合并的矩形的左上角坐標值平均得到 新的坐標值，把該坐標值作為合并后的矩形的左上角坐標值，同時將兩個矩形 的長和寬分別平均得到新的長和寬，并把新的長和寬作為合并后的矩形的長和 寬，這樣便確定了合并后的矩形的大小和位置，將合并后的矩形加到人眼矩形 鏈表中，并從人眼矩形鏈表中刪除對應的兩個要合并的矩形。
5、 根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述邊緣檢測和二值化，是指對矩形人眼區域，首先利用高斯濾波 器濾波，得到平滑后的灰度圖像，對灰度圖像用索貝爾算子，進行邊緣檢測， 得到一幅梯度圖像，最后采用閾值法，設定閾值，遍歷該梯度圖像，將大于或 等于閾值的像素點作為邊緣點，小于設定閾值的像素點作為背景點，得到二值 圖像。
6、 根據權利要求1或5所述的基于級聯分類和哈夫圓變換的人眼狀態檢測 方法，其特征是，所述索貝爾算子，包括水平檢測算子和垂直檢測算子，具體 如下<formula>formula see original document page 3</formula>水平檢測算子對水平方向的灰度值變化敏感，垂直檢測算子對垂直方向的灰 度值變化敏感。
7、根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法，其特征是，所述水平投影方法，是指累加水平方向上邊緣點的數目，得到水 平投影向量，在該水平投影向量中，如果存在兩個足夠大且靠得足夠近的高峰， 判斷該人眼當前狀態是閉眼，如果不存在兩個足夠大且靠得足夠近的高峰，則 不能確定當前狀態為閉眼，那么跳至步驟六。
8、 根據權利要求7所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述的足夠大，指的是水平方向上邊緣點的數目累加值大于第一閾 值，第一閾值的大小范圍在wx0.2和wx0.35之間，所述的w是二值圖像的寬；所述的足夠近，指的是水平投影向量的兩個高峰的下標差值小于或等于第 二閾值，第二閾值的大小范圍在wx0.15和wx0.25之間，所述的w是二值圖像 的寬。
9、 根據權利要求1所述的基于級聯分類和哈夫圓變換的人眼狀態檢測方法， 其特征是，所述的哈夫圓變換檢測方法，是指根據不同人眼大小和距離攝像 頭遠近的關系而造成的圖像中眼睛的大小變化，選擇半徑變換范圍，使用哈夫 圓變換得到圓心位置和對應的半徑，哈夫圓變換得到圓心位置和半徑之后，統 計圓周上邊緣點的數目和連續弧的邊緣點數目，并保存在數組中，統計數組中 超過1/2圓周的連續弧的數目M，統計數組中超過1/3圓周的連續弧的數目N， 如果邊緣點的數目大于等于20，并且M》1或N>2，判斷為睜眼，否則判斷為 閉眼。
10、 根據權利要求1或9所述的基于級聯分類和哈夫圓變換的人眼狀態檢測 方法，其特征是，所述的哈夫圓變換，具體如下① 以圖像的左上角為原點，建立X-Y坐標系，其中向右為X軸正方向，向 下為Y軸正方向，X-Y坐標系中像素點坐標為(x，y)，其中x是該像素點的X坐 標，y是該像素點的Y坐標，圓心位置的X坐標范圍為最小X坐標lowX:x-r， 最大X坐標highX =x+r，如果lowX小于0，則lowX=0;如果highX大于w_l， 則highX^-l，其中w為二值圖像的寬；② 對[lowX， high幻中的每個整數值x'，按如下公式計算/、 /'，得到兩個候選圓的圓心位置Oc'，力和(JC',/')，其中x'指圓心位置的X坐標，/、；;"指 的是圓心位置的Y坐標； <formula>formula see original document page 5</formula>③ 對/，如果在[O， h-l]之內，h為二值圖像的高，則累積矩陣[;c'][ 增l;對/'，如果在[O， h-l]之內，則累積矩陣[;c'][;;"]增l;④ 通過遍歷累積矩陣累積矩陣搜索到最大累積值的坐標及其值，如果該值大 于設定的閾值，則保存對應的圓心位置和半徑。
全文摘要
一種模式識別領域的基于級聯分類和哈夫圓變換的人眼狀態檢測方法，包括以下步驟采集人臉圖像；使用橢圓膚色模型在YCbCr顏色空間膚色分割得到膚色區域位置信息；使用級聯人眼分類器在膚色區域位置使用人眼檢測窗口遍歷的方式檢測矩形人眼區域，并使用矩形合并方法合并矩形，得到合并后的人眼矩形鏈表；對于合并后的人眼矩形鏈表中的每個矩形人眼區域，依次使用索貝爾算子進行邊緣檢測和二值化得到二值圖像；對于每幅二值圖像，依次使用水平投影方法檢測人眼狀態；如果還不能確定當前狀態是閉眼，則使用哈夫圓變換檢測方法進一步檢測人眼狀態。本發明利用膚色分割提升人眼檢測速度，跟蹤分析人的眼睛狀態，適用于注意力檢測和疲勞度檢測。
文檔編號G06K9/62GK101127076SQ20071004647
公開日2008年2月20日 申請日期2007年9月27日 優先權日2007年9月27日
發明者劉決仕, 申瑞民, 晶 金, 剛 陳, 陳華曦 申請人:上海交通大學