專利名稱：基于面部朝向和視覺焦點的駕駛安全監測系統的制作方法
技術領域：
本發明涉及一種駕駛安全檢測系統。
技術背景現代社會，人們生活水平有了大幅提高，汽車的擁有率逐年上升，隨之而來 的安全隱患也越來越嚴重。交通隱患很大程度上是由駕駛疲勞引起的，而對疲勞 狀況監測有利用生理特征或利用駕駛員駕駛行為監測的，但它們會對駕駛員的身 體產生不適并且易受路況等環境因素的影響。近幾年一種基于人臉或人眼特征的 方法被用來監測駕駛員疲勞或注意力分散，由于其簡捷性、干擾性少以及實時性 等優點，逐漸成為研究的熱點。在人臉和人眼檢測方面，目前已有多項研究，但都存在很多不足之處。有的研究只限于單一特征，不可靠。例如作者為張明恒，2007年公開的名稱 為基于面部朝向的駕駛員精神分散監測方法研究的吉林大學交通學院學位論文， 采用面部輪廓相似于橢圓的事實，在面部邊緣點檢測基礎上利用邊緣鏈碼組對面 部輪廓線進行擬合，以面部特征區域(眼睛、嘴巴等)相對于輪廓線的位置變化 作為特征量，利用BP神經網絡對面部朝向估計問題進行了深入研究。但其未對 疲勞狀況最重要的特征——眼睛作出分析。再例如作者為徐璐，2008公開的名稱 為基于眼睛檢測與視線估計的駕駛員疲勞檢測的南京理工大學學位論論，采用虹 膜、角點、眼瞼等特征定位并建模判斷視線方向，但需要面部的精確定位，并且 頭部只能輕微擺動，跟蹤效果也不好，還可能受反射光的影響。而對眼睛這一單一特征進行監測，也有失準確。有的研究雖然基于多特征，如專利申請號為CN03148524.3的中國發明專利， 發明名稱為基于多特征融合的困倦駕駛檢測方法，采用眼瞼閉合速度、閉眼持續 時間和面部方向三個特征的困倦駕駛檢測方法，但其有兩點不足1、頭部偏轉判 斷過于粗糙，其采用0-1判斷，即要么偏轉要么不偏轉；2、眼睛檢測采用傳統 perclos法判斷，但perclos法不能判斷出視線偏轉狀況下的駕駛員注意力分散，比 如駕駛員實現偏轉30度時，雖然perclos法檢測出人眼仍然是睜開的，但其己經 不再正視前方，屬于注意力分散狀況。 發明內容為了克服已有駕駛安全檢測系統的抗干擾能力弱、準確性差的不足，本發明 提供一種抗干擾能力強、準確性高的基于面部朝向和視覺焦點的駕駛安全監測系 統。本發明解決其技術問題所采用的技術方案是一種基于面部朝向和視覺焦點的駕駛安全監測系統，包括用于采集駕駛員頭 部圖像的視覺傳感器和用以根據頭部圖像進行安全檢測的智能處理器，所述智能處理器包括圖像采集模塊，用于采集視覺傳感器發送過來的駕駛員頭部圖像； 膚色區域檢測模塊，用以將RGB彩色空間轉換為YCrCb彩色空間，得到整幅圖 像的Cr、 Cb情況并判斷出膚色區域；邊緣提取模塊，用于采用Canny算子進行邊緣提取，得到頭部圖像輪廓； 眼睛檢測模塊，用于對邊緣化的人臉進行Hough變換，定位眼睛； 人臉朝向分析模塊，用于確定嘴部區域，定位嘴巴，并以眼睛和嘴巴為基準，分 別計算人臉左右面積，并計算人臉左右面積比；駕駛員安全駕駛判定模塊，用于根據預設的人臉左右面積比區間，如計算得到的 當前人臉左右面積比處于預設區間外，判定處于非安全駕駛狀態，發出告警指令。作為優選的一種方案所述智能處理器還包括視覺焦點判斷模塊在所得 人臉圖像中，根據定位的眼睛，同眼睛角點位置作比較，計算瞳孔中心偏移量， 并將此偏移量占眼部總長度的比例，得到瞳偏距系數；在所述駕駛員安全駕駛判 定模塊中，預設瞳偏距系數的閾值范圍，當判定計算得到的當前人臉左右面積比 處于所述區間后，再判斷當前的瞳偏距系數是否落入所述閾值范圍，如果位于所 述域值范圍外，則判定駕駛員處于非安全駕駛狀態，發出告警指令。進一步，所述邊緣提取模塊中，通過査找圖像梯度的局部最大值的方法來得 到邊緣信息，具體有(1) 首先用2D高斯濾波模板對整個圖像進行巻積以消除噪聲。(2) 利用微分算子(比如，Prewitt算子、Kirsch算子等)得到各像素灰度的梯 度值|G| = VG2X +G2y (2) 其中，Gx表示X方向梯度，Gy表示Y方向梯度，G表示梯度；(3) 計算出梯度方向^ = t肌-1 &Gy (3)其中，e表示梯度方向；(4) 根據梯度方向將邊緣大致地分為四種:水平、豎直、45°方向和135°方向。 也就是把0-180°分為五個部分:0-22.5°以及157. 5° -180°算作是水平方向， 22.5° -67.5。算作是45°方向，67. 5。 -112.5。算作豎直方向，112. 5° -15.750 °記為135°方向。需要注意的是:這些方向是梯度的方向，也就是可能的邊緣方 向的正交方向(法向量方向)。通過梯度的方向，就可以找到這個像素沿梯度方向7的鄰接像素。(5) 非極大值抑制:遍歷圖像，若某個像素的灰度值與其梯度方向上前后兩個 相鄰像素的灰度值相比不是最大的，那么將這個像素的值置為0，即不是邊緣點。(6) 利用直方圖計算出兩個閾值并判定凡是大于高閾值的一定是邊緣點；凡 是小于低閾值的一定不是邊緣點。對于介于兩個閾值之間的像素，那就要看它的 鄰接像素中有沒有超過高閾值的邊緣點，如果有那么它也是邊緣點；否則它就不 是邊緣點。最后，在所述的人眼檢測模塊中，通過Hough變換檢測瞳孔位置，其原理是 將圖像空間的點經圓變換到參數空間上，圓上的一點對應于參數空間中一個三維 錐面；圓的所有邊界點對應參數空間中一個錐面族圓，若所變換的點在同一個圓 周上，則圓錐族相交于一點，該點即對應于圖像空間的圓心和半徑；(1) 圓方程為其中，x表示圓心橫坐標，y表示圓心縱坐標，r表示圓半徑；(2) 對參數空間進行適當量化，得到一個三維累加器B (a,b,r);累加器陣列中 每一個立體小方格對應參數離散值；(3) 設圖像大小為mxn，圖像中像素點坐標為(a，b)，其中0^a^n， 0^b^n;對 圖像空間中的圓進行檢測時，計算與邊緣上的每一點像素距離為r的所有點(a， b)，其中，05r5min[m,n]，同時將對應(a， b， r)的立方體小格的累加器加1;改 變r值再重復上述過程；當對全部邊緣點變換完成后，對三維陣列的所有累加器 的值進行檢驗，其峰值小格的坐標就對應著圖像空間中圓形邊界的圓心；(4) 降維處理根據人眼特征，確定r的先驗值或者其范圍，將三維降為二維。 本發明的技術構思為基于人臉和人眼特征檢測，使用色彩空間轉換提取人臉區域；采用Canny算子提取邊緣特征，根據Hough變換提取瞳孔位置并判斷嘴 巴位置；根據通過數學建模得到人臉左右面積比與人臉朝向關系、瞳孔位置與視 線方系的關系，并由此得到注意力分散閾值；通過大量實驗證明了該方法對注意 力分散監測的實時性和有效性。進一步提出駕駛員面部朝向與視覺焦點結合的方 法，來監測駕駛員的注意力分散狀況，實現便捷性與準確性的統一。本發明的有益效果主要表現在抗干擾能力強、準確性高。
圖1是基于面部朝向和視覺焦點的駕駛安全監測系統的主流程圖。圖2是膚色的Cb、 G分布圖。圖3是駕駛員頭部的原始圖像。圖4是圖3所示的膚色中Cb分量分布圖。圖5是圖3所示的整幅圖像提取膚色區域后的檢測效果圖 …圖6是面部圖像。圖7是圖6的邊緣檢測效果圖。圖8是Hough變換檢測理想圓的示意圖。圖9是Hcmgh變換檢測殘缺圓的示意圖。圖10是Hough變換檢測瞳孔位置的示意圖。圖11是駕駛員頭部的正面圖像。圖12是視線偏轉度為30°的示意圖。圖13是頭部偏轉20°的示意圖。圖14是圖11的分割圖.圖15是圖12的分割圖。圖16是圖13的分割圖。圖17是計算面積比示意圖。 圖18是面部朝向分布圖。圖19是人臉左右面積比與偏轉角度的關系示意圖。 圖20是眼部參數分布圖。 圖21是瞳孔位置與視線方向關系示意圖。 圖22是視線模型示意圖。
具體實施方式
下面結合附圖對本發明作進一步描述。參照圖1 圖22， 一種基于面部朝向和視覺焦點的駕駛安全監測系統，包括 用于采集駕駛員頭部圖像的視覺傳感器和用以根據頭部圖像進行安全檢測的智能處理器，所述智能處理器包括圖像采集模塊，用于采集視覺傳感器發送過來的 駕駛員頭部圖像；膚色區域檢測模塊，用以將RGB彩色空間轉換為YCrCb彩色 空間，得到整幅圖像的Cr、 Cb情況并進一步判斷出膚色區域；邊緣提取模塊， 用于采用Canny算子進行邊緣提取，得到頭部圖像輪廓；眼睛檢測模塊，用于對 邊緣化的人臉進行Hough變換，定位眼睛；人臉朝向分析模塊，用于確定嘴部區 域，定位嘴巴，并以眼睛和嘴巴為基準，分別計算人臉左右面積，并計算人臉左 右面積比；駕駛員安全駕駛判定模塊，用于根據預設的人臉左右面積比區間，如 計算得到的當前人臉左右面積比處于預設區間外，判定處于非安全駕駛狀態，發 出告警指令。所述智能處理器還包括視覺焦點判斷模塊在所得人臉圖像中，根據定位 的眼睛，同眼睛角點位置作比較，計算瞳孔中心偏移量，并將此偏移量占眼部總 長度的比例，得到瞳偏距系數；在所述駕駛員安全駕駛判定模塊中，預設瞳偏距 系數的閾值范圍，當判定計算得到的當前人臉左右面積比處于所述區間后，再判斷當前的瞳偏距系數是否落入所述閾值范圍，如果位于所述域值范圍外，則判定 駕駛員處于非安全駕駛狀態，發出告警指令。膚色區域檢測雖然不同人種有不同的膚色，但同一人種之間，不同個體的 膚色差異較小，多數情況下與周圍環境的顏色有較明顯的差異。據此可以建立相 應的模型，以此來區分圖像中皮膚與周圍背景的區域。基于不同的彩色空間，可以有不同的膚色模型。對于亞裔(黃種人)而言， 在合適的彩色空間中，膚色能聚合在一起，并且與周圍其他區域區分開來。在RGB彩色空間中，RGB模型會受亮度的影響；而在YCrCb彩色空間中，Cr、 Cb不受光 照影響，而且在CrCb子空間上，人的膚色能很好的聚集在一起，Cr、 Cb分量分 布比較集中，且均呈高斯分布，如圖2所示——也就是說人臉膚色同環境的不同 主要體現為色調和飽和度的不同。所以通常選擇亮度分量和色度分量分離的 YCbCr色彩空間進行膚色建模。如果一個像素點的Cr和Cb值滿足123《Cr《175，并且93《Cb《133，則該 像素點被認為具有皮膚色。對于RGB與YCbCr之間的轉換如公式(1):<formula>formula see original document page 11</formula>
如圖2，對樣本圖像采用顏色空間轉換后，得到膚色區域以及整幅圖片的Cb 分布圖(Cr分量類似)。可以看出，采用YCbCr顏色空間轉換后，臉部區域的 Cb分量呈現非常好的聚類特性，同環境因素強烈區分開來，所以可以很好的檢測 出膚色區域。圖3為原始的彩色圖像(RGB),圖4為從圖3的Cb分布圖，圖5為根據中 圖的膚色模型提取出的膚色區域(二值圖)。邊緣輪廓提取通過色彩空間轉換，可以得到膚色區域。在彩色圖片中進行膚色提取有助于快速排除大量的多余信息，得到面部頭像。由于在駕駛環境中， 頭部信息比較簡單，不存在多人臉以及手臂等其他膚色區域，所以可以判斷膚色 區域為人臉，并直接進行眼睛檢測。在算法上，采用Canny算子進行邊緣提取， 然后用Hough變換檢測瞳孔，下面詳述它們的優點和核心算法。1986年John Canny提出了三條邊緣檢測的準則，并在此基礎上得到了一個較 好的實用算法，通常被稱為Canny算子。本方法采用Canny算子，主要因為它在 圖像去噪和邊緣細節保留上取得了相對較好的平衡，而且實現簡單、處理速度快。Canny算子的基本原理是通過査找圖像梯度的局部最大值的方法來得到邊緣 點信息。算法核心有以下幾步(1) 首先用2D高斯濾波模板對整個圖像進行巻積以消除噪聲；(2) 利用微分算子得到各像素灰度的梯度值|G| = VG2X +G2y (2)其中，Gx表示X方向梯度，Gy表示Y方向梯度，G表示梯度；(3) 計算出梯度方向6> = tan-1Gy (3)其中，e表示梯度方向；(4) 根據梯度方向將邊緣大致地分為四種水平、豎直、45。方向和135。方向；也就是把0-180°區域分為五個部分:0-22.5°以及157.5。-180°作為水平方向， 22.5°-67.5。作為45°方向,67.5。-112.5°作為豎直方向，112.5°-15.750°作為135°方 向；通過梯度的方向找到這個像素沿梯度方向的鄰接像素；(5) 非極大值抑制遍歷圖像，若某個像素的灰度值與其梯度方向上前后兩個 相鄰像素的灰度值相比不是最大的，那么將這個像素的值置為O，即不是邊緣點；(6) 利用直方圖計算出兩個閾值并判定:凡是大于高閾值的一定是邊緣點；凡是小于低閾值的一定不是邊緣點；對于介于兩個閾值之間的像素，那就要看它的鄰 接像素中有沒有超過高閾值的邊緣點，如果有那么它也是邊緣點；否則它就不是 邊緣點；對面部圖像進行Canny算子邊緣檢測后如圖6和圖7所示精確定位眼睛Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法 之一，應用很廣泛，在人臉檢測領域中的瞳孔定位有重要的應用。用Hough變換 檢測圓，可靠性高，對噪聲、變形、部分區域殘缺、邊緣不連續等有較好的適應 性。從圖7可以看出，經過邊緣檢測后，眼部瞳孔圓的特性比較突出，可以利用 這一點采用Hough變換來檢測瞳孔。Hough變換的基本原理是，在圖像空間和參數空間進行變換。Hough變換的 基礎是直線變換，它利用點——線的對偶性，即圖像空間共線的點對應在參數空 間里相交的線；反過來，在參數空間中相交于同一個點的所有直線在圖像空間里 都有共線的點與之對應。利用直線變換可以進一步推廣到圓變換。Hough圓變換的原理是將圖像空 間的點經圓變換到參數空間上，圓上的一點對應于參數空間中一個三維錐面；圓 的所有邊界點對應參數空間中一個錐面族圓，若所變換的點在同一個圓周上，則 圓錐族相交于一點，該點即對應于圖像空間的圓心和半徑；(1) 圓方程為(x-a)2+(y-6)2=一 (4)其中，x表示圓心橫坐標，y表示圓心縱坐標，r表示圓半徑；(2) 對參數空間進行適當量化，得到一個三維累加器B (a，b，r);累加器陣列中 每一個立體小方格對應參數離散值；(3) 設圖像大小為mxn，圖像中像素點坐標為(a，b)，其中0SaSm， 0SbSn;對圖像空間中的圓進行檢測時，計算與邊緣上的每一點像素距離為r的所有點(a， b)，其中，OS^min[m，n]，同時將對應(a， b， r)的立方體小格的累加器加1;改 變r值再重復上述過程；當對全部邊緣點變換完成后，對三維陣列的所有累加器 的值進行檢驗，其峰值小格的坐標就對應著圖像空間中圓形邊界的圓心；(4)降維處理根據人眼特征，確定r的先驗值或者其范圍，將三維降為二維。 人臉朝向分析精確定位出眼睛之后，特征提取的工作就完成了。接下來， 要分析出人臉朝向和視覺焦點。對于人臉朝向，為了避免脖子和頭發的干擾，取 眼睛以下，嘴部以上區域進行分析。通過前面分析可以知道，人臉屬于膚色區域， 但眼睛、嘴巴等特殊區域不符合膚色的CbCr分布范圍，可以將其篩選出來。在 圖2中人臉的檢測圖中，非膚色區域除去眼部區域，剩下主要為嘴部區域。定位眼睛和嘴巴以后，以眼睛和嘴巴為基準，將面部分為兩部分，分別計算 各自面積，以此來計算左右面積比。圖ll、 12、 13和圖14、 15、 16分別為原始 圖和分割效果圖。人臉朝向閾值分析經過大量數據測試，得到了面部朝向與偏轉角度的關系 圖。圖17為計算面積比示意圖(可以參照圖14、 15、 16的處理結果)，采用的是 正面頭像作參考。下面具體分析說明。圖18是面部朝向分布圖，橫坐標代表偏轉 角度，方向定義為左偏為負，右偏為正；縱坐標代表面部左右面積比。(1) 曲線基本反映了實際情況。例如，在左偏20°和右偏20°附近，在左偏 30。和右偏30。附近都呈現倒數關系；在面部偏轉為0。的時候，面積比在l附近波 動。(2) 曲線在30。附近達到最大值，在30°和-30°之外趨于零。這是由于人臉偏 轉已經超過了監測閾值，導致系統無法檢測到人臉的左半部分或右半部分。G)由于所采集的人臉各有不同，所以具體數值會有差異，但總體趨勢相同。總的來說，由于面部圖像的參數分布呈現一定規律性，這使得進行人臉朝向的閾 值分析以及建立模型成為可能。人臉朝向模型建立采用OriginLab對圖18的數據進行擬合得圖19。(1) 從擬合的數據參數看，卡方分布自由度CWA2/DoF-0.00743,相關系數 Ra2=0.99533，擬合曲線的擬合程度很好，擬合數據能夠很好的反映數據的真實情 況。(2) 處理掉非常小的影響因子，并在誤差范圍內對函數進行優化，得到面部 朝向參數分布公式四r =-^——^xfl--^——;~~) (5)1l + exp((40-a)/0.1)l + exp((40 —or)/20)實際應用中，可以事先采集駕駛員頭像，根據先驗值修改函數參數。在監測 過程中，通過實時采集駕駛員頭部圖像，并計算后可以得到駕駛員頭部偏向值。視覺焦點分析同樣，以類似手段得到眼部狀況分布圖。差別在于，橫坐標 代表偏轉角度，方向定義為左偏為負，右偏為正；而縱坐標代表瞳孔以左部分長 度占整個眼部的比例，定義為瞳偏距系數。曲線圖如圖20。(1) 由于左眼和右眼分布情況基本相同，只用左眼來舉例說明。(2) 數據中眼部朝向處于0。時數據大約在0.55附近，這是由于眼部為非對 稱區域，眼睛正視前方時，瞳孔所在位置并非眼睛中央，而是偏向內側，因而此 時的數據大于0.5。(3) 實驗發現，人眼在面部不偏轉的情況下，視線不會超過60。， 一般最大 為45°，所以數據顯示大約偏轉50。以外是監測不出來的，這也是和實際相吻合的。視覺焦點模型建立采用OriginLab對圖20中的數據進行擬合得到圖21。 (1)從擬合的數據參數看，卡方分布自由度ChiA2/DoF:0.00195，相關系數 RA2=0.98077，擬合曲線的擬合程度很好，擬合數據能夠很好的反映數據的真實情況。(2) 同樣，忽略較小的影響因子，并考慮到誤差估計，得出曲線的近似公式表示p = ^~x(5694 + 8.4x々+ 0.3x/ 2) (5) 10000 、 r " /(3) 根據作者為徐璐，名稱為基于眼睛檢測與視線估計的駕駛員疲勞檢測的 南京理工大學學位論文，公開了計算視線方向所采用的視線模型(圖22)，當視 線偏轉角度較小時，瞳孔中心的偏移量與偏轉角度近似呈線性關系；當偏轉角度 較大時，瞳孔位置的變化量則是按照視線角度偏轉量的正切函數的變化趨勢而變 化。通過觀察看出，得到的擬合曲線的走勢與以上分析吻合，驗證了所建立的模 型的真實性與可靠性。在監測過程中，通過實時采集駕駛員眼部圖像，并計算后 可以得到駕駛員視線偏向值。駕駛員疲勞狀況判斷:根據前述面部朝向以及視覺焦點參數圖得出(1) 駕駛員在面部偏轉30°后，系統監測出錯，在正負30。之外參數值趨于 零。在正負15。以內，面部基本朝向前方，比值在l附近波動，可視為正常情況。 所以，閾值可設為正負15°，超出此范圍報警。根據之前得到的數據分析，將"=15° 和"=-15°帶入公式四，分別得到f1.74和f0.45，此閾值范圍大約為
。(2) 如果駕駛員面部朝向在安全范圍內，也就是正負15。以內，則視線一般 不受面部偏轉影響，需要進一步監控視覺朝向。(3) 通過對擬合曲線分析發現，人眼視線正常情況下在正負20°以內可以看 到前方，此時曲線趨于水平，所以將其閾值設為正負20°。將〃=20°和"=-20°帶 入公式五，分別得到/ =0.60和戶=0.53,此閾值范圍大約為
。本實施例采用人臉檢測、特征提取的方法，對駕駛員注意力分散狀況進行了 研究。在人臉檢測方面，采用了顏色空間轉化的方法，主要優點有容易與周圍環境區分，抗干擾能力比較強；采用色差作為主要檢驗參數，能夠區分視覺相近的顏色特征，避免了光照等對檢測的影響。在特征提取方面，本發明采用了 Canny算子和Hough變換及幾何特征進行了特征提取，得到了很好的效果。本發明的重點在于駕駛員的面部朝向和視覺焦點的分析。通過大量數據的研究以及函數圖像擬合，得出了人臉左右面積比與人臉朝向的關系，人眼瞳偏距系數與人眼視覺焦點的關系，并由此得到注意力分散的閾值，當超出此范圍時檢測系統報警，并且在程序運用中取得了較好的效果。通過對10名不同志愿者的100組模擬駕駛狀態視頻檢測，其中成功報警91組，成功率為91%。
權利要求
1、一種基于面部朝向和視覺焦點的駕駛安全監測系統，其特征在于所述駕駛安全監測系統包括用于采集駕駛員頭部圖像的視覺傳感器和用以根據頭部圖像進行安全檢測的智能處理器，所述智能處理器包括圖像采集模塊，用于采集視覺傳感器發送過來的駕駛員頭部圖像；膚色區域檢測模塊，用與將RGB彩色空間轉換為YCrCb彩色空間，得到整幅圖像的Cr、Cb情況并判斷出膚色區域；邊緣提取模塊，用于采用Canny算子進行邊緣提取，得到頭部圖像輪廓；眼睛檢測模塊，用于對邊緣化的人臉進行Hough變換，定位眼睛；人臉朝向分析模塊，用于確定嘴部區域，定位嘴巴，并以眼睛和嘴巴為基準，分別計算人臉左右面積，并計算人臉左右面積比；駕駛員安全駕駛判定模塊，用于根據預設的人臉左右面積比區間，如計算得到的當前人臉左右面積比處于預設區間外，判定處于非安全駕駛狀態，發出告警指令。
2、 如權利要求1所述的基于面部朝向和視覺焦點的駕駛安全監測系統，其特征在 于所述智能處理器還包括視覺焦點判斷模塊在所得人臉圖像中，根據定位的眼睛，同眼睛角點位置作比 較，計算瞳孔中心偏移量，并計算此偏移量占眼部總長度的比例，得到瞳偏距系 數；在所述駕駛員安全駕駛判定模塊中，預設瞳偏距系數的閾值范圍，當判定計 算得到的當前人臉左右面積比處于所述區間后，再判斷當前的瞳偏距系數是否落 入所述閾值范圍，如果位于所述域值范圍外，則判定駕駛員處于非安全駕駛狀態， 發出告警指令。
3、 如權利要求1或2所述的基于面部朝向和視覺焦點的駕駛安全監測系統，其特 征在于所述邊緣提取模塊中，通過查找圖像梯度的局部最大值的方法來得到邊緣信息，具體有-(1) 首先用2D高斯濾波模板對整個圖像進行巻積以消除噪聲；(2) 利用微分算子得到各像素灰度的梯度值|G| = VG2X +G% (2) 其中，Gx表示X方向梯度，Gy表示Y方向梯度，G表示梯度；(3) 計算出梯度方向夕=tan-1 &Gy (3)其中，e表示梯度方向；(4) 根據梯度方向將邊緣大致地分為四種水平、豎直、45。方向和135。方向； 也就是把0-180°區域分為五個部分:0-22.5°以及157.5°-180°作為水平方向， 22.5°-67.5°作為45°方向，67.5°-112.5°作為豎直方向，112.5°-15.750°作為135°方 向；通過梯度的方向找到這個像素沿梯度方向的鄰接像素；(5) 非極大值抑制遍歷圖像，若某個像素的灰度值與其梯度方向上前后兩個 相鄰像素的灰度值相比不是最大的，那么將這個像素的值置為O，即不是邊緣點；(6) 利用直方圖計算出兩個閾值并判定:凡是大于高閾值的一定是邊緣點；凡是 小于低閾值的一定不是邊緣點；對于介于兩個閾值之間的像素，那就要看它的鄰 接像素中有沒有超過高閾值的邊緣點，如果有那么它也是邊緣點；否則它就不是 邊緣點。
4、如權利要求1或2所述的基于面部朝向和視覺焦點的駕駛安全監測系統，其特 征還在于在所述眼睛檢測模塊中，通過Hough變換檢測瞳孔位置，將圖像空間 的點經圓變換到參數空間上，圓上的一點對應于參數空間中一個三維錐面；圓的 所有邊界點對應參數空間中一個錐面族圓，若所變換的點在同一個圓周上，則圓 錐族相交于一點，該點即對應于圖像空間的圓心和半徑；具體有(1) 圓方程為<formula>formula see original document page 4</formula>其中，x表示圓心橫坐標，y表示圓心縱坐標，r表示圓半徑；(2) 對參數空間進行適當量化，得到一個三維累加器B (a,b,r);累加器陣列中 每一個立體小方格對應參數離散值；(3) 設圖像大小為mxn，圖像中像素點坐標為(a，b)，其中0^a^n， OSb^i;對 圖像空間中的圓進行檢測時，計算與邊緣上的每一點像素距離為r的所有點(a， b)，其中，05r5min[m,n]，同時將對應(a， b， r)的立方體小格的累加器加1;改 變r值再重復上述過程；當對全部邊緣點變換完成后，對三維陣列的所有累加器 的值進行檢驗，其峰值小格的坐標就對應著圖像空間中圓形邊界的圓心；(4) 降維處理根據人眼特征，確定r的先驗值或者其范圍，將三維降為二維。
全文摘要
一種基于面部朝向和視覺焦點的駕駛安全監測系統，包括視覺傳感器和智能處理器，智能處理器包括圖像采集模塊，膚色區域檢測模塊，用以將RGB彩色空間轉換為YCrCb彩色空間并檢測膚色區域；邊緣提取模塊，用于采用Canny算子進行邊緣提取，得到頭部圖像輪廓；眼睛檢測模塊，用于對邊緣化的人臉進行Hough變換，定位眼睛；人臉朝向分析模塊，用于確定嘴部區域，定位嘴巴，并以眼睛和嘴巴為基準，分別計算人臉左右面積，并計算人臉左右面積比；駕駛員安全駕駛判定模塊，用于根據預設的人臉左右面積比區間，如計算得到的當前人臉左右面積比處于預設區間外，判定處于非安全駕駛狀態，發出告警指令。本發明抗干擾能力強、準確性高。
文檔編號G06T7/00GK101593352SQ20091009978
公開日2009年12月2日 申請日期2009年6月12日 優先權日2009年6月12日
發明者煜 馮, 冊 史, 陽 李, 鄭華兵 申請人:浙江大學