基于灰度信息的人眼定位 - 基于3G视频的驾驶员疲劳状态检测方法

　　3 基于灰度信息的人眼定位

　　眼睛区域与周围区域相比，具有灰度值较低且灰度变化率较大的特点。因此可基于眼睛图像的灰度信息进行定位。

　　3．1 眼睛粗略定位

　　准确定位人脸后，根据面部器官分布，人眼在脸部的上半部，可以很简单的确定一个大概区域。观察人脸图片，发现眼部在水平方向经过皮肤、左眼眼白、左眼瞳孔、左眼眼白、皮肤、右眼眼白、右眼瞳孔、右眼眼白、皮肤、灰度变化较大。在灰度变化突变处进行微分，将产生高值，将其绝对值累加，则灰度变化越大的那一行，累积值越大。计算公式如下

　　

　　f（x，y）为得到的人脸区域的灰度图像，通过实验发现，在眼睛处导数变化值之和的绝对值最大，通过此方法可粗略判断人眼所在线的位置。

　　3．2 人眼精确定位

　　通过观察发现眼睛周围Cb值较高，而Cr值较低，因此由式（5）计算得到特征图，以突出眼部特征。

　　

　　其中，EyeMap是眼睛特征图，都归一化到［0，255］之间，是由Cr求反得到（255，Cr）。在得到EyeMap图后，设定阀值T，将EyeMap小于T的值设为0，这一步可视为一个简单的滤波以去掉非眼部特征的干扰。

　　得到EyeMap滤波图后，结合人眼粗定位结果，从左到右搜索，按比例定义相对于人脸区域一定大小的框，当框进EyeMap滤波图值的和最大时，即为人眼。

　　3．3 眼睛的追踪

　　对人眼完成定位后，还要利用动态模板匹配的方法跟踪眼睛。设眼睛模板左上角的位置为（x，y），下一帧的搜索范围是原位置上沿上、下、左、右4个方向各扩展10个像素。其公式为

　　

　　式中，N是模板中像索的个数；M为模板；I为图像中待匹配的部分。

　　可得所有大于阈值p的最大值所对应的坐标为最匹配的位置。以此得到的眼睛图像作为下一帧图像的模板。在追踪的过程中，若得到的p均小于阈值或两眼的行距过大则重新回到眼睛的检测过程。

　　4 基于Perclos的疲劳识别

　　文中的疲劳识别基于Perclos的P80模型，即将闭合程度大于80％的眼睛状态判断为闭合状态。以初始时刻司机清醒时的上下眼睑最大距离为标准，若以后得到的距离小于此距离的80％则判断为闭合。假设实验视频帧率10 f·s-1分辨率为640×480，时长60s。

　　则以每6 s视频作为1个检测单元，间隔0．33 s取1帧作眼睛状态检测。统计每个检测单元内18帧图像的状态，得到眼睛闭合帧数CloseFr ame_Num和处理的总帧数SumFrame_Num，依据式（7）计算相应的Perclos值。

　　

　　如果所得Perclos值大于实验确定的阈值20％，则判断此时驾驶员可能已处于疲劳状态，通过报警系统进行警告。

　　5 结束语

　　视频监控能对驾驶者进行监督提醒，有效预防疲劳驾驶，减少疲劳驾驶所引起的车辆事故。3G视频监控是车辆监控发展的新趋势。算法在3G监控视频帧的基础上，进行了人脸定位、人眼定位与追踪及疲劳状态判断。实验表明，该算法有较高的鲁棒性及准确性，并能有效应用于实际。