人眼檢測(cè)及動(dòng)態(tài)跟蹤研究綜述

《人眼檢測(cè)及動(dòng)態(tài)跟蹤研究綜述》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、人眼檢測(cè)及動(dòng)態(tài)跟蹤研究綜述饒瑞琦尚麗娜石晴瑤陸宇棟浙江大學(xué)城市學(xué)院摘要：隨著計(jì)算機(jī)性能的不斷提升以及圖像處理精度的提高，人臉識(shí)別領(lǐng)域日趨火熱，與此同時(shí)，隨著應(yīng)用需求的不斷多樣化，人眼作為臉部的重要特征，針對(duì)人眼的識(shí)別也有多方面的應(yīng)用價(jià)值，因此有關(guān)于人眼識(shí)別方面的研究越來(lái)越受到重視。這些年我國(guó)科研人員也通過(guò)努力探討，在人眼的定位與識(shí)別上取得顯著成果。關(guān)鍵詞：人眼檢測(cè);人眼動(dòng)態(tài)￥艮蹤;Viola-Jones算法;AdaBoost算法;zernike矩特征;虹膜識(shí)別;作者簡(jiǎn)介：饒瑞琦（1996—），浙江衢州人，大學(xué)本科，現(xiàn)就讀于浙江大學(xué)城市學(xué)院。作者

2、簡(jiǎn)介：尚麗娜（1980—），河南洛陽(yáng)人，碩士研究生，浙江大學(xué)城市學(xué)院講師，研究方向：集成電路設(shè)計(jì)與應(yīng)用，圖像處理。作者簡(jiǎn)介：石晴瑤（1996—），浙江臺(tái)州人，大學(xué)本科，現(xiàn)就讀于浙江大學(xué)城市學(xué)院。作者簡(jiǎn)介：陸宇棟（1997—）,浙江嘉興人，大學(xué)本科，現(xiàn)就讀于浙江大學(xué)城市學(xué)院。基金：浙江省教育廳Y201635575眼睛在人與人的交流屮有舉足輕重的作用，在人的五官屮，人眼有與眾不同的魅力，兩眼對(duì)視的過(guò)程里，人眼能傳達(dá)出幽怨，哀傷，喜悅，憤怒等復(fù)雜情感，換而言之，人眼具有“生命”，伴隨著計(jì)算機(jī)視覺技術(shù)的進(jìn)步，這種生命力在該人臉識(shí)別領(lǐng)域也得到了很好的展現(xiàn)

3、，人眼檢測(cè)作為人臉識(shí)別以及表情識(shí)別的預(yù)處理步驟先驗(yàn)條件，其檢測(cè)的精度和速度將直接影響識(shí)別的精度和速度，不僅如此，眼睛圖像的獨(dú)特性以及眼睛的運(yùn)動(dòng)特點(diǎn)能夠反映出人的身體素質(zhì)以及心理上的細(xì)微變化，這使得人眼識(shí)別在心理學(xué)、認(rèn)知科學(xué)、醫(yī)學(xué)生理學(xué)及公共安全等領(lǐng)域有廣闊的應(yīng)用前景。1基于Viola-Jones算法的人眼檢測(cè)一般判斷人眼的關(guān)注度主要是通過(guò)對(duì)攝像頭檢測(cè)到的圖像中眼鏡區(qū)域的黑色像素點(diǎn)的大小變化來(lái)判斷的。通過(guò)攝像頭記錄下不同時(shí)刻眼鏡區(qū)域像素點(diǎn)的個(gè)數(shù)，對(duì)其進(jìn)行統(tǒng)計(jì)分析，取出一個(gè)合適的值來(lái)作為判斷關(guān)注度或者疲勞度的標(biāo)準(zhǔn)。在處理對(duì)象是一段視頻時(shí)，則通過(guò)對(duì)視

4、頻中的每秒提取五幀，依次對(duì)每一幀進(jìn)行人眼檢測(cè)，檢測(cè)出人眼狀態(tài)之后再定義一個(gè)變量count來(lái)記錄黑色像素點(diǎn)大小小于判斷標(biāo)準(zhǔn)點(diǎn)大小的幀數(shù)，當(dāng)一分鐘內(nèi)判斷認(rèn)為關(guān)注度低甚至疲勞的幀數(shù)達(dá)到90幀以上則認(rèn)為被檢測(cè)者是岀于關(guān)注度較低其至疲勞的狀態(tài)的。而另一種被普遍采用的判斷人眼關(guān)注度和疲勞度的方法則首先采用Viola-Jones算法，在獲取的圖像中直接進(jìn)行人眼定位，再對(duì)人眼圖像進(jìn)行處理得到人眼長(zhǎng)寬比值Q,最后建立Q值與關(guān)注程度的關(guān)聯(lián)模型。為了提高該算法的普遍性，需要在檢測(cè)前確定一個(gè)標(biāo)準(zhǔn)值Q‘，Q'值的確認(rèn)以對(duì)被測(cè)試者眼部信息采集的樣本中80%以上的概率分布點(diǎn)

5、為標(biāo)準(zhǔn)。Viola-Jones算法可直接跳過(guò)人臉定位步驟，在圖像屮直接定位到人眼;該算法的核心原理是在一個(gè)滑動(dòng)窗口中提取出harr特征，然后通過(guò)Adaboost分類器挑選出能最有效區(qū)分人眼的特征U1，最后在經(jīng)過(guò)訓(xùn)練，就可以得到一個(gè)檢測(cè)率高但是誤查率低的級(jí)聯(lián)分類器，通過(guò)該分類器可檢測(cè)人眼及1。與前一種方法相比，這種方法檢測(cè)速度提高了不少，而口可以適應(yīng)頭部的不同姿態(tài)，建立出來(lái)的“眼部相對(duì)長(zhǎng)寬比-睜眼程度”模型具有良好的線性，即在提高檢測(cè)速度的同時(shí)保證了算法的魯棒性。并且這種判斷關(guān)注度的方法述運(yùn)用到了關(guān)注度衍生的判斷疲勞程度中，實(shí)驗(yàn)過(guò)程里采用該方法的

6、疲勞判斷系統(tǒng)可以在一秒內(nèi)對(duì)表現(xiàn)出疲勞狀態(tài)的被測(cè)試者發(fā)出警報(bào)，這種快速且精準(zhǔn)的疲勞判斷的系統(tǒng)在防疲勞安全駕駛［3］領(lǐng)域有良好的應(yīng)用前景。2基于AdaBoost算法的人眼檢測(cè)人眼的檢測(cè)和跟蹤的主要處理對(duì)象是給定的視頻序列，前一幀眼睛所處的位置以及其后續(xù)運(yùn)動(dòng)信息都將作為人眼定位過(guò)程的重要數(shù)據(jù)。一般的人眼定位方法主要是采用基于學(xué)習(xí)、基于模版的匹配和基于特征的方法來(lái)實(shí)現(xiàn)人眼檢測(cè)以及跟蹤的。而組合型人眼檢測(cè)和跟蹤方法則采用了別的手段。AdaBoost算法就是應(yīng)用在人眼檢測(cè)里的一種算法，眼睛的位置可通過(guò)AdaBoost算法構(gòu)建出的人眼側(cè)鍵分類器檢測(cè)到，然后結(jié)

7、合卡爾曼濾波器以及平均位移就能夠追蹤到瞳孔的位置。AdaBoost算法的核心思想是針對(duì)一個(gè)訓(xùn)練集訓(xùn)練岀不同的弱分類器，之后將其集合起來(lái)構(gòu)成一個(gè)強(qiáng)分類器。而人眼檢測(cè)和跟蹤系統(tǒng)屮采用的卡爾曼濾波器的主要作用是估計(jì)目標(biāo)在下一幀屮的位置?？柭鼮V波器可以分為預(yù)測(cè)和更新兩個(gè)步驟。這一系統(tǒng)中采用的平均位移追蹤是一種基于目標(biāo)物外表的目標(biāo)追蹤方法。根據(jù)前一幀檢測(cè)到的就可以構(gòu)造出眼睛模型的密度分布，然后通過(guò)尋找Bhattachayya系數(shù)的最大值這一尋優(yōu)過(guò)程來(lái)進(jìn)行匹配。人眼的檢測(cè)與跟蹤過(guò)程:檢測(cè)和跟蹤是交替運(yùn)行在系統(tǒng)工作時(shí)的，這是為了有效的提高系統(tǒng)運(yùn)行速度和檢測(cè)

8、精度。在檢測(cè)吋，采用AdaBoost分類器尺度縮機(jī)制的人眼算法，并可采用canny裁剪技術(shù)來(lái)縮小所要分析的候選區(qū)域來(lái)提高效率。在跟蹤時(shí)，使用2級(jí)眼睛跟