【正文】 灰度微分平均投影函數(shù)H_differential_projection//輸入?yún)?shù) f[][]——灰度圖像 r ——圖像范圍//輸出參數(shù)：p——投影曲線 for(int x=+1。x=。x++) {float s=0。 for(int y=。y=。y++) s=s+fabs(f[y][x]f[y][x1])。 s=s/( +1)。 p[k++]=s。 }第四章 功能分析及實(shí)現(xiàn) 功能簡(jiǎn)介 本文在研究了圖像定位人眼的算法基礎(chǔ)上，實(shí)現(xiàn)了相應(yīng)地實(shí)現(xiàn)系統(tǒng)，其主要功能實(shí)現(xiàn)了將預(yù)處理的靜態(tài)圖像，通過(guò)灰度變換、人眼區(qū)域范圍確定、水平及垂直定位等處理，實(shí)現(xiàn)眼睛的較準(zhǔn)確定位。本章主要從功能介紹、實(shí)驗(yàn)結(jié)果兩方面對(duì)算法應(yīng)用的系統(tǒng)進(jìn)行分析。根據(jù)本文算法的具體內(nèi)容，系統(tǒng)所需實(shí)現(xiàn)的功能包括：1. 實(shí)現(xiàn)靜態(tài)原始圖像的顯示和處理后圖像的顯示。2. 實(shí)現(xiàn)人眼區(qū)域范圍確定，即對(duì)人臉進(jìn)行粗定位。3. 實(shí)現(xiàn)人眼水平位置的定位，然后再對(duì)眼睛水平區(qū)域定位，以便更精確地確定眼睛的垂直位置。4. 實(shí)現(xiàn)眼睛垂直位置的定位。根據(jù)以上功能需求，系統(tǒng)界面如圖41所示，圖41 系統(tǒng)界面 人眼區(qū)域范圍定位為了更準(zhǔn)確地定位眼睛，需從人臉區(qū)域中取出容易被分隔出的、又影響人眼定位的干擾信號(hào)，如耳朵、嘴、胡須、鼻子等。 人臉一般都是長(zhǎng)圓型的，臉?lè)秶鷥?nèi)的灰度相對(duì)臉外的頭發(fā)要大，因此在垂直方向進(jìn)行積分投影時(shí)，其結(jié)果會(huì)出現(xiàn)一定范圍內(nèi)的高灰度區(qū)，而這個(gè)區(qū)域就是人臉的水平范圍，如圖42所示。具體計(jì)算方法如下：(1)對(duì)人臉圖像進(jìn)行灰度垂直積分平均投影，得p(i),i=0,1,2，…，W1(W為圖像寬度)；(2)求出p的最大值和；(3)求出()/2處的左右邊界，就是人眼的水平范圍。根據(jù)人眼在人臉中的實(shí)際位置情況，眼睛應(yīng)在人臉的上部。眼睛的范圍包括眼睛的上界與下界，上界以眼睛的上部作為眼睛位置，下界以眼睛的下部作為眼睛位置。根據(jù)BJU3D人臉庫(kù)中的樣本，得到眼睛在人臉的位置比例關(guān)系為：眼睛(上部)，(控制人眼上邊界)。眼睛(下部)，(控制人眼下邊界)。因襲，~()。對(duì)人臉圖像進(jìn)行眼睛范圍確定，得到的人眼區(qū)域，如圖42所示。圖42 人眼區(qū)域 人眼水平位置定位根據(jù)眼睛在水平方向上的灰度值相對(duì)值低且灰度變化大等特征，可使用水平積分與水平微分投影確定眼睛的水平位置。眼睛在人眼區(qū)域的水平方向上的灰度變化頻率較高，例如，從面部灰色—暗眼眶—眼白—黑眼珠—眼白—暗眼眶面部灰色—暗眼眶—眼白—黑眼珠—眼白—暗眼眶—面部灰色。利用微分投影，可以突出眼睛的特征。在水平微分平均投影曲線，在眼睛部分及眉毛部位會(huì)出現(xiàn)極大值峰，如果人眼區(qū)域中完整地包含鼻子，則在鼻子處也會(huì)出現(xiàn)極大值。因此可根據(jù)水平微分平均投影極大值情況，取最大與次大值的位置為候選眼睛的水平位置。眼睛較周圍的灰度值低，利用積分平均投影，在眼睛處會(huì)出現(xiàn)低峰，在水平積分平均投影曲線中，眼睛部位的極小值次小或最后，這取決于眉毛的濃與淡。如果眉毛與眼睛都會(huì)出現(xiàn)極小值，則根據(jù)它們的位置，位于下方的就是眼睛的位置。但當(dāng)眉毛與頭發(fā)劉海和在一起時(shí)，眉毛的極值就不會(huì)出現(xiàn)，因此僅根據(jù)積分投影也不能確定眼睛位置。因此，只有綜合微分投影及積分投影，才能確定眼睛的水平位置。，并求出極大值系列。，主要是消除非因干擾信息引起的極值，對(duì)于相距很近的極值合并為一個(gè)極值峰。，求出前兩個(gè)最大極值及次極值的位置為候選眼睛的位置。，并求出極小值系列。，在眼睛部位有三個(gè)極小值，因此對(duì)于極小值位置距離小于眼睛的一半高度時(shí)，對(duì)極小值進(jìn)行合并，這三個(gè)極值峰就合并為一個(gè)極值峰。，求出前兩個(gè)最小極值及次小極值的位置。、次大值位置分別與積分的兩個(gè)最小與次小的極值位置進(jìn)行比較，如果有一個(gè)誤差小于眼睛的一般高度，則定位成功，并取平均值為眼睛的水平位置；如果有兩個(gè)誤差小于眼睛的一半高度，則取下方位置為人眼位置；否則水平定位失敗。水平定位效果如圖43所示：圖43 人眼水平位置定位 人眼水平區(qū)域定位當(dāng)確定了眼睛水平位置后，還需確定眼睛的水平區(qū)域，主要是為下一步更精確確定眼睛的垂直位置作準(zhǔn)備。確定水平區(qū)域的關(guān)鍵是眼睛的高度。根據(jù)BJU3D人臉庫(kù)中的樣本，對(duì)人眼高度進(jìn)行分析，。當(dāng)確定人眼水平位置后，以眼睛的水平位置為中心，，這樣得到的區(qū)域就是眼睛所在的區(qū)域。水平區(qū)域定位后，可得到如圖44所示圖44 人眼水平區(qū)域 人眼垂直位置定位對(duì)眼睛水平區(qū)域內(nèi)的圖像進(jìn)行垂直方向的積分投影，得到垂直積分投影曲線。從曲線中可以看到，有兩個(gè)較小的極值峰，這主要是因?yàn)檠劬Σ课坏难壑榛叶戎递^小。這兩個(gè)極峰值的水平坐標(biāo)就是眼睛在垂直方向上的定位。垂直積分的兩個(gè)極小值可以使用類似前面接受的水平積分極小值計(jì)算方法，對(duì)于正面的人眼區(qū)域來(lái)說(shuō)，兩眼近似在中間軸的兩邊，因此可以使用簡(jiǎn)單的方法，求兩邊區(qū)域的最小值就可以。眼睛的垂直積分投影曲線如圖45所示。 圖45 眼睛的垂直積分投影 人眼定位最終結(jié)果展示，如圖46,圖46 人眼定位結(jié)果 存在的缺陷及結(jié)果分析當(dāng)前研究針對(duì)正面人臉圖像比較多，在人臉出現(xiàn)偏移和旋轉(zhuǎn)時(shí)檢測(cè)精度不高。因?yàn)榇藭r(shí)圖像中人眼的部分信息會(huì)發(fā)生變化，很難魯棒地檢測(cè)眼睛。本算法中要求為正面人臉圖像，如果出現(xiàn)側(cè)面，則定位就會(huì)不準(zhǔn)確。如圖47，圖47 人臉側(cè)面定位效果在此種情況下，我們需要在進(jìn)行人眼區(qū)域定位的時(shí)候?qū)^(qū)域分成兩部分，然后分別對(duì)每一部分分別進(jìn)行之后的幾步操作。此外還存在其他一些問(wèn)題：如，眉毛、頭發(fā)、眼睫毛、鼻孔等臉部特征與瞳孔的色彩相近，如何有效區(qū)分眼睛與這些區(qū)域成為了制約眼睛檢測(cè)發(fā)展的重要問(wèn)題；大多數(shù)研究沒(méi)有考慮配戴眼鏡的影響。尤其利用色彩信息進(jìn)行檢測(cè)時(shí)，眼鏡對(duì)眼部區(qū)域的亮度有明顯影響，眼鏡邊緣也會(huì)造成干擾，且配戴眼鏡后，瞳孔等區(qū)域會(huì)變得不清晰；圖像中眼睛的大小不一也給檢測(cè)帶來(lái)了難度。對(duì)于較大且輪廓較清晰的眼睛檢測(cè)起來(lái)比較方便，且檢測(cè)精度較高；對(duì)于較小的眼睛，由于受到的干擾較多且特征不明顯，很難找到一種有效的方法實(shí)施檢測(cè)等等這些問(wèn)題。本文采集了大量圖片進(jìn)行分析，人眼定位準(zhǔn)確率較高，證明該算法具有一定的可靠性。但也會(huì)因某些外界因素如光照條件、背景、色彩等而導(dǎo)致定位上的偏差，另外判斷算法較簡(jiǎn)單，可能會(huì)導(dǎo)致失誤的現(xiàn)象，這些都需要在下一步的研究中進(jìn)行改進(jìn)與完善。（論文） 總結(jié)與展望 總結(jié)與展望駕駛員疲勞是導(dǎo)致交通事故頻發(fā)的主要因素之一，因此對(duì)于駕駛疲勞的研究意義非常重大。在多種駕駛員疲勞狀態(tài)監(jiān)測(cè)的方法中，基于駕駛員行為特征的疲勞監(jiān)測(cè)中很重要的一部分研究是人臉定位與人眼定位以及人眼疲勞特征分析。因此，本文主要研究了人眼定位的算法以及對(duì)人眼疲勞的部分特征進(jìn)行分析。考慮到研究結(jié)果的實(shí)用性，本文系統(tǒng)以提高眼睛定位的準(zhǔn)確性和快速性為目標(biāo)，提出了新的算法。因此，本文主要開(kāi)展 了一下幾個(gè)方面的工作：：比較分析常用的人眼定位方法，根據(jù)本論文的應(yīng)用領(lǐng)域?qū)崟r(shí)性要求相對(duì)較高，并在此基礎(chǔ)上，對(duì)臉部區(qū)域進(jìn)行了灰度化，在進(jìn)行人臉區(qū)域粗定位的基礎(chǔ)上，根據(jù)眼睛位置處在面部區(qū)域位置的1/2以上、眼睛的大小處在一定像素面積范圍內(nèi)、兩眼之間應(yīng)當(dāng)保持在一定像素距離之內(nèi)的面部特征，采用基于灰度投影的人眼定位算法，大大提高了檢測(cè)速度和眼睛定位的準(zhǔn)確性。，簡(jiǎn)要分析了在定位人眼后如何進(jìn)一步對(duì)眼睛的疲勞狀態(tài)進(jìn)行特征分析和應(yīng)用。雖然本文在人眼定位方法及應(yīng)用上作了一些嘗試性的研究，有許多問(wèn)題有待更深入的研究，需要進(jìn)一步的努力。具體問(wèn)題如下：具體問(wèn)題如下：，需要在保證定位準(zhǔn)確性的基礎(chǔ)上，同時(shí)具有較高的實(shí)時(shí)性和較強(qiáng)的適用性，但是這兩方面一般來(lái)說(shuō)很難兼顧，因此需要在平衡這二者性能的人眼定位方法的研究中做進(jìn)一步探究。、側(cè)面、傾斜圖像的研究針對(duì)人眼正面圖像的研究已經(jīng)取得了較多的成果，但不管是人臉檢測(cè)還是人眼檢測(cè)，只研究正面圖像會(huì)大大限制其應(yīng)用范圍。單純依賴某一種方法很難實(shí)現(xiàn)精確的人眼檢測(cè)。多種方法融合、取長(zhǎng)補(bǔ)短是將來(lái)的發(fā)展趨勢(shì)。有待于進(jìn)一步的研究和改進(jìn)，有一定旋轉(zhuǎn)或較大傾斜以及側(cè)面的圖像將成為人臉信息處理的一個(gè)主要方向。、干擾因素較多的情況展開(kāi)研究。在實(shí)際應(yīng)用中，攝像頭采集的圖像中干擾因素較多且不清晰，為了更好地適應(yīng)應(yīng)用的需要，增強(qiáng)算法的抗干擾能力必然是一大研究課題。而不同的疲勞檢測(cè)方法分別具有各自的優(yōu)缺點(diǎn)。基于駕駛員生理參數(shù)的檢測(cè)方法對(duì)駕駛員具有一定的侵入性?；谲囕v運(yùn)行狀態(tài)和基于駕駛員行為特征的監(jiān)測(cè)方法的融合是最有可能實(shí)現(xiàn)車中應(yīng)用的駕駛員疲勞狀態(tài)檢測(cè)方法。因此，多特征信息融合方法將是該領(lǐng)域今后的研究方向。（論文） 致謝 （論文） 參考文獻(xiàn) 參考文獻(xiàn)[1]BALAJ,DEJONGK,HUANGJ, routine for eye detection using hybrid genetic architectures[A] In: Backer E,Gelsema ES,eds. Proceedingsof the13thInternational Conference on Pattern Recognition[ C]. LosAlamitos: IEEECS Press,1996,606 610.[2] WUJ X,ZHOUZH. Efficient face candidates selector for face detection[J]. Pattern Recognition, 2003, 36 (5) :1175 1186.[3]SeeingMachines. [4] REINDERSMJ T,KOCHRWC,GERBRANDSJ J. Locatingfacial featuresinimage sequences usingneural networks[A]. In: ESSAI,ed. Proceedingsof the 2nd International ConferenceonAutomatic FaceandGesture Recognition[C]. Los Alamitos: IEEECSPress,1996, 230 235. [5]ITSASV Mitsubishi ASV2. :[6],and Vitoria Lobo,Determining driver visual attention with one camera,IEEE Transaction on Intelligent Transportation Systems,2003,4(4),205218.[7]陳艷琴，關(guān)于司機(jī)疲勞監(jiān)測(cè)的人眼檢測(cè)與跟蹤研究[D].中南大學(xué)，2004.[8]周玉彬，[J].醫(yī)療衛(wèi)生設(shè)備，2003，（4）：2528.[9]李峰，曾超，[J].光學(xué)儀器，2002,24（45），7072.[10]鄔正義，張笑非，[J].常熟理工學(xué)院學(xué)報(bào)，2005,19（6）：7376. [11] 葛如海，陳彥博，劉志強(qiáng)， .2006，16（9）：134138[12] 陳麗華，龔文，沈建國(guó)，基于人臉結(jié)構(gòu)特征的眼睛定位算法[J].電子工程Vol:31(9).:3436[13 張燕，楊嘵飛，趙瑞蓮， 基于Hough 變換圓監(jiān)測(cè)的人眼精確定位方法[J].,27 (2):4344[14]藍(lán)章禮，曹建秋，梁爽．復(fù)雜背景下視頻序列中的人臉定位算法．陰．計(jì)算機(jī)科學(xué)．2008．35(6)：4248[15] 張娜娜，馬燕，蘇桂蓮，基于灰度投影函數(shù)的眼睛定位方法[J].:32(10).:193195.[18]耿新，周華志，陳世福，基于混合投影函數(shù)的眼下定位[J],軟件學(xué)報(bào). Vol:::13941399.[19]宋尚玲，王長(zhǎng)宇，梅良模，基于自定義特征檢測(cè)模板的快速眼睛定位方法[J].山東大學(xué)報(bào). Vol:36(1).:107110. [20]崔連延，徐林，顧樹(shù)生．基于復(fù)雜度和最佳閾值的人眼定位方法[J]．控制工程．2008．15(1)：1214[21]張龍，房曄，王廷年等．復(fù)雜背景中人臉檢測(cè)與特征定位[J]．西安工程大學(xué)學(xué)報(bào)．2008，22(1)：7175[22]張宇．基于彩色運(yùn)動(dòng)序列圖像中的人臉檢測(cè)系統(tǒng)的研究[D]．四川大學(xué)．2005．4863 [23]S．Z．LiandZ．Q．Zhang Float Boost learning and statistical face detection [Y]IEEE ,26(9):“11121123”