【正文】 %顯示模板subplot(1,3,2),imshow(image2)。title(39。Target測試圖像39。)。%顯示測試圖像subplot(1,3,3),imshow(result)。title(39。tmp函數(shù)檢測結(jié)果39。)；figure,imshow(result)。不同的圖像眼睛定位是通過改變輸入圖像來實現(xiàn)的。上圖也可以定位單個人眼下一章的人眼定位就是通過單個人眼來實現(xiàn)的人眼狀態(tài)識別的。只是取用的模板不同，下一章的單個人眼定位時，可以通過選用單個人眼做模板，這里就不在敘述單個人眼的定位。 結(jié)論比較兩種眼睛定位方法，可知，邊緣檢測法的優(yōu)勢在于首先通過灰度投影曲線確定眉眼區(qū)域，使數(shù)據(jù)量大大減少，然后在有效的邊緣檢測之后，使用了高效的邊緣分組策略，在保證正確率的基礎(chǔ)上，提高了算法速度。但是此算法的定位錯誤出現(xiàn)在頭部傾斜度過大，以及側(cè)光太強，還有頭部在圖像中所占區(qū)域過小的情況。在軟件運行時，常常會出現(xiàn)定位偏差，需要進一步的圖像預處理，去噪增強處理等操作，另外，光線的影響很大。變形模板法能夠很好的取模板與目標的相似度，定位比較準確，但同時也存在光線的影響，另外，一個重大缺陷是計算量比較大，軟件運行時花費時間，實時性比較差。第五章 人眼狀態(tài)識別在上一章我們已經(jīng)介紹了灰度投影法，與本章的方法有很多的相識之處，所以本章的介紹就比較簡練，沒有進一步的分析了。 原理 左右眼睛的狀態(tài)一般是相同的，因此我們只要確定一只眼的狀態(tài)即可，所以我們在本文中采用左眼進行識別。對于給定的一幅人眼圖像[36]，當仔細觀察，會發(fā)眼睛睜開時，上眼瞼和下眼瞼會睜開一定的距離；當眼睛閉合時，上眼瞼和下眼瞼會成為兩條或成一條直線。我們的任務(wù)就是把人眼圖像做適當?shù)奶幚砑庸ぃ肼曈绊?，突出人眼特征，以便究分析。圖片經(jīng)過預處理成二值灰度圖后，再進行水平投影，如圖1和圖2所示。 圖34 開眼水平投影圖圖35 閉眼水平投影投影圖比較開眼圖和閉眼圖的水平投影圖，可以發(fā)現(xiàn)，開眼圖的水平投影圖的最大縱坐標與最小縱坐標的相差值大于或接近于原圖片的1／2；而閉眼圖的水平投影圖的最大縱坐標與最小縱坐標的相差值很小，幾乎成一直線。 改進對于背景或光線陰暗沒有對原圖片造成影響的噪聲，上面的算法可以準確地判斷出眼睛的狀態(tài)。但如果由于噪聲過于嚴重，可能影響二值化圖，造成判斷錯誤。因此，必須與圖像邊緣的檢測和提取及輪廓跟蹤技術(shù)相結(jié)合，提煉出眼部邊緣特征，同時，因為對于由于圖片本身的影響，將在本文中提出利用眼睛圖像的垂直灰度圖像和水平灰度頭像共同確定人眼的狀態(tài)[37]。圖像的邊緣是圖像最基本的特征。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的結(jié)合邊緣廣泛存在于物體與背景之間、物體與物體之間、基元于基元之間。因此，他是圖像分割所依賴的重要特征。利用邊緣檢測局部算子法。所謂邊緣檢測局部算子法[38]，就是考察圖像的每個像素在某個領(lǐng)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律。它檢查每個像素的領(lǐng)域并對灰度變化率進行量化，也包括方向的確定。大多數(shù)使用居于方向倒數(shù)掩模求卷積的方法。采用了最優(yōu)的階梯型邊緣檢測算法(即Canny算子)。其原理為：圖象邊緣檢測必須滿足兩個條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。根據(jù)對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測算子。先平滑后求導數(shù)的方法。經(jīng)Canny算子提取邊界后的效果如下圖所示。圖36 開眼圖像處理 圖37 閉眼圖像處理 編程實現(xiàn)m=imread(39。39。)。%讀入圖像figureimshow(m)im=im2bw(m)。%圖像二值化figure,imshow(im) s = size(im)。計算圖像信息 vertical = zeros(s(1))。horizental = zeros(s(2))。 for j = 1:s(1) %二值化垂直投影 vertical(j) = vertical(j) + sum(im(j,: ))。end for k = 1:s(2)%二值化水平投影horizental(k) = horizental(k) + sum(im(:, k))。end figure。%繪制曲線plot(vertical)。 figure。plot(horizental)。 人眼狀態(tài)識別結(jié)論：結(jié)論:通過對眼睛圖像的二值化水平和垂直投影曲線可以進一步的確定眼睛的狀態(tài)，當眼睛的二值化水平曲線在y軸上的投影的灰度值之和的最大縱坐標與最小縱坐標的差值大于原圖片的1/2時則可判定人眼的狀態(tài)是睜開的，當差值接近1/2時，這可以通過二值化的垂直投影進一步判定。第六章 總結(jié)和展望隨著計算機技術(shù)和多媒體技術(shù)的日益發(fā)展,全球信息化進程的加速,圖像處理在越來越多的領(lǐng)域內(nèi)得到了廣泛的發(fā)展和應(yīng)用。無論是在科技、國防、工商業(yè)還是金融等領(lǐng)域，越來越多的圖像處理的理論和實踐成果在現(xiàn)實的生產(chǎn)生活中得到積極的應(yīng)用。人眼的檢測與識別的研究涉及模式識別、圖像處理、生理學、心理學、認知科學等許多領(lǐng)域,這使得人眼檢測與識別技術(shù)的研究己經(jīng)成為當今的熱點問題之一。本文的算法特點如下：本文介紹了幾種色彩空間并對其各自的特點和適用范圍進行了比較，在針對本課題的研究中選用YCbCr顏色空間。然后根據(jù)實驗圖像的特點建立了以YCbCr顏色空間為基礎(chǔ)的膚色模型，最后實現(xiàn)人臉檢測。學習了邊緣檢測的一些算子的應(yīng)用方法，另外也通過一些圖像的處理方法來對圖像進行處理，并應(yīng)用數(shù)學形態(tài)學進行濾波除燥。根據(jù)人臉檢測的基礎(chǔ)和圖像處理的應(yīng)用，對人眼進行定位。用兩種方法來定位人眼，分析了邊緣檢測法和變形模板法的應(yīng)用，最后分析了兩種方法的優(yōu)缺點。本文以Matlab語言為基礎(chǔ)編寫了實現(xiàn)算法，該算法在速度和精度上做了一定的提高。該算法在膚色信息的基礎(chǔ)上能夠較好的進行人臉檢測和眼睛定位，但是由于受時間限制，但是本文在算法的精度和眼睛定位精度還有待于進一步的提高，希望后來有在此方面研究的人員能夠做出更好的更精確的算法，本文只處理了單人臉的人臉檢測和人眼定位。對于較多人臉的集體合影照沒有做深入的處理，需要對本文進一步的改進，此外在眼睛狀態(tài)識別方面，本文主要針對了睜眼和閉合的情況進行的分析，希望后來者能夠在這方面進一步做下研究。由于時間問題，一些環(huán)節(jié)做的很粗糙，沒能做到十分的準確，只是初步實現(xiàn)了研究要求。希望有時間能夠進一步的研究實現(xiàn)。 參 考 文 獻[1]Jain A K，RossA， intorduction to biometric Transactions on Cireuits and Systems for Video Technology，2004，14(1):4一20.[2]，2003. [3] Road SmartDriver [4]Steering Attention Monitordriver fatigue warning [5]US Department of Transportation Federal Highway Administration,The Johns Hopkins University Applied Physics Laboratory,Intelligent Transportation Systems(ITS),Commercial Vehicle Operations(CVO).Survey of OnBoard Technologies applicable to Commercial Vehicle ,2324[6] This tragedy was preventable：The DAS 2000 Road Alert System High Tech Solution to Driver Fatigue,[7]，19621978(1)：110[8]，1991[9]，1996，23（3）：160168[10] ，1997，3（2）：6061 [11] ，1998（4）：1617[12].孫偉，張為公，[J].汽車電器，2009，1:4~8.[13]李健，2一4(22):254一256.[14].趙麗紅，劉紀紅。計算機應(yīng)用研究。2004，(9):14.[15]A1ton S identifieation and ，1888，21:173一177.[16]周德龍，張曉華，劉博等. (2).北京:清華大學出版社，2003:118一120.[17]楊前邦，1998，32(9):963一971.[18]劉志鏡，李夏忠，31(2):208一222.[9] 呂艷娜,朱曉,[J].計算機與數(shù)字工程,2006,34(11):5256.[20] ChaiD,Bouzerdoum Bayesian approach to Skin color classification in ycbcr color space In:Proeeedings of IEEE region Ten conference(TENCON’2000)，2000，I1:421一424[21]周杰，盧春雨，[J].電子學報，2000，28(4):103~103.[22]吳丹，劉修國，[J].工程圖學學報，2003，(2):120一125.[23][碩士論文〕.沈陽理工大學2007.[24]朱夏軍，王辛剛，馮浩，合肥，2002.[25][J].科技咨詢，2007，20（1）:13一14.[26]張杰，楊曉飛，位方法研究[J].電子器件，2005，28(4):706—709.[27]杜干，杜延，[J].計算機工程與應(yīng)用，2005，33:35一37[28][:上海海運學院，2002[29] 宋加濤，劉濟林，[J].計算機輔，17(3):540545[30]鮑蘇蘇，[J].合肥工業(yè)大學學報(自然科學版)，2003，26(4):550一552[31]耿新，[J].軟件學報，2003，14(8) :341345.[32] survey of image registration techniques .ACM Computing Surveys. 1992，24:326一376.[33]AndersenH, based modelling of human skin under mixed of Robotics and Autonomous Systems，2001，35(34):131142.[34]姜凱，陳海霞，劉立峰等，基于模板抽樣的快速圖像匹配算法，光學精密工程(Optics and Precision Engineering).(3).311一315.[35]梁路宏，艾海舟，(1):825一830.[36]張杰，楊曉飛，趙瑞蓮．基于積分投影和Housh變換圓檢測的人眼精確定位方法研究．電子器件，2005；28(4).[37]倩霞，羅大庸．基于眼瞼運動的司機疲勞檢測．中南大學碩士學位論文，2005[38]過秀成．道路交通安全學．南京：東南大學出版社，2001 致謝四年的大學生活即將結(jié)束，美麗的清華大學給了我學習更多新知識的機會。老師的諄諄教導，同學的互相勉勵，父母的殷切期望都給我留下了深刻而美好的回憶。在這四年里不僅學到了先進的專業(yè)理論知識，增強了自身的專業(yè)素質(zhì)的修養(yǎng)，更為重要的是曾經(jīng)在自己的學習和生活中給予巨大幫助的老師和同學，正是由于這些無私的幫助以及學校和老師提供的良好的學習環(huán)境才使得自己能夠順利的畢業(yè)。首先，要衷心感謝我的導師武錦輝老師。武老師治學嚴謹，在論文完成期間武老師經(jīng)常給予指導和幫助，讓我有一個清晰的論文處理思路。并給我在以后的深造學習中樹立了榜樣，讓我懂得了要搞科研就必需做好吃苦的準備。同時，武老師對我的論文給予細心的修改，并對我的論文結(jié)構(gòu)提出了寶貴意見，在此我十分感謝武老師。其次，還要感謝我的室友，大家在一起相互學習，相互鼓勵，使我們的宿舍有一個良好的學習氛圍。和他們在一起，給我留下深刻美好的回憶。最后，還要感謝我淳樸、善良的父母親，他們含辛茹苦把我養(yǎng)大，在精神上和物質(zhì)上都給了我莫大的支持，讓我堅強地去克服一個個困難，順利完成學業(yè)。再次感謝所有關(guān)心、幫助和支持過我的老師、親人和朋友。第 40 頁 共 40 頁