【導讀】時有發(fā)生，疲勞駕駛而釀成的慘劇更是使我們警鐘長鳴。為了解決這個問題，的面部特征判定標準。其次，討論疲勞的判定方法，這一部分主要是對疲勞特征的選擇研究，涉及到人眼睛和嘴的形狀的疲勞特征分析，然后進行疲勞分析的綜合。方法所需要確定的參量，以及如何用matlab程序得到這些參量。程圖也在這一章展示。

　　

【正文】 對這三種策略進行了多組比較實驗，發(fā)現(xiàn)有以下問題：第一種搜索方法在搜索時不具備連續(xù)性，時常發(fā)生跳變， 對于人臉輪廓的搜索易受衣領等的干擾；第二種方法在對眼睛的搜索和上嘴唇的搜索時表現(xiàn)較好，然而對于鼻子，下嘴唇和輪廓都易于產(chǎn)生跳變，使圖像不連續(xù)，對于人臉輪廓的搜索易受衣領等的干擾；第三種方法對于鼻子，下嘴唇和人臉輪廓的搜索上變現(xiàn)出良好的性質(zhì)，而且輪廓一般都具有比較好的邊界連續(xù)性。而對于眼睛和上嘴唇的搜索，易于收斂成一個點。 在 我的畢業(yè)設計中，我選擇第二種思路，我認為選取幾個重要的特征點，然后再進行收斂，并以這幾個點的收斂效果判斷其收斂是否完成時十分有效的，也是簡便易行的。 流程設計思路 用 來 供 學 習 的圖 片 輸 入程 序 學 習用 模 型 處 理 待檢 圖 片生 成 初 步 檢 測模 型生 成 A S M檢 測 圖 形結 果 圖 34 人臉識別實現(xiàn)流程圖 第 3 章 ASM 人臉識別算法 23 我的設計思路是建立在對 ASM 實現(xiàn)的基本步驟的認識的基礎上的，由于 ASM 人臉識別的實現(xiàn)步驟是特征點的建立、學習過程、搜索匹配過程三步，所以在流程中也是要基本上按照這個步驟進行 。 首先在 程序中預存一些有特點的圖片，對這些圖片進行處理，進行手工描點，同時建立與圖片相對應的數(shù)據(jù)存儲文件，然后使用編輯好的 matlab程序進行處理，由于 ASM 模型是基于統(tǒng)計的模型，所以這項工作是十分必要的，經(jīng)過這一步之后，程序也就學習了人臉的劇本面部器官特征， 然后生成一個大致的人臉模型，再對所要處理的圖片進行大致選擇，之后程序自動對人臉器官進行收斂處理，得出人臉的識別圖 ，再通過數(shù)據(jù)生成函數(shù)來生成人臉識別模型。 本章小結 在本章中，主要介紹了 ASM 模型的 特點和優(yōu)勢，進而介紹了 ASM 模型的 算法和搜索過程，比較詳細的說明了 ASM 的工作原理和工作步驟， 并介紹了通過 PCA 建立 ASM 統(tǒng)計模型的方法和局部特征模型的收斂方法，這兩個方法是 ASM 模型的核心算法。還給出了程序設計的流程圖。 ASM 模型在本文中充當著橋梁的作用，因為課題是駕駛的疲勞檢測 ， 所以必須要定位和分析出 人臉，而 ASM 模型正是為完成這項任務為引入的。 第 4 章 圖像處理和識別 24 第 4 章 圖 像 處理 和識別 圖 像 預處理的必要性 圖像識別系統(tǒng)的處理流程一般可分為圖像預處理、特征提取和識別分析三個階段，其中圖像的預處理階段尤為重要，成功的預處理可以提高人臉檢測、特征點定位以及識別的成功率，如果這階段處理不好，后面的工作將無法有效展開。所以圖像的預處理是確保整個系統(tǒng)準確工作的基礎，沒有這個可靠的基石就無法順利完成后面龐大的識別過程。 在實際應用中，預處理的主要作用有兩方面：其一，由于受噪聲、光照等方面的影響，系統(tǒng)獲取的圖像的質(zhì)量不高 ，所以需要進行預處理，以有利于提取大家感興趣的信息。這種情況下，要根據(jù)系統(tǒng)的不足或環(huán)境的影響 (如光照 )，采取有針對性的措施。其二，獲取的圖像信息不符合后續(xù)操作的具體要求，這時也需要對圖像按照一定的要求進行預處理，例如，尺寸，角度方面的要求?？傊A處理是一個承上啟下的過程。需要全面考慮整個系統(tǒng)的性能。 圖像預處理方式的選擇應該因地制宜，不同的系統(tǒng)需要根據(jù)自身特點設計適合的預處理模塊。如果預處理功能不能成功達到彌補系統(tǒng)不足的要求，勢必影響整個系統(tǒng)運行的正確率；如果預處理算法過于繁雜，運算量過大，勢必影響整個系 統(tǒng)的實時性，所以預處理模塊的設計要兼顧正確性與實時性。在基于嵌入式的人臉識別系統(tǒng)中，由于系統(tǒng)的實時性要求比較高，圖像的預處理只是系統(tǒng)的一個前期階段，而且 ASM算法在建立局部紋理模型時，已經(jīng)考慮到光照的影響，所以在預處理階段光照補償采用了常用的直方圖均衡化方法。 常用光照預處理技術 光照問題是圖像處理中比較關鍵而且難以解決的問題，尤其在入臉識別或檢測系統(tǒng)中，一般的識別或檢測算法是假定待檢測圖像是在均勻光照下獲得的。而實際上受周圍環(huán)境的影響，光照往往不是均勻的，這會導致人臉檢第 4 章 圖像處理和識別 25 測的正確率大大降低，所以有 必要對光照進行補償。 光照預處理的基本思想是：對輸入圖像做各種圖像處理操作或信號變換，將非標準光照情況下的圖像變換為標準光照情況下的圖像，其表達式如下： 39。 ( )I TI? (41) 其中 I 是原始圖像， T 是變換規(guī)則， 39。I 是經(jīng)過變換后的圖像。變換規(guī)則不同，對應著不同的預處理算法。 目前常用的光照預處理算法有直方圖均衡化、線性變換、對數(shù)變換、指數(shù)變換等 [32～ 36]，下面將對這些方法進行詳細介紹。 基于直方圖的預處理方法 在圖像處理中，灰度直方圖 (圖 41)是一種函數(shù)，它表示圖像中每一灰度級與該灰度級出現(xiàn)的頻率之間的對應關系。假設一幅數(shù)字化的圖像中總的像素數(shù)目為 n ，某一灰度級為 kr 的像素數(shù)目為 kn ，則 /knn就是灰度級為 kr 的像素出現(xiàn)的概率，由此可以得到該圖像的灰度直方圖。 直方圖修正就是通過改變圖像中每個像素的灰度級，以此來改變圖像的直方圖，使偏亮的圖像變暗或是偏暗的圖像變亮。兩種比較常用的直方圖修正技術是直方圖均衡化和直方圖規(guī)定化。 rk/ n = n ( k )rk 圖 41 灰度直方圖 線性變換 當光線較暗時，采 集圖像的效果比較差，因而有必要對圖像的每一像素的灰度值進行修正來增加對比度，擴大圖像灰度的范圍，以達到圖像增強的第 4 章 圖像處理和識別 26 目的。采用線性灰度變換實現(xiàn)比較簡單。 假定原圖像 ( , )Ixy 的灰度范圍為 [, ]ab ，希望變換后的圖像 39。( , )I xy 的動態(tài)范圍為 [, ]cd ，則可以用如下面的式子來表示： ( ) [ ( , ) ]39。( , ) d c I x y aI x y cba????? (42) 線性變換也是一種簡單易行、效果較好的方法，但是，像素范圍 [, ]ab 和[, ]cd 都是手工輸入的．更好的方法應該是算出 [, ]ab 的值，再代入到線性方法中進行計算。但這需要一定的自適用算法，一定程度上會影響系統(tǒng)的實時性。 對數(shù)變換 對數(shù)變換是另外的一種常用的灰度變換方法，在低灰度區(qū)域， x? 大小的增量會使對數(shù)變換的函數(shù)值發(fā)生很大的變化，而在高灰度的區(qū)域，同樣大小的增量，對函數(shù)值變化的影響甚微。依據(jù)對數(shù)函數(shù)的這一性質(zhì)，可以使圖像的低灰度區(qū)擴展而使高灰度區(qū)壓縮，從而使一幅圖像的灰度分布比較均勻。對數(shù)變換的另外一個好處是，可以將懲罰和處罰的關系轉(zhuǎn)變?yōu)榧臃ê蜏p法的關系，這樣可以大大的簡化問題。 x?x?xl o g ( )x 圖 42 對數(shù)變換示意圖 假設人臉圖像 ( , )Ixy 為 MN 維的， (, )Ii j 代表圖像中 i 行 j 列的像素值， newILog(x) 第 4 章 圖像處理和識別 27 為對數(shù)變換后產(chǎn)生的新圖像，則對數(shù)變換的數(shù)學表達式可以按如下的方式表示 ， 其中 ,abc是為了調(diào)整曲線的位置和形狀而引入的參數(shù)。 l n( ( , ) 1 )( , ) lnne w I x yI x y a b c ??? (43) 上式中即每一個像素都加 1，是為了保證 對于另的數(shù)取對數(shù)，在選擇參數(shù)時， a 取 0， b 取 1/ (225*)， c 取 255，能獲得較好的光照效果。 經(jīng)對數(shù)變換后的圖像柔和，層次更加精晰，符合人的視覺效果。對數(shù)變化對過暗或偏光的圖片有較好的光照補償效果。但是對光線過亮的圖像，經(jīng)對數(shù)變換后。邊緣不清晰，無法提取邊緣信息。 指數(shù)變換 指數(shù)變換的效果與對數(shù)相反 ，它將圖像的高灰度區(qū)給予較大的擴展而壓縮低灰度醫(yī)。其變換形式如下 ， 其中 ,abc是為了調(diào)整曲線的位置和形狀而引入的參數(shù)。 [ ( , ) ]39。1c I x y aIb ??? (44) 實驗中， a 取 0， b 取 255， c 取 1/255，將灰度轉(zhuǎn)換到區(qū)域 [0,1]，得 到灰度 ( , )Ixy 范圍為 [0,255]的圖像 39。( , )I xy 。 指數(shù)變換對面部過亮的圖像有較好的補償作用 。 對光線過路業(yè)偏光現(xiàn)象則無能為力。 光照預處理方法選擇 上述幾種圖片預處理技術各有側重，通過對比較，可以得出如下結論： 表 41 光照補償效果比較 方法 適用范圍 實時性 計算量 直方圖法 適用于較黑或較亮的圖像，使圖像的細節(jié)清晰，改善對比度，可能出現(xiàn)偽輪廓 較好 較小 線性變換 對光線較暗、成像效果差、灰度動 態(tài)范圍小的圖像都有較好的補償效果 較差 較小 對數(shù)變換 對光線過暗或偏光的圖像都有較好的光照補償 較好 較大 指數(shù)變換 對面部過亮的圖像有較好的補償效果 較好 較大 第 4 章 圖像處理和識別 28 為降低計算機的計算強度，本論文中選用直方圖均衡法 來 進行光照補償處理，不僅可以保證系統(tǒng)的相應速度，而且定位效果也可以接受。光照預處理對人臉特征定位的中的作用是很重要的，在以后的研究中，可以針對不同光照圖像適用不同的方法來進行處理，進一步提高定位精度，但是這種設計的難點在于首先要對圖像的光照方式進行判斷，這些問題還需進一步研究。 圖 片選取策略 對于圖片的選擇也有要注意的地方，盡量要選擇不同年齡，不同性別的照片，而且長相盡量有一定的代表性，選取了這樣的照片可以使模型的代表性增強，但是考慮到程序的實際運行速度，所選照片不宜過多。 圖 像手工 描點的實現(xiàn) 要確定的要素分析 通過學習知道，要想得 matlab 可以識別的數(shù)據(jù)圖片資料，必須要收集的數(shù)據(jù)信息是： (1)所取點的個數(shù) (n) 速度與穩(wěn)定性的要求在一定程度上是矛盾的，要保證算法具有足夠的推廣能力，就必需盡可能多地從圖像中挖掘并利用信息，避免使用一些易受干擾的簡單特征。 但復雜的模型必然導致運算量增大和運算速度的降低。為了解決這個矛盾，一種思路是利用目標點遠遠少于非目標點的特點，將搜索過程劃分為多個階段，采用由粗到精的搜索策略，先使用一些運算量小、錯誤拒絕率低的算法盡快將大部分非目標點排除：而后用準確率較高的算法篩選出最終的結果，這樣不同算法的優(yōu)勢得到互補，使系統(tǒng)的整體運行速度和準確率都得以保證。第二種可行的思路是綜合使用各類信息。在單個臉部特征定位的基礎上，引入上下文關系，將統(tǒng)計信息與先驗知識相結合，可以有效地排除虛點，提高識別的正確率。但上下文關系往往易受姿態(tài)變化和遮擋 的干擾，應注意避免由此引入的對特定條件的依賴。此外，根據(jù)特定應用背景的要求，還可以對問題條件作一定限制，從而降低算法設計的難度。例如在實時應用中，由于對運算量和運行速度的要求遠高于對準確率的要求，可以第 4 章 圖像處理和識別 29 選用一些模型簡單、運算量小的算法。 (2)點的坐標值 (x、 y) 坐標值是取點時所要掌握的基本信息，也是在后面處理中的必有信息，由于是對圖片的處理，所以采用二維坐標。在加強型的模型和一些AAM 模型中有時是在處理立體，相對應的就需要獲取三維坐標。 (3)權值 (t) 在圖片中選取的特征點在處理像人臉這樣的復雜圖形時是 非常多的，選取的特征點必須要有不同的權值才能保證程序高效運行，權值高的點在匹配是優(yōu)先度高，權值低的點次之。 在確定點的權值時，用閾值的概念會有很大的幫助，因為在原始圖片中有些幅度較小的轉(zhuǎn)折點容易被忽略，有了它，計算機就能更好的勾勒出其邊緣的效果，從而對圖像的識別有很大的幫助。 (4)灰度值 (i) 歸一化也叫無量綱化： 將一個物理導出量用若干個基本量的乘方之積表示出來的表達式，稱為該物理量的量綱式，簡稱量綱。 它是在選定了單位制之后，由基本物理量單位表達的式子。有量綱的物理量都可以進行無量綱化處理。無量綱化 處理之后可以簡化計算，無量綱化是說將一個物理導出量用若干個基本量的乘方之積表示出來的表達式，稱為該物理量的量綱式，簡稱量綱。它是在選定了單位制之后，由基本物理量單位表達的式子進行計算。進行歸一化可以簡化計算，是十分有必要。 要素值的確定方法 (1)n 值的確定 經(jīng)過分析，此次設計的取點數(shù)確定為 107。 (2)采樣點坐標的確定方法 坐標的確定有好多種方法，此處介紹我所學到的兩種方法 ，第一種方法是 即時數(shù)據(jù)顯示 法。 這種方法是基于一個 matlab 程序的，當鼠標放在圖片的要選擇的點上時，就會在圖 片上實時顯示一個值，這個值就是當前的圖片的 x、 y 坐標值。 下面是這種方法的基于 matlab 的實現(xiàn)函數(shù)： %主函數(shù) 第 4 章 圖像處理和識別 30 function test_mouse_track() %鼠標軌跡 clc。 %清屏 figure。 I=imread(39。39。)。 %載入圖片 imshow(I)。 %顯示圖片