【正文】 ntal(k) + sum(im(:, k))。 %顯示圖像投影曲線plot(vertical)。plot(horizental)。39。%讀入圖像%imshow(i)。a0=imnoise(a)；%噪聲處理b=medfilt2(a0)。 %transforms the walues in the %intensity image I to values in J by linealy mapping values% between and to values between 0 and 1.figure,imshow(J)。 % if GAMMA is less than 1,the% mapping si weighted toward higher (brighter) output values.figure,imshow(J)。 % if GAMMA is greater than%1, the mapping si weighted toward lower (darker) output values.figure。 % If TOPBOTTOM,the output% image is reversed,as in a photographic negative.figure,imshow(J)。canny39。canny邊緣處理[bw,thresh]=edge(J,39。)。canny算子自動(dòng)選擇閾值39。title(39。)bw=edge(J,39。,[,])figure,imshow(bw)。canny算子邊緣檢測(cè)39。 圖24睜眼狀態(tài)的模板(a) 圖25閉眼狀態(tài)的模板(b)模板[33]是通過(guò)對(duì)多個(gè)樣本取平均構(gòu)造出來(lái)的，首先在選取的樣本圖象上用手工劃出人眼區(qū)域作為人眼樣本，由于每個(gè)樣本的灰度分布不相同，因此先對(duì)它們進(jìn)行灰度分布標(biāo)準(zhǔn)化，然后將所有樣進(jìn)行灰度分布標(biāo)準(zhǔn)化后作為最終的人眼模板。對(duì)于模板匹配[35]，這種灰度分布標(biāo)準(zhǔn)化方法比常用的直方圖均衡化方法更有效，原因就在于它將均值和方差這兩個(gè)關(guān)鍵的數(shù)字特征一致化了。39。%讀入圖像image2=imread(39。)。endif size(image2,3)==3 image2=rgb2gray(image2)。 Template=image2。 Template=image1。[r2,c2]=size(Template)。%XE(X)%兩幅圖像的相關(guān)性M=[]。 %區(qū)域的選取，r2,c2為選取的大小 Nimage=Nimagemean(mean(Nimage))。%E(X)*E(Y)取和與Cov（X,Y）成正比 warning offM(i,j)=corr/(sqrt(sum(sum(Nimage.^2)))*sqrt(sum(sum(image22.^2))))。[r2,c2]=size(Template)。%r每一列的最大值，c每列最大值所在的行數(shù)，都為一維矩陣[r3,c3]=max(max(M))。%行數(shù)j=c3。%畫上邊的橫線for x=i:i+r21 for y=j%一個(gè)像素點(diǎn)的寬度 result(x,y)=255。 endend%畫左邊的豎線for x=i for y=j:j+c21 result(x,y)=255。 endendfigure,subplot(1,3,1),imshow(image1)。Template模板39。%顯示模板subplot(1,3,2),imshow(image2)。Target測(cè)試圖像39。%顯示測(cè)試圖像subplot(1,3,3),imshow(result)。tmp函數(shù)檢測(cè)結(jié)果39。不同的圖像眼睛定位是通過(guò)改變輸入圖像來(lái)實(shí)現(xiàn)的。只是取用的模板不同，下一章的單個(gè)人眼定位時(shí)，可以通過(guò)選用單個(gè)人眼做模板，這里就不在敘述單個(gè)人眼的定位。但是此算法的定位錯(cuò)誤出現(xiàn)在頭部?jī)A斜度過(guò)大，以及側(cè)光太強(qiáng)，還有頭部在圖像中所占區(qū)域過(guò)小的情況。變形模板法能夠很好的取模板與目標(biāo)的相似度，定位比較準(zhǔn)確，但同時(shí)也存在光線的影響，另外，一個(gè)重大缺陷是計(jì)算量比較大，軟件運(yùn)行時(shí)花費(fèi)時(shí)間，實(shí)時(shí)性比較差。 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?cè)诒疚闹胁捎米笱圻M(jìn)行識(shí)別。我們的任務(wù)就是把人眼圖像做適當(dāng)?shù)奶幚砑庸?，消除噪聲影響，突出人眼特征，以便究分析? 圖34 開(kāi)眼水平投影圖圖35 閉眼水平投影投影圖比較開(kāi)眼圖和閉眼圖的水平投影圖，可以發(fā)現(xiàn)，開(kāi)眼圖的水平投影圖的最大縱坐標(biāo)與最小縱坐標(biāo)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(biāo)與最小縱坐標(biāo)的相差值很小，幾乎成一直線。但如果由于噪聲過(guò)于嚴(yán)重，可能影響二值化圖，造成判斷錯(cuò)誤。圖像的邊緣是圖像最基本的特征。因此，他是圖像分割所依賴的重要特征。所謂邊緣檢測(cè)局部算子法[38]，就是考察圖像的每個(gè)像素在某個(gè)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。大多數(shù)使用居于方向倒數(shù)掩模求卷積的方法。其原理為：圖象邊緣檢測(cè)必須滿足兩個(gè)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。這就是Canny邊緣檢測(cè)算子。經(jīng)Canny算子提取邊界后的效果如下圖所示。39。%讀入圖像figureimshow(m)im=im2bw(m)。計(jì)算圖像信息 vertical = zeros(s(1))。 for j = 1:s(1) %二值化垂直投影 vertical(j) = vertical(j) + sum(im(j,: ))。end figure。 figure。 人眼狀態(tài)識(shí)別結(jié)論：結(jié)論:通過(guò)對(duì)眼睛圖像的二值化水平和垂直投影曲線可以進(jìn)一步的確定眼睛的狀態(tài)，當(dāng)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(biāo)與最小縱坐標(biāo)的差值大于原圖片的1/2時(shí)則可判定人眼的狀態(tài)是睜開(kāi)的，當(dāng)差值接近1/2時(shí)，這可以通過(guò)二值化的垂直投影進(jìn)一步判定。無(wú)論是在科技、國(guó)防、工商業(yè)還是金融等領(lǐng)域，越來(lái)越多的圖像處理的理論和實(shí)踐成果在現(xiàn)實(shí)的生產(chǎn)生活中得到積極的應(yīng)用。本文的算法特點(diǎn)如下：本文介紹了幾種色彩空間并對(duì)其各自的特點(diǎn)和適用范圍進(jìn)行了比較，在針對(duì)本課題的研究中選用YCbCr顏色空間。學(xué)習(xí)了邊緣檢測(cè)的一些算子的應(yīng)用方法，另外也通過(guò)一些圖像的處理方法來(lái)對(duì)圖像進(jìn)行處理，并應(yīng)用數(shù)學(xué)形態(tài)學(xué)進(jìn)行濾波除燥。用兩種方法來(lái)定位人眼，分析了邊緣檢測(cè)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(diǎn)。該算法在膚色信息的基礎(chǔ)上能夠較好的進(jìn)行人臉檢測(cè)和眼睛定位，但是由于受時(shí)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(jìn)一步的提高，希望后來(lái)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(cè)和人眼定位。由于時(shí)間問(wèn)題，一些環(huán)節(jié)做的很粗糙，沒(méi)能做到十分的準(zhǔn)確，只是初步實(shí)現(xiàn)了研究要求。 參 考 文 獻(xiàn)[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(jì)紅。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(xué)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(jì)算機(jī)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(xué)報(bào)，2000，28(4):103~103.[22]吳丹，劉修國(guó)，[J].工程圖學(xué)學(xué)報(bào)，2003，(2):120一125.[23][碩士論文〕.沈陽(yáng)理工大學(xué)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(jì)算機(jī)工程與應(yīng)用，2005，33:35一37[28][:上海海運(yùn)學(xué)院，2002[29] 宋加濤，劉濟(jì)林，[J].計(jì)算機(jī)輔，17(3):540545[30]鮑蘇蘇，[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003，26(4):550一552[31]耿新，[J].軟件學(xué)報(bào)，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?jiǎng)P，陳海霞，劉立峰等，基于模板抽樣的快速圖像匹配算法，光學(xué)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(cè)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(yùn)動(dòng)的司機(jī)疲勞檢測(cè)．中南大學(xué)碩士學(xué)位論文，2005[38]過(guò)秀成．道路交通安全學(xué)．南京：東南大學(xué)出版社，2001 致謝四年的大學(xué)生活即將結(jié)束，美麗的清華大學(xué)給了我學(xué)習(xí)更多新知識(shí)的機(jī)會(huì)。在這四年里不僅學(xué)到了先進(jìn)的專業(yè)理論知識(shí)，增強(qiáng)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(xué)習(xí)和生活中給予巨大幫助的老師和同學(xué)，正是由于這些無(wú)私的幫助以及學(xué)校和老師提供的良好的學(xué)習(xí)環(huán)境才使得自己能夠順利的畢業(yè)。武老師治學(xué)嚴(yán)謹(jǐn)，在論文完成期間武老師經(jīng)常給予指導(dǎo)和幫助，讓我有一個(gè)清晰的論文處理思路。同時(shí)，武老師對(duì)我的論文給予細(xì)心的修改，并對(duì)我的論文結(jié)構(gòu)提出了寶貴意見(jiàn)，在此我十分感謝武老師。和他們?cè)谝黄穑o我留下深刻美好的回憶。再次感謝所有關(guān)心、幫助和支持過(guò)我的老師、親人