基于小波變換的人眼狀態(tài)識(shí)別技術(shù)研究.pdf

1、隨著機(jī)動(dòng)車保有量的不斷增長(zhǎng)，道路交通事故呈不斷上升趨勢(shì)，疲勞駕駛是交通事故的重要原因之一?？蒲腥藛T正在探索一種監(jiān)督機(jī)制來檢測(cè)駕駛員是否疲勞，進(jìn)而提示駕駛員所處的危險(xiǎn)狀態(tài)，使其有意識(shí)地采取相應(yīng)的措施，避免疲勞駕駛誘發(fā)交通事故。人眼開閉狀態(tài)是判斷駕駛員疲勞與否的簡(jiǎn)單有效的參數(shù)之一。
　　本文主要研究應(yīng)用Gabor小波變換來識(shí)別人眼開閉狀態(tài)。首先應(yīng)用膚色模型進(jìn)行人臉檢測(cè)，縮小變換區(qū)域;然后利用Gabor小波變換在頻域指定尺度和方向上提取

2、相關(guān)的特征，提出了兩種的有效的人眼開閉狀態(tài)識(shí)別的方法:基于Gabor小波變換和積分投影的人眼狀態(tài)識(shí)別技術(shù)和基于Gabor小波變換和模式識(shí)別的人眼狀態(tài)識(shí)別技術(shù)。第一種方法通過調(diào)整Gabor濾波器的參數(shù)，使經(jīng)過Gabor濾波后的灰度圖像突出了眼睛在豎直方向上的開閉特征，弱化了面部其他器官的灰度特征的干擾。睜眼與閉眼圖像的積分投影曲線的峰平比存在較大的差異，可以作為判別人眼開閉狀態(tài)的依據(jù)。第二種方法通過對(duì)Gabor灰度圖像在豎直與水平方向的積

3、分投影實(shí)現(xiàn)人眼定位，在人眼Gabor圖像中抽取少數(shù)幾個(gè)人眼關(guān)鍵特征點(diǎn)的幅值作為特征向量，送入SVM分類器訓(xùn)練創(chuàng)建模型，再利用此模型進(jìn)行預(yù)測(cè)得到識(shí)別結(jié)果。
　　本文利用VC++ 6.0平臺(tái)、OpenCV計(jì)算機(jī)視覺庫(kù)與LIBSVM軟件包實(shí)現(xiàn)算法的程序設(shè)計(jì)并給出樣本實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明兩種方法均能有效地識(shí)別人眼開閉狀態(tài)，其中第一種方法不需要人眼的精確定位，實(shí)現(xiàn)簡(jiǎn)單。第二種方法特征向量維數(shù)較低，不需要降維處理，識(shí)別率高。兩種方法均可應(yīng)用