人眼识别外文翻译译文.doc

人眼识别外文翻译译文.doc

ID:51855068

大小:1.21 MB

页数:12页

时间:2020-03-17

人眼识别外文翻译译文.doc_第1页
人眼识别外文翻译译文.doc_第2页
人眼识别外文翻译译文.doc_第3页
人眼识别外文翻译译文.doc_第4页
人眼识别外文翻译译文.doc_第5页
资源描述:

《人眼识别外文翻译译文.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、译文:惺忪眼睛识别之睡意检测林信锋,林家仁,姚志国立东华大学,台湾花莲摘要:随着科学技术和汽车工业的进步,道路上有了越来越多的车辆。其结果是,繁忙的交通经常导致越来越多的交通事故。普通交通事故,司机注意力不集中通常是一个主要原因。若要避免这种情况,本文提出了惺忪的眼识别系统的嗜睡检测。首先,级联Adaboost算法与Haar特征分类器来找出人脸。第二,眼睛区域位于主动形状模型(ASM)搜索算法。然后采用二进制的模式和边缘检测的眼睛特征提取和确定眼睛的状态。实验结果表明即使没有系统训练阶段也能与其他方法的

2、性能比较。关键词:人脸检测;人眼识别;睡意。一、引言在过去的几十年中,随着车辆技术的发展交通事故发生率越来越高。驾驶员疲劳驾驶被认为是一个重要因素。许多研究显示长时间驾驶的危险是相当于醉酒驾驶。因此,驾驶员疲劳驾驶已成为一个普遍的问题。其结果是,大量的研究一直致力于检测系统的不安全驾驶。安全驾驶系统可以概括为两大类。一种是车辆的"以车为本"的[1][2]方法,其中着重论述,如车辆的道路上,位置状态变化的速度,等等。另一类是"以人为本"的方法,侧重于驱动程序的状态。此方法分析了驱动程序的人脸图像与图像处理

3、和模式识别,如眨眼频率和眼睛关闭[3]的时间。提出的方法基于这一类别。林etal.[4]评估几个功能集和分类对于亲密关系的人眼检测。他们采用灰度值,Gabor小波、局部二进制模式(LBP)及直方图的面向梯度(HOG)来表示功能集,并与三种类型的分类器(即,邻近取样(NN),支持向量机(SVM)和Adaboost算法)比较。实验结果表明,各种特征描述符的结合大大提高了精度。吴吴etal.[5]提出了一种识别眼睛的状态方法。他们用haar特征和Adaboost分类器[6]来找出人脸区域。LBP被考虑作为图像

4、的特征和特点采用支持向量机训练。然后利用支持向量机识别眼睛的状态。他们证明了该方法能有效地检测司机睡意,通过计算PERCOLS(眼闭百分比)。在本文中,我们提出惺忪的眼识别系统训练阶段无睡意检测。一个级联的Adaboost分类器haar特征[7]与主动形状模型(ASM)[8]用于找出人脸定位和眼区。然后采用二进制的模式和边缘检测的眼睛特征提取和确定眼睛的状态。实验结果与其它的方法,有训练阶段将演示的性能比较。本文的结构如下。第2节中,描述了拟议的方法。节3演示实验结果。最后,第4节中得出结论。二.拟议的

5、方法提出的方法具有四个主要步骤:1)图像预处理;2)人脸检测;3)眼睛检测;4)的眼睛的状态识别。图1说明了驾驶员瞌睡侦测系统的流程图。在下面的小节提出了所提出方法的细节。图一:该算法的流程图。A.图像预处理亮度变化会影响系统的精确率。因此,提出的方法都最初适用光补偿的直方图均衡化[9]。在此步骤中,图2中所示我们分为红色、绿色和蓝色分量的彩色图像,分别适用于每个组件的直方图均衡化。然后得到补偿的图像。光的补偿,我们降低了补偿图像的分辨率,以提高系统的效率。图二:光补偿的直方图均衡方案B.人脸检测级联的

6、Adaboost分类器haar特征[10]利用,找出人脸区域。第一,补偿的图像分割成矩形区域,在任何位置和原始图像中的刻度数。由于人脸面部特征的差异,haar特征是有效的实时人脸检测。这些可以根据不同的矩形区域内的像素值的总和计算。如图3所示,可以由不同组成的黑色区域和白色区域表示功能。级联的Adaboost分类器是一个强分类器相结合的几个弱分类器。每个弱分类器的Adaboost算法训练。如果候选人样品通过级联的Adaboost分类器,可以发现人脸区域。几乎所有的脸样本可以通过和非人脸样本会被拒绝。图4

7、显示的人脸检测与级联的Adaboost分类器。abc图3:Haar特征:(a)边缘特性线(b)(c)中心-包围功能图4:与级联的Adaboost分类器的人脸检测C.眼检测主动形状模型(ASM)[8]是一种基于统计学习模型的人脸特征提取算法。它的目的是以匹配新的图像模型。在拟议的方法中,ASM被训练从面部的轮廓与一组手动标记的点。然后算法选择主要变化训练数据中的主成分分析(PCA)方法。建立ASM后,眼睛定位得到如图5所示。图5:检测结果的人脸区域和眼睛的位置D.表彰的眼睛的状态眼睛的特征提取识别眼睛的状

8、态。一般情况下,左眼状态等于权利一在同一时间。因此,我们只考虑在一个框架中的一只眼睛状态。这种考虑也是有益于降低了计算复杂度。在此步骤中,通过了两项计划:(1)二元模式和(2)Canny边缘检测[11]。眼图像转换为二进制模式基于阈值t。(1)(1)n是像素在眼部和x我的号码是该位置的像素值在该地区。眼部有n像素为单位)。如果P的像素值大于阈值T,P将设置为白色,1。否则P将被设置为0。它的定义(2)所示。(2)图6显示了一些二进制模式的睁

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。