目前,由于司机的驾驶疲劳而引起的交通事故率日益增加,为减少此类事故的发生,本文通过研究司机的眼睑运动来判断司机的疲劳程度,因为眼睑运动是司机疲劳的主要特征,研究眼睑运动对眼睛凝视方向等其他表征司机疲劳状况的视觉特征的提取也很关键。本文在人脸检测与眼睛已定位的基础上重点对眼睛特征检测与跟踪和眼睛状态的识别算法进行了研究与改进。 本文主要作了以下几个方面的工作: 1、对定位后的眼睛图象进行了特征提取。本文分两步提取眼睛特征,即分别进行虹膜检测和眼睛轮廓的提取。为了能够精确地提取虹膜,本文提出了基于彩色图象分割的虹膜检测方法,相对于现有的基于灰度边缘的虹膜检测方法,精确度大大提高。然后在已检测到的虹膜位置基础上利用可变形模板对眼睛轮廓进行提取,与利用可变形模板同时提取虹膜和眼睛轮廓的方法相比,本文的方法不仅避免了可变形模板在收敛不到虹膜区域,尤其是闭眼时,而出现的误收敛或发散,而且,还有利于以后的闭眼跟踪和眼睛状态识别。 2、检测出眼睛特征后,对眼睛特征进行了跟踪。为了能够在眼闭时也能准确跟踪到眼睛,本文的跟踪算法也分别进行,即同时进行虹膜跟踪与眼睛轮廓跟踪。虹膜跟踪采用在图象序列中用Hough变换检测虹膜下半圆的方法,由于在检测帧中已知虹膜半径,且对于同一个人(司机)是变化很小,在跟踪帧中可作为Hough变换的已知参数,而虹膜中心位置也可作为跟踪帧中虹膜的参考位置,故计算复杂度大大减少,速度大大加快。眼睛轮廓跟踪则先采用光流估计对眼睛轮廓关键点位置进行预测,再根据预测的关键点位置对当前帧的眼睛轮廓加以变形,作为下一帧的初始轮廓,再用可变形模板能量函数最小化修正。这种方法避免了在跟踪眼睛轮廓这种非刚性物体时因发生变形(开、闭眼)而出现误跟踪,提高了跟踪的精度。 3、根据跟踪到的眼睛特征,进行眼睛状态识别,本文提出了由粗到精地识别眼睛状态的方法,即先根据眼睛特征中是否有虹膜来判断是否为开眼,绝大多数开眼均可有这一步识别出,若没有,再提取眼睛轮廓模板的参数计算上下眼睑的宽度来判断是否开眼,这就避免了个别检测不到虹膜但仍为开眼的情况,提高了识别的精度。 与以往的基于眼睑运动的司机疲劳检测的方法相比,即在眼睛定