[发明专利]利用眼镜分类器的眼睛离开道路分类

说明书

相关申请的交叉引用

本专利申请要求2013年1月18日提交的美国临时申请No. 61/754,515的优先权，该申请以引用方式并入本文中。

技术领域

本公开涉及监测车辆驾驶员并确定驾驶员的视线是否离开道路。

背景技术

此部分中的陈述仅提供与本公开有关的背景信息。因此，这样的陈述并非意图构成对现有技术的承认。

能够监视车辆的操作者并检测操作者是否不注意道路场景的车辆允许采取措施来防止因操作者不注意导致的车辆碰撞。例如，报警系统可以启用以提醒驾驶员他或她注意力不集中。此外，自动制动和自动转向系统可以启用以便在确定驾驶员甚至在被警告之后也未能集中注意力时将车辆停止。

已经知道使用驾驶员监视摄像装置，该装置被配置成监视驾驶员并且检测眼睛离开道路(EOTR)状态，以根据估计的驾驶员注视方向指出驾驶员的眼睛离开道路。然而，当驾驶员佩戴眼镜时，由于对驾驶员注视方向的估计不可靠，性能会降低。同样，当驾驶员佩戴太阳镜时，无法获得对驾驶员注视方向的估计。

发明内容

一种用于确定存在眼睛离开道路(EOTR)状态的方法包括从单目摄像装置捕获对应于驾驶员的图像数据。对驾驶员是否佩戴眼镜的检测基于使用眼镜分类器的图像数据。当检测到驾驶员佩戴眼镜时，从捕获的图像数据检测驾驶员面部位置，并且使用EOTR分类器基于驾驶员面部位置确定是否存在EOTR状态。

本发明涉及下列技术方案。

1. 一种用于确定是否存在眼睛离开道路状态的方法，包括：

从单目摄像装置捕获对应于驾驶员的图像数据；

使用眼镜分类器基于所述图像数据检测所述驾驶员是否佩戴眼镜；以及

当检测到所述驾驶员佩戴眼镜时：

从所述捕获的图像数据检测驾驶员面部位置；以及

使用眼睛离开道路分类器基于所述驾驶员面部位置确定是否存在所述眼睛离开道路状态。

2. 根据技术方案2所述的方法，其中使用所述眼镜分类器基于所述图像数据检测所述驾驶员是否佩戴眼镜包括：

从所述捕获的图像数据提取面部特征；

使用由聚类例程获得的多个视觉单词的词典来量子化所述提取的视觉特征；

池化所述量子化的视觉特征以生成所述视觉单词的空间直方图；以及

使用所述眼镜分类器将所述空间直方图分类以检测所述驾驶员是否佩戴眼镜。

3. 根据技术方案2所述的方法，其中所述视觉特征通过以下方式从所述捕获的图像数据提取：

将密集尺度不变特征变换描述符施加在所述捕获的图像数据的密集网格上。

4. 根据技术方案2所述的方法，其中所述聚类例程包括k-平均聚类例程。

5. 根据技术方案1所述的方法，其中所述眼镜分类器包括多分类支持向量机线性分类器。

6. 根据技术方案5所述的方法，还包括：

使用多个均匀分布的训练过的图像训练所述多分类支持向量机线性分类器，其中每个训练过的图像包括对应于三个类别之一的相应的采样的驾驶员。

7. 根据技术方案6所述的方法，其中所述三个类别包括所述采样的驾驶员不戴眼镜、所述采样的驾驶员佩戴普通眼镜、以及所述采样的驾驶员佩戴太阳镜。

8. 根据技术方案1所述的方法，其中使用所述眼睛离开道路分类器基于所述驾驶员面部位置确定是否存在所述眼睛离开道路状态包括：

从所述捕获的图像数据提取视觉特征；

使用由聚类例程获得的多个视觉单词的词典量子化所述提取的视觉特征；

池化所述量子化的视觉特征以生成所述视觉单词的至少一个空间直方图；

生成与所述驾驶员面部位置串接的所述视觉单词的所述至少一个空间直方图的特征向量；以及

使用所述眼睛离开道路分类器将所述特征向量分类以确定是否存在所述EOR状态。

9. 根据技术方案8所述的方法，其中所述视觉特征通过以下方式从所述捕获的图像数据提取：

将密集尺度不变特征变换描述符施加在所述捕获的图像数据的密集网格上。

10. 根据技术方案8所述的方法，其中所述聚类例程包括k-平均聚类例程。

11. 根据技术方案8所述的方法，其中池化所述量子化的图像数据以生成所述视觉单词的所述空间直方图包括：

池化所述量子化的图像数据以生成所述视觉单词的多个空间直方图。