[发明专利]一种基于Haar‑like特征的司机面部特征快速检测方法

说明书

技术领域

本发明涉及一种基于Haar-like特征的司机面部特征快速检测方法，属于智能交通，模式识别领域、嵌入式系统。

背景技术

随着我国经济的增长，我国居民机车保有量迅速增长。在极大方便了人民出行的同时，道路交通事故的发生率也在节节攀升，给人民的生命财产和国民经济造成了巨大的损失。从道路交通事故的成因来看，驾驶员是导致交通事故的主要因素，而行人是在交通事故中主要的受害群体。据统计，2013我国因交通意外而死亡的行人人数约为27906人，占全部交通事故死亡人数的29.81％；行人因交通事故而受伤的人数约为80239人，占全部交通事故受伤人数的21.32％。所以对司机驾驶状态进行实时检测，在司机驾驶状态不佳时进行及时的提示，对预防事故和事故后处理都将产生积极的意义。

对司机进行检测主要采用司机面部特征提取方法，该方法主要是通过提取司机面部在视频图像中的像素灰度、梯度、纹理、颜色等信息中的一种或几种，以区别于其他非行人物体。司机面部提取质量的好坏将直接影响后续的检测工作。目前，常用的方法有矢量特征、标量特征和纹理边缘特征等。

矢量特征：目前比较经典的矢量特征主要有HOG(Histogram of Oriented Gradient)特征、SIFT(Scale Invariant Feature Transform)特征、Shapelet特征等。HOG特征由Dalal等学者于2005年首次提出，参见Dalal Navneet,Triggs Bill.Histograms of oriented gradients for human detection[C].Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition,San Diego,CA,United states,2005,886-893。Dalal通过有效提取检测目标的边缘梯度信息，将各边缘梯度信息梯度方向直方图的方式予以反映，并对各梯度方向的直方图进行综合归纳与描述来提取目标的边缘共性特征，由于该特征将图像分割成很小的单元格，并在其中进行提取边缘梯度、计算梯度直方图等操作，使该特征具有较好的光照不变性、尺度不变性和抗扰动能力，但由于算法特征维数较高影响了算法的实时性。SIFT特征是由Lowe于2004年首次提出的一种矢量特征提取算法，参见Lowe D M..Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110。该特征具有比HOG特征性能更为优越的鲁棒性，对视频图像因外界光照、尺度、位移等产生的变化都具有良好的容忍性。然而该特征计算量复杂，维度较高，如何降低其维度，实现实时性较好的特征有效提取还是一个悬而未决的难题。Shapelet特征也是一种矢量梯度特征，该特征最早由Refregier提出，参见Refregier A.Shapelets:I.A method for image analysis[J].Monthly Notice of the Royal Astronomical Society,2003,338(1):35-47。该特征也具有较强的排他性和判别能力，缺点同样也是计算较为复杂，实时性有待提高。

除了矢量特征，还有学者尝试使用纹理特征和边缘梯度特征来进行检测，参见Yang Hee-Deok,Lee Seong-Whan.Multiple pedestrian detection and tracking based on weighted temporal texture features[C].Proceedings of International Conference on Pattern Recognition,British Machine Vis Assoc,Cambridge,ENGLAND,2004,248-251。