[发明专利]一种近红外眼睛定位及眼睛状态识别方法

摘要

本发明公开了一种近红外眼睛定位及眼睛状态识别方法，属于图像处理和模式识别领域，适用于驾驶员疲劳检测，视线跟踪。该方法首先对输入的近红外图像进行人脸定位，然后利用基于级联结构的近红外眼睛定位算法定位眼睛区域，最后利用基于HOG‑LBP特征融合的眼睛状态识别算法判定眼睛状态。该方法在红外条件下能够鲁棒地定位睁闭眼睛两种情况，并准确地识别眼睛状态，同时计算复杂度不高，满足实时性要求。

主权项

一种近红外眼睛定位及眼睛状态识别方法，其特征在于包括如下步骤：步骤1：获取一帧近红外图像，所述近红外图像由具有850nm主动近红外光源和窄带滤光片的图像采集系统获得，在获取的近红外图像上定位人脸区域，如果定位成功，获取人脸图像，执行步骤2，否则继续获取下一帧红外图像；步骤2：在获取的人脸图像上利用基于级联结构的近红外眼睛定位算法定位眼睛区域，如果定位成功，获取眼睛图像，执行步骤3，否则执行步骤1；具体包括以下步骤：步骤2.1：利用人脸三庭五眼的比例划分人脸图像获得眼睛感兴趣区域，在获取的眼睛感兴趣区域利用基于Haar特征的眼睛级联分类检测器定位眼睛区域，如果定位成功，即可输出眼睛精确位置，获取眼睛图像，否则执行步骤2.2；步骤2.2：在获取的眼睛感兴趣区域利用基于形态学的方法定位眼睛区域，如果定位成功，即可输出眼睛精确位置，获取眼睛图像，否则这帧图像眼睛定位失败；所述步骤2.2中在获取的眼睛感兴趣区域利用基于形态学的方法定位眼睛区域包括以下步骤：步骤2.2.1：对眼睛感兴趣区域进行对数变换，并利用基于最大熵的自适应阈值分割算法分割对数变换后的眼睛感兴趣区域，得到分割后的图像；步骤2.2.2：利用形态学闭操作处理分割后的图像，并进行团块提取，根据团块的大小和的设定值，去除不在设定值范围内的团块；步骤2.2.3：计算团块的包围盒，如果团块的包围盒的宽度大于长度，则去除该团块；步骤2.2.4：计算团块的质心位置，并搜索质心坐标在眼睛感兴趣区域中心点附近的矩形区域内的最大团块，该最大团块的包围盒即为眼睛所在矩形位置，完成眼睛精确定位；步骤3：在获取的眼睛图像上利用基于HOG‑LBP特征融合的近红外眼睛状态识别算法判定眼睛状态，输出眼睛状态识别结果；具体包括以下步骤：将步骤2获取的眼睛图像大小归一化到近红外眼睛状态识别模型所采用的样本图像大小，分别提取训练样本图像的HOG特征向量和LBP特征向量，并利用PCA方法进行降维，串联两种降维后的特征向量得到HOG‑LBP融合特征向量，利用训练得到的近红外眼睛状态识别模型进行眼睛状态识别，最终输出此帧图像眼睛状态；步骤4：重复步骤1~3，实时输出眼睛状态识别结果。