劉牧洲，王忠

(四川大學(xué) 電氣信息學(xué)院，成都，610025)

基于圖像處理的疲勞檢測算法研究

劉牧洲，王忠

(四川大學(xué) 電氣信息學(xué)院，成都，610025)

首先對駕駛員圖像采用同態(tài)濾波算法增強對比度,并用直方圖均衡法進行預(yù)處理。再采用基于RGB、HIS等膚色模型的人臉檢測方法與腐蝕、膨脹算法對圖像進行優(yōu)化，提取出臉部圖像。最后通過水平與垂直投影檢測眼部圖像，并與眉毛區(qū)域相區(qū)分。

直方圖均衡；人臉識別；人眼識別；圖像處理

近年來，由疲勞駕駛引發(fā)的交通事故時有發(fā)生。有調(diào)查數(shù)據(jù)顯示，全球每年至少有100多萬人死于各種交通事故，其中由疲勞駕駛引發(fā)的事故高達15萬起，造成直接經(jīng)濟損失125億美元。在我國，因疲勞駕駛而造成的交通事故約占總數(shù)的20%，特大交通事故的40%以上，以及交通死亡率的82%[1]。目前在駕駛員疲勞檢測方面的研究主要是針對駕駛員的外部行為，生理信號以及車輛參數(shù)。外國學(xué)者Knpling等人通過監(jiān)測駕駛員眼部的活動，例如眼睛的開閉與轉(zhuǎn)動，來判斷駕駛員的疲勞程度。PERCLOS方法正是出于這樣一種思路。

本文將采用數(shù)字圖像處理的方法對駕駛員進行疲勞檢測，并對基于膚色模型的人臉識別算法進行改進，從而對眼部圖像進行提取，同時保證算法的精度。

1 圖像預(yù)處理

光照對于人臉圖像的影響非常大,從而使算法產(chǎn)生誤判，所以有必要采用同態(tài)濾波器對圖像進行預(yù)處理。同態(tài)濾波算法能夠在頻域中對圖像亮度進行壓縮，同時增強圖像的對比度。通過這種算法，圖像的亮度將被調(diào)整，從而解決各部分照明不均的問題。明亮區(qū)域的圖像細節(jié)不會被損失，并且暗區(qū)的圖像細節(jié)會得到增強，光線不足對圖像造成影響將被很好地彌補[2]。經(jīng)過同態(tài)濾波后，再把圖像作灰度化處理，之后再作直方圖均衡。這樣一來，每個灰度級上都會有圖像的像素信息分布，且概率密度相對平均，從而使圖像的對比度在整體上得到了增強[3]。

2 人臉識別

2.1 基于膚色模型的人臉識別

作為人臉的一大特征，膚色不會受頭部姿態(tài)、面部表情以及部分遮擋的影響，近年來被廣泛運用于人臉檢測[4,5]。人臉檢測往往先從膚色入手，通過對膚色的識別，臉部的圖像信息將與背景圖像分離，之后再進行后續(xù)的特征提取與識別。

2.1.1 膚色的RGB模型及其歸一化

在正常光照下,各點的像素值滿足R>G>B；當光線過暗時,有R>B>G；在極少的情況下會有R

根據(jù)這個模型構(gòu)造出的識別掩模見圖1。可以看出，盡管面部皮膚能夠基本完整地識別出來，很多非皮膚區(qū)域也被誤判為臉部圖像，因此單靠RGB模型來識別人臉是不合理的，此時需要結(jié)合其他膚色模型。

圖1 RGB膚色模型識別結(jié)果Fig.1 Recognition of RGB skin color model

Soriano在2000年提出了歸一化RGB空間中膚色像素的多項式模型[7],2003年Chiang對此進行了改進[8]。多項式模型與統(tǒng)計膚色模型(如高斯模型)相比,復(fù)雜而繁瑣的矩陣運算可以省去,從而能夠十分可觀地降低算法的復(fù)雜度。

多項式模型由兩個r-g平面的二次多項式與一個圓方程構(gòu)成：

fupper(r)=aur2+bur+cu

(1)

flower(r)=alr2+bl+cl

(2)

W(r,g)=(r-0.33)2+(g-0.33)2

(3)式中,系數(shù)au,bu,cu,al,bl和cl分別等于-1.3767,1.0743,0.1452,0.7760,0.5601和0.1766。

在RGB空間下，多項式(1)與(2)分別用來估計膚色像素的上下邊界分布。同時為了將白色的像素點從圖像中剔除，此處也定義了圓方程(3)。膚色像素在R軸上的分量應(yīng)該落在區(qū)間[0.2,0.6]的范圍內(nèi)。因而在多項式(1)(2)與圓方程(3)的基礎(chǔ)上,再遵循如下四條規(guī)則，即能提取出膚色圖像：

g>flower(r)&g

(4)

W(r,g)≥0.04

(5)

r>0.2&r<0.6

(6)

R-G>20

(7)

用這個模型進行人臉識別，可得到圖2中的兩組結(jié)果。

圖2 算法改進后的人臉識別結(jié)果Fig.2 Results of face recognition by improved algorithm

2.1.2 膚色的HIS模型

[9]，通過實驗，可以得到如下HIS模型的實驗結(jié)果，圖3的兩組結(jié)果就是通過上述規(guī)則進行識別后的圖像。每組中的左圖為原圖像，中圖為光線均衡后的圖像，右圖為根據(jù)HIS膚色模型規(guī)則識別后的圖像。從實驗結(jié)果來看，人臉識別的效果不如2.1.1中的歸一化RGB模型。由于文獻[9]中給出的閾值只是一個統(tǒng)計值，實際上針對不同的圖像，有必要對閾值進行調(diào)整，以獲得最佳效果。

圖3 HIS膚色模型的識別結(jié)果Fig.3 Results of HIS skin model recognition

2.2 基于形態(tài)學(xué)人臉識別的提取和改進

通過觀察以上人臉識別的掩模結(jié)果可知，不管采取哪種方法，最終的識別結(jié)果都會或多或少地出現(xiàn)一些成簇的黑白點，這是由人臉膚色的特殊性決定的。為了去除這些黑白點，可以采用腐蝕算法。

2.2.1 腐蝕算法

根據(jù)腐蝕算法，得到以下結(jié)果。

圖4 腐蝕算法Fig.4 Corrosion algorithm

圖4中左圖為原始彩色圖像，中圖給出的是基于歸一化RGB膚色模型的人臉識別結(jié)果，右圖是經(jīng)過20次腐蝕算法處理后的結(jié)果?？梢钥吹?，通過腐蝕算法的處理，面部的黑色像素點以及眼睛、眉毛等部位的黑色像素點都被腐蝕得相當干凈。由于背景區(qū)域中黑色像素也或多或少地受到腐蝕算法的影響，因此背景區(qū)域中的白色像素點也被一定程度地放大；同時面部輪廓也被擴大。這樣一來就需要解決如下兩個問題，首先是將背景區(qū)域中的雜質(zhì)像素去掉，其次是把面部輪廓縮小。這里考慮使用腐蝕算法的逆運算——膨脹算法。

2.2.2 膨脹算法

圖5中，右圖為對左圖進行20次膨脹算法后的結(jié)果。從中可知，左圖背景區(qū)域的白色雜質(zhì)點完全消失，而且人臉的輪廓被明顯縮小。

圖5 膨脹結(jié)果Fig.5 Results of corrosion algorithm

Matlab環(huán)境下的相關(guān)代碼如下：

se=strel(′disk′,5);

fori=1∶20

AA2=imclose(AAAA,se);

End

2.3 人臉識別的結(jié)果

通過以上算法，最后可以得到一個圖像掩模，將其與原始圖像的像素矩陣進行“與”運算，就能提取出面部的圖像信息，如圖6。

圖6 面部圖像提取Fig.6 Extraction of face image

圖6中，左圖為原始圖像，中圖為未經(jīng)過腐蝕和膨脹運算的提取結(jié)果，右圖為最終結(jié)果。

3 人眼檢測

3.1 人臉圖像的切割

提取到面部圖像后，先進行粗略的切割，從而降低后續(xù)處理的復(fù)雜度。切割后的圖像如圖7，左圖與中圖為正常狀態(tài)下檢測到的人臉圖像，右圖為疲勞狀態(tài)下的人臉圖像。

圖7 不同狀態(tài)下的人臉圖像Fig.7 Face image of different situations

3.2 利用投影的方法對眼部區(qū)域定位

面部圖像中，灰度最大的是眼部區(qū)域。可以考慮先將臉部圖像作灰度化處理，再把灰度圖像二值化，最大程度地保留眼部的圖像信息。

3.2.1 投影定位方法

圖8(a) 仿真結(jié)果Fig.8(a)Simulation result

圖8(b) 仿真結(jié)果Fig.8(b)Simulation result

對圖7中正常狀態(tài)下的兩幅臉部圖像作二值化處理，再將處理結(jié)果進行投影，結(jié)果為圖8(a)與圖8(b)。水平投影為左圖，右圖為垂直投影。四幅圖中的極值位置對應(yīng)眼睛與眉毛在臉部圖像中的坐標。眼睛與眉毛的橫向位置由水平投影的極值點給出，縱向位置則由垂直投影的極值點給出。取兩條線的交點，即可獲得眼部圖像的區(qū)域。

3.2.2 改進算法，分辨眼部與眉毛所在區(qū)域

眉毛與眼睛的區(qū)別在于，圖像二值化后，眉毛區(qū)域的下方會比眼部區(qū)域多出黑色的像素點，由此可對兩者進行區(qū)分。對左眼區(qū)域的算法如下：

flag=0;

fori=leftheight:leftheight+a/2

memory=flag;

ifleft(i,flagleft)～=left(i-1,flagleft)

flag=flag+1;

電網(wǎng)調(diào)度中的監(jiān)控系統(tǒng)是自動化的電網(wǎng)調(diào)度系統(tǒng)能夠安全、高效運轉(zhuǎn)的的重要組成部分。為了適應(yīng)電網(wǎng)調(diào)度自動化的需要，目前已經(jīng)引進了現(xiàn)代化的監(jiān)控手段和設(shè)備，然而在使用的過程中還存在兩種錯誤傾向：一種是將一切都寄托在設(shè)備上忽視了在監(jiān)控系統(tǒng)運行中人的作用，另一種是仍然采用傳統(tǒng)的監(jiān)控技術(shù)，將新式技術(shù)裝備束之高閣。這兩種錯誤傾向的存在會嚴重影響先進設(shè)備優(yōu)勢的發(fā)揮，不利于電網(wǎng)調(diào)度的安全高效。

end

ifflag==2

leftheight=i;

break;

end

end

flag=0;

圖9 改進后的眼部圖像識別結(jié)果Fig.9 Recognition of eye area by improvedalgorithm

算法思路為，從檢測到的人眼位置開始，依次向下判斷像素的值，直到圖像中間位置為止。如果檢測到像素值從1變?yōu)?，又變?yōu)?，或者是直接從0變?yōu)?，則之前檢測到的應(yīng)該是眉毛所在的區(qū)域，否則可確認之前檢測到的是眼部區(qū)域。

4 結(jié) 語

本文通過對比兩種膚色模型下的人臉圖像提取方法，在MATLAB環(huán)境下對算法進行實驗，并作出改進，采用膨脹與腐蝕算法提取出完整的臉部圖像；之后在人眼檢測中，采用匹配投影的方法，對眼部與眉毛區(qū)域進行分辨，提高了識別精度。

參考文獻：

[1]萬靜,袁澤,張雪超.復(fù)雜背景下基于人臉的自適應(yīng)膚色檢測[J].計算機應(yīng)用與軟件,2016,33(11):148-152.

[2]何俊,房靈芝,蔡建峰,等.基于ASM和膚色模型的疲勞駕駛檢測[J].計算機工程與科學(xué),2016,38(7):1447-1453.

[3]周利琴,谷林.基于高斯膚色模型的人臉區(qū)域及下巴檢測[J].西安工程大學(xué)學(xué)報,2015,29(6):751-755.

[4]盛光磊,王麗娟.基于膚色模型與改進Adaboost算法的人臉檢測[J].軟件導(dǎo)刊,2015,14(6):180-182.

[5]Dalrymple K A, Duchaine B. Impaired face detection may explain some but not all cases of developmental prosopagnosia[J].Developmental Science,2016,15(3):440-451.

[6]Ban Y, Kim S K, Kim S, et al. Face detection based on skin color likelihood[J]. Pattern Recognition,2014,47(4):1573-1585.

[7]Hong S H, Lee J W, Lama R K, et al. Real-time face detection and phone-to-face distance measuring for speech recognition for multi-modal interface in mobile device[J]. Multimedia Tools and Applications,2016,75(12):6717-6735.

[8]宋凌怡.基于膚色模型的人臉檢測與人眼定位[J].吉林大學(xué)學(xué)報理學(xué)版,2015,53(6):1246-1250.

[9]姜兆普,許勇,趙檢群.基于眼部特征的疲勞檢測算法[J].計算機系統(tǒng)應(yīng)用,2014,23(8):90-96.

Research on the detection of driver’s fatigue based on image processing

LIU Muzhou，WANG Zhong

(School of Electrical and Information Engineering,Sichuan University,Chengdu 610065,China)

During the processing of extracted image of driver,the homomorphic filter was used to enhance the contrast of the image,and then the histogram equalization method was used during the preprocessing.Methods based on RGB and HIS skin color model,as well as corrosion and swelling algorithms were all used to get the image of driver’s face.Finally,detection of the eye was achieved by vertical and horizontal projection,image of the eyebrow being distinguished at the same time.

histogram equalization;face recognition;recognition of human eyes;image processing

1672-7010(2017)01-0059-05

2016-11-10

劉牧洲(1993-)，男，湖南新化人，碩士研究生,四川大學(xué)電氣信息學(xué)院，從事信號與信息處理研究

TP391.41 < class="emphasis_bold">文獻標志碼：A

A