[发明专利]一种快速人眼定位方法及装置

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种快速人眼定位方法及装置。

背景技术

研究表明，眼睛状态与驾驶员疲劳有较高的相关性，能可靠地反映疲劳状态。而眼睛定位是判断眼睛状态的前提。因此，如何准确、快速地进行人眼定位是实现驾驶疲劳状态监控的关键。

人们对人眼定位已经做了相当多的研究，目前主要技术有基于学习、基于模板匹配、基于特征的方法。基于学习的方法包括AdaBoost(Adaptive Boosting，自适应叠加)算法、神经网络、主元分析法等，这些算法的优点是准确率高，但是计算量大，限制了在实时系统中的应用。基于模板的方法则是先得到左右眼的模板，然后在整幅图像中搜索匹配。由于光照变化，角度旋转等的影响，此类方法准确率不高，而且计算量巨大。基于特征的方法包括HSI(HueSaturation Intensity，表示色调、色饱和度、亮度)虹膜检测和灰度投影法等。虹膜检测虽然快速，但是需要在彩色空间中进行，不适合红外成像系统。灰度投影方法在人脸偏斜时会失效。还有基于人脸全局特征的人眼定位，眼睛梯度等，这些算法准确率不高。

在实际图像检测中，由于事先不可能知道要检测目标图像的大小，也不知道会有多少个匹配的目标图像。AdaBoost算法使用的目标图像分类器具有按比例增大(或者缩小)的能力。算法大致流程如图1所示。(a)判断将目标图像分类器放大后，是否大于待检测图像的大小，如果是，检测结束；如果否，转到步骤(b)；(b)将目标图像分类器放大，用于检查某一大小的目标图像；(c)将放大后的目标图像分类器在待检测图像中遍历匹配，找到所有匹配的目标图像；然后转到步骤(a)。AdabBoost算法依次按比例增大目标图像分类器，来检测不同大小的目标图像；直到待检测的目标图像分类器大小大于整幅图像的大小为止。因此图像越大，可能的目标图像分类器也就越多，而且在每一种可能情况下遍历图像的耗时也越长。这是AdaBoost算法计算量巨大的原因之一。

发明内容

本发明为解决现有目标图像检测方法速度低的技术问题，提供一种快速人眼定位方法及装置。

一种快速人眼定位方法，包括如下步骤：

(a)、根据步骤(e)、和步骤(g)的检测结果判断上一帧图像中是否存在人眼区域，如有，跳转到步骤(f)；

(b)、如待测图像大小大于预定阈值，则将待测图像进行缩小；

(c)、利用人脸分类器在所述缩小后的图像中查找人脸区域，并确定人脸区域位置及大小；如未检测到，跳转到步骤(a)；

(d)、根据人脸区域位置及大小在原待测图像中提取出人脸区域，作为第一待测人眼区域；

(e)、利用人眼分类器在所述第一待测人眼区域进行人眼检测，并确定人眼区域位置及大小；

(f)、根据上一帧图像得到的人眼区域位置和大小，扩大所述人眼区域范围在当前帧待测图像上确定第二待测人眼区域；

(g)、利用人眼分类器在第二待测人眼区域进行人眼检测，并确定人眼区域位置及大小。

一种快速人眼定位装置，包括：

人眼判断单元，根据第一人眼检测单元、和第二人眼检测单元的检测结果判断上一帧图像中是否存在人眼区域；

图像缩放单元，根据人眼判断单元判断出上一帧图像中不存在人眼的结果，如待测图像大小大于预定阈值，则将待测图像进行缩小；

人脸检测单元，利用人脸分类器在所述缩小后的图像中查找人脸区域，并确定人脸区域位置及大小；

人脸图像提取单元，根据人脸区域位置及大小在原待测图像中提取出人脸区域，作为第一待测人眼区域；

第一人眼检测单元，利用人眼分类器在所述第一待测人眼区域进行人眼检测，并确定人眼区域位置及大小；

人眼图像提取单元，根据人眼判断单元判断出上一帧图像中存在人眼的结果、及根据上一帧图像得到的人眼区域位置和大小，扩大所述人眼区域范围在当前帧待测图像上确定第二待测人眼区域；

第二人眼检测单元，利用人眼分类器在第二待测人眼区域进行人眼检测，并确定人眼区域位置及大小。

本发明先将待测图像缩小，然后在缩小后的图像中对人脸进行检测；且判断上一帧图像是否存在人眼区域，当上一帧图像中存在人眼区域时，不用对当前帧整幅图像进行全部检索，只检索针对上一帧图像人眼区域在当前帧对应的区域，大大缩短了检测人脸、人眼的时间，能迅速的对图像中人眼区域进行定位，适用于实时图像系统。

附图说明

图1是现有技术提供的AdaBoost算法流程图；

图2是本发明实施例提供的快速人眼定位方法流程图；