[发明专利]一种基于边缘及颜色双特征空间直方图的人眼跟踪方法

说明书

技术领域

本发明涉及计算机视觉技术在驾驶员疲劳检测系统中的应用，特别涉及一种基于边缘及颜色双特征空间直方图的人眼跟踪方法。

背景技术

在基于图像处理的驾驶员疲劳检测系统中，驾驶员眼睛的状态是判断疲劳的重要依据。在第一帧成功定位眼睛的基础之上，为了满足实时性的要求，对于后续帧的处理，大多采用视频目标跟踪算法来跟踪眼睛的位置。当驾驶员在正常驾驶汽车时，大部分时间眼睛注释前方路况，头部有轻微晃动，当头部左右转动时，时间较短，因此人眼跟踪算法应该能满足头部的快速转动的要求，另外，还需要考虑到光照变化及眼睛眨动的影响。

基于近年来对于人眼跟踪的研究，提出了一些有效的跟踪算法。有用眼睛模板在模板匹配算法框架下对人眼进行跟踪，有用粒子滤波算法跟踪眼睛的位置。基于穷尽搜索的模板匹配算法和基于大量粒子采样的粒子滤波算法计算量较大，在实时运行时对硬件的要求高。而在目标跟踪领域，均值偏移算法因其迭代向量计算简单，实时性好并且对于目标的部分遮挡和旋转的鲁棒性强的优点被广泛应用研究。在实际应用中，为了取得更好的跟踪效果，研究者对传统均值偏移算法进行了改进。有将均值偏移与卡尔曼滤波相结合来跟踪人眼，但是人眼的运动并非线性高斯过程，跟踪精度无法保证。有将粒子滤波器与均值偏移相结合，粒子滤波的跟踪精度较好但是降低了实时性。以上采用均值偏移算法的人眼跟踪只基于颜色直方图对目标区域建模，这种只考虑颜色分布信息而没有考虑空间分布信息的算法，在光照变化或背景较复杂时，跟踪效果往往不令人满意。

发明内容

为解决上述技术问题，本发明提出一种基于边缘及颜色双特征空间直方图的人眼跟踪方法，该方法在基于空间直方图均值偏移跟踪算法的基础上，将受光照变化影响弱的边缘特征与颜色特征联合建模，用两个子特征的综合相似度衡量候选区域与目标区域的相似程度，用基于综合相似度推导出的均值偏移向量计算公式进行迭代运算，在满足实时性要求光照变化鲁棒性要求的同时，提高了对于快速移动人眼和眨动人眼的跟踪精度。

本发明不涉及人眼检测部分，在初始图像中，人眼目标区域为一已确定位置和大小的矩形区域。

本发明一种基于边缘及颜色双特征空间直方图的人眼跟踪方法，该方法具体步骤包括：

步骤1.目标区域建模。利用Soble算子对初始帧中人眼区域进行边缘提取，计算目标区域的颜色空间直方图h_c'和边缘空间直方图h_e'。

步骤2.候选区域建模。在当前帧中，初始搜索位置y₀定为上一帧中眼睛的位置，计算候选区域的颜色空间直方图h_c(y₀)和边缘空间直方图h_e(y₀)。

步骤3.计算目标区域与候选区域相似度。计算各个特征空间中的目标模型与候选模型的相似度和特征权重值，从而计算联合相似度ρ(y₀)。

步骤4.计算均值偏移向量。计算每个采样点的权值，从而得到当前搜索位置处的均值偏移向量，若||y₁-y₀||＞ε(ε为衡量均值偏移向量不为0的最小阀值)，则该向量指向被跟踪目标的新位置y₁，若||y₁-y₀||≤ε，则停止搜索。

步骤5.相似度比较。将搜索窗口移动到步骤4中的新位置y₁处，更新候选模型，即计算y₁处的颜色空间直方图h_c(y₁)和边缘空间直方图h_e(y₁)。

步骤6.计算y₁处的联合相似度ρ(y₁)。

步骤7.若ρ(y₁)＜ρ(y₀)，则新位置为否则y₀←y₁，转到步骤4。