[发明专利]一种基于快速特征点定位的视线朝向判断方法及系统

权利要求书

1.一种基于快速特征点定位的视线朝向判断方法，其特征在于，包括步骤：

S1、利用具有红外补光功能的图像采集装置采集驾驶员头部图像并对采集的驾驶员头部图像进行预处理，利用Adaboost算法训练出识别脸部区域的分类器，利用训练出的所述分类器对预处理后的驾驶员头部图像进行识别从而识别出驾驶员脸部区域图像；

S2、利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型，利用训练出的所述模型定位所述驾驶员脸部区域图像的特征点，根据定位的驾驶员脸部区域特征点获取所有眼部轮廓特征点位置信息以及特定的耳部特征点位置信息，所述眼部轮廓特征点位置信息包括左眼轮廓特征点位置信息和右眼轮廓特征点位置信息，所述特定的耳部特征点位置信息包括一特定的左耳特征点位置信息和一特定的右耳特征点位置信息；

S3、定义视线参数并将前设定帧数的所述驾驶员脸部区域图像用以初始化视线参数，其中l₁表示左眼轮廓特征点的质心到特定的左耳特征点的距离，l₂表示右眼轮廓特征点的质心到特定的右耳特征点的距离；

S4、获取前设定帧数之后的所述驾驶员脸部区域图像后，计算每张所述驾驶员脸部区域图像的视线参数与视线参数初始化值的比值，并根据比值获取该张所述驾驶员脸部区域图像的视线偏转结果；

S5、获取设定时长内识别出的所述驾驶员脸部区域图像的视线偏转结果并统计各视线偏转结果出现的频率，以出现频率最高的一视线偏转结果作为该设定时长的驾驶员视线偏转结果，在偏转角度较大无法识别出所述驾驶员脸部区域图像时，以上一时长的视线偏转结果作为实时的视线偏转结果。

2.如权利要求1所述的基于快速特征点定位的视线朝向判断方法，其特征在于，步骤S1中利用Adaboost算法训练出识别脸部区域的分类器的步骤包括：

S11、准备训练样本；

S12、初始化样本权重；

S13、归一化样本权重系数，计算每个样本特征点分类误差，选取分类误差最小的弱分类器，然后重新计算并分配训练样本的权值；

S14、判断训练迭代总次数是否达到预设次数，如果没有达到预设次数，则循环执行步骤S13，如果达到预设次数，则进行步骤S15；

S15、获取强分类器。

3.如权利要求1所述的基于快速特征点定位的视线朝向判断方法，其特征在于，步骤S2中利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型的步骤包括：

S21、准备训练样本；

S22、预处理训练样本；

S23、对样本进行坐标变换，构建平均形状模型；

S24、设置训练模型参数；

S25、训练随机森林，获得特征映射函数，提取局部二值特征，对形状进行全局线性回归，并对形状进行更新；

S26、判断回归次数是否达到预设次数，如果没有达到预设次数，则循环执行步骤S25，如果达到预设次数，则保存模型。

4.如权利要求1所述的基于快速特征点定位的视线朝向判断方法，其特征在于，步骤S3中将前设定帧数的所述驾驶员脸部区域图像用以初始化视线参数的步骤为：

计算前设定帧数的所述驾驶员脸部区域图像的初始化参数的平均值，以该平均值作为视线参数的初始化值。

5.如权利要求1所述的基于快速特征点定位的视线朝向判断方法，其特征在于，步骤S4中根据视线参数比值获取该张所述驾驶员脸部区域图像的视线偏转结果的步骤为：

设定帧数之后的所述驾驶员脸部区域图像的视线参数与视线参数初始化值的比值如果大于2.0，则视线偏转结果为视线向右偏转，如果比值小于0.5，则视线偏转结果为视线向左偏转，如果比值大于或等于0.5并且小于或等于2.0，则视线偏转结果为视线不发生偏转。