[发明专利]基于网格区域分割和阈值自适应的人眼状态快速识别方法

摘要

本发明公开了一种基于网格区域分割和阈值自适应的人眼状态快速识别方法，利用Adaboost算法定位到人眼位置的几何区域，并用网格三分法标定眼部瞳孔特征区域；采用自适应求取背景图像分离最佳阈值的二值化算法，对眼部三个区域的图像进行黑白增强处理；将标准的计算瞳孔闭合度的关系式，修正为引入漂移因素的计算瞳孔闭合度的关系式；最后基于PERCLOS法，判断是否处于疲劳状态。本发明解决了驾驶过程中驾驶员头部转动、经常性的眼神漂移引起的瞳孔位置变化和光照变化引起前后帧眼部图像灰度变化而导致图像增强处理阈值的不确定性所引起的人眼疲劳状态识别准确率不高的问题，其占用计算资源少，实时性高。

主权项

1.一种基于网格区域分割和阈值自适应的人眼状态快速识别方法，其特征在于包括以下步骤：1)、对采集到的人脸图像进行清晰处理后提取人眼Haar特征；2)、根据步骤1)提取到的人眼Haar特征，利用Adaboost算法定位眼部区域矩形框信息；3)、利用网格三分法将眼部区域分成Ⅰ、Ⅱ和Ⅲ三个区域；4)、采用自适应求取背景图像分离最佳阈值的二值化算法，以求得的阈值对眼部三个区域的图像进行黑白增强处理；5)、计算瞳孔闭合度，具体过程为：5.1)、求取眼神不漂移条件下，Ⅰ、Ⅱ、Ⅲ三个区域间像素值与瞳孔闭合度△的数学关系式；式中，为Ⅰ、Ⅲ号网格像素和的平均值，为Ⅱ号网格像素平均值，D_I,III表示Ⅰ、Ⅲ区域像素点数之和，D_II表示Ⅱ区域像素点数之和；5.2)、分析眼神左右漂移产生瞳孔位置的左右偏向，对偏向邻域的灰度影响，将步骤5.1)修正为引入漂移因素的计算瞳孔闭合度△的关系式；Δ＝max(|3∑f_III‑∑f_I,II|,|3∑f_I‑∑f_II,III|)式中，∑f表示该区域内像素点灰度之和，|3∑f_I‑∑f_II,III|对应眼神向右漂移的△，|3∑f_III‑∑f_I,II|则对应眼神向左漂移的△；6)、基于PERCLOS法判断是否处于疲劳状态。