圖像中的人眼檢測及狀態(tài)分析.pdf

1、隨著機(jī)器視覺、人工智能等領(lǐng)域的推進(jìn)，IT行業(yè)正引來新一輪的浪潮。其中，人臉檢測和人臉識別等技術(shù)經(jīng)過多年的發(fā)展，現(xiàn)已成功地融入到各類智能應(yīng)用程序中，如刷臉支付系統(tǒng)、人臉識別門禁系統(tǒng)等。而人眼作為人臉中最主要的特征之一，對其的檢測和狀態(tài)分析與人臉檢測等技術(shù)關(guān)系緊密。對其的檢測及狀態(tài)分析不僅能進(jìn)一步充分利用人臉檢測和識別技術(shù)，還為其他相關(guān)應(yīng)用開辟途徑。當(dāng)前，在智能交通系統(tǒng)、智能圖像處理應(yīng)用程序、智能終端和穿戴式設(shè)備以及智能醫(yī)療等領(lǐng)域中，人眼檢

2、測及狀態(tài)分析技術(shù)正嶄露頭角。
　　為此，本文對圖像中的人眼檢測和狀態(tài)分析技術(shù)做了一些研究和討論，并給出了參考方案。首先，從基于一般特征和基于統(tǒng)計(jì)特征兩大主要方向?qū)Ξ?dāng)前的研究現(xiàn)狀做了區(qū)分?；诖?，以各個方向中相對常用的方法為線索闡述了不同研究方向的研究進(jìn)展。之后，從人臉檢測，人眼檢測和人眼狀態(tài)分析三個方面入手展開工作：
　　1）人臉檢測方面，在對比分析目前人臉檢測方法的基礎(chǔ)上，采用魯棒性相對較好的Adaboost級聯(lián)分類器作為

3、人臉檢測的主要算法。在對該算法進(jìn)行一定深度的學(xué)習(xí)和研究的基礎(chǔ)上，完成了人臉的訓(xùn)練及檢測過程。同時，對人臉檢測結(jié)果做了相關(guān)分析說明。
　　2）人眼檢測方面，由于圖像中的眉毛和眼睛的特征相似度較高，特別是閉眼情況，當(dāng)眉毛和眼睛過近的時候，容易導(dǎo)致人眼檢測的不準(zhǔn)確。因此，本文提出了一種基于征點(diǎn)分析、投影函數(shù)和OTSU方法的自適應(yīng)眉眼分離算法。同時，結(jié)合改進(jìn)的徑向?qū)ΨQ變換實(shí)現(xiàn)人眼的準(zhǔn)確定位。實(shí)驗(yàn)結(jié)果表明在參考精度范圍內(nèi)，所提算法能夠?qū)A

4、FEE和BioID兩大人臉數(shù)據(jù)的檢測可以分別實(shí)現(xiàn)100％和97.83%的準(zhǔn)確率。所提算法在不依賴訓(xùn)練樣本的情況下，能夠較好地應(yīng)對復(fù)雜情形。
　　3）人眼狀態(tài)分析方面，借鑒人臉識別中經(jīng)典的特征臉和Fisher臉方法，將人眼狀態(tài)分析轉(zhuǎn)化為“類人臉識別”問題，利用特征眼和Fisher眼的方法對人眼狀態(tài)進(jìn)行分析。測試對比發(fā)現(xiàn)特征眼方法相比Fisher眼方法在檢測率方面比Fisher眼更有優(yōu)勢，但是二者都不能均衡且有效地檢測出睜眼和閉眼狀態(tài)