本文關(guān)鍵詞：基于視頻序列的人眼檢測與跟蹤的研究及應(yīng)用　出處：《太原理工大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 人眼檢測 人眼跟蹤 人眼狀態(tài)分析 疲勞檢測

【摘要】：隨著互聯(lián)網(wǎng)的快速發(fā)展和成像設(shè)備的迅速普及,圖像和視頻成為信息的主要傳播方式并爆炸式的充斥在我們的日常生活中。為了讓計(jì)算機(jī)主動(dòng)地分析和處理獲取到的信息,計(jì)算機(jī)視覺(Computer Vision)受到越來越多人的關(guān)注。由于人眼涵蓋了包括性別、身份、表情在內(nèi)的多種信息,人眼檢測和跟蹤是人臉識(shí)別、心理測試和疲勞檢測等應(yīng)用的核心技術(shù),吸引了眾多研究人員致力于人眼定位的探索與研究,使其成為計(jì)算機(jī)視覺領(lǐng)域的重要課題。本文基于視頻序列研究了人眼檢測和跟蹤,并將其應(yīng)用于疲勞檢測中。具體研究工作如下:(1)基于Adaboost算法研究了人眼檢測。當(dāng)采用Adaboost算法訓(xùn)練分類器時(shí),隨著訓(xùn)練迭代次數(shù)的不斷增加,一些處于正負(fù)樣本交界處的臨界樣本可能由于多次錯(cuò)分而導(dǎo)致權(quán)重越來越大,使算法重心逐漸轉(zhuǎn)移到其身上而引發(fā)權(quán)重失衡,結(jié)合漏檢正樣本的價(jià)值要遠(yuǎn)遠(yuǎn)大于誤檢負(fù)樣本,本文改進(jìn)了Adaboost算法,并針對(duì)人眼檢測中誤檢率較高的缺陷提出了基于改進(jìn)Adaboost算法的三層結(jié)構(gòu)人眼檢測方法。(2)基于Kalman濾波器和CamShift算法研究了人眼跟蹤。CamShift算法在目標(biāo)跟蹤過程中缺乏預(yù)測模塊,而且當(dāng)目標(biāo)顏色與背景顏色相近或目標(biāo)出現(xiàn)大面積遮擋時(shí)容易丟失目標(biāo),且一旦丟失便無法恢復(fù)對(duì)目標(biāo)的正確跟蹤。本文將Kalman濾波器引入到CamShift算法并對(duì)其進(jìn)行了改進(jìn),并針對(duì)人眼跟蹤受局部搜索窗口大小的影響提出一種基于Kalman濾波器和改進(jìn)CamShift算法的雙眼跟蹤方法。(3)當(dāng)人處于疲勞狀態(tài)時(shí)人眼變化最為明顯,本文在人眼檢測和跟蹤的基礎(chǔ)上,基于人眼狀態(tài)進(jìn)行了疲勞檢測。具體分為兩部分:首先基于圖像處理方法分析研究了人眼狀態(tài),采用Ostu方法對(duì)定位到的人眼區(qū)域進(jìn)行閾值化處理;接著采用Freeman鏈碼方法提取二值圖像中人眼外圍輪廓,再采用最小二乘橢圓擬合方法對(duì)人眼外圍輪廓進(jìn)行擬合,最后依據(jù)橢圓的長短軸比值分析判斷人眼狀態(tài)。其次引入了PERCLOS和眨眼頻率兩個(gè)疲勞判定標(biāo)準(zhǔn),通過統(tǒng)計(jì)一段連續(xù)時(shí)間內(nèi)人眼的PERCLOS參數(shù)和眨眼頻率進(jìn)行疲勞檢測。
[Abstract]:With the rapid development of the Internet and the rapid spread of imaging equipment. Images and videos become the main means of information dissemination and explosion in our daily life. In order to enable the computer to actively analyze and process the information obtained. Computer vision (computer vision) has attracted more and more attention. Because the human eye covers a variety of information, including gender, identity, expression and so on. Human eye detection and tracking is the core technology of face recognition, psychological testing and fatigue detection, which attracts many researchers to explore and study human eye location. It has become an important subject in the field of computer vision. This paper studies human eye detection and tracking based on video sequences. The specific research work is as follows: 1) Human eye detection is studied based on Adaboost algorithm. When using Adaboost algorithm to train classifier. With the increasing number of training iterations, some critical samples at the junction of positive and negative samples may have more and more weight due to multiple errors, which makes the weight unbalance. Considering that the value of missed positive samples is much greater than that of false negative samples, this paper improves the Adaboost algorithm. Aiming at the defect of high false detection rate in human eye detection, a three-layer structure human eye detection method based on improved Adaboost algorithm is proposed. Based on Kalman filter and CamShift algorithm, the human eye tracking. CamShift algorithm lacks prediction module in the process of target tracking. And it is easy to lose the target when the color of the target is close to the background color or there is a large area occlusion of the target. Once lost, the correct tracking of the target can not be recovered. In this paper, the Kalman filter is introduced into the CamShift algorithm and improved. A binocular tracking method based on Kalman filter and improved CamShift algorithm is proposed for human eye tracking, which is influenced by the local search window size. The change of human eyes is most obvious when people are in fatigue state. On the basis of human eye detection and tracking, this paper carries out fatigue detection based on human eye state. It is divided into two parts: firstly, the human eye state is analyzed and studied based on image processing method. The Ostu method was used to thresholding the human eye region. Then Freeman chain code method is used to extract the peripheral contour of human eyes in binary images, and the least square ellipse fitting method is used to fit the contour of human eyes. Finally, according to the long and short axis ratio analysis of the ellipse to judge the human eye state. Secondly, the PERCLOS and blink frequency fatigue criteria are introduced. Fatigue was detected by counting the PERCLOS parameters and blink frequency of human eyes for a continuous period of time.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐來;周德龍;;人眼檢測技術(shù)的方法研究[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年06期

2 張長國;;一種新型的帶反饋的人眼檢測方法[J];可編程控制器與工廠自動(dòng)化;2012年04期

3 張靜;蔡樂;劉安安;高贊;蘇育挺;張哲;;一種層級(jí)化的人眼檢測方法[J];電子測量技術(shù);2013年11期

4 董文會(huì);曲培樹;吳曉娟;徐祗軍;;復(fù)雜背景下多姿態(tài)人臉圖像中的人眼檢測[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2006年03期

5 胡濤;王家樂;;基于支持向量機(jī)的人眼檢測[J];計(jì)算機(jī)工程與應(yīng)用;2008年24期

6 黨艷軍;舒文斌;高智勇;;分散矩形特征結(jié)合軟級(jí)聯(lián)的人眼檢測研究[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

7 蔚東辰;鄭伯川;;基于快速傅里葉變換與人臉先驗(yàn)知識(shí)的改進(jìn)人眼檢測算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2012年28期

8 許海柱;唐t;王力;;一種新的圖像中的人眼檢測算法[J];計(jì)算機(jī)應(yīng)用研究;2008年07期

9 尹方平;;復(fù)雜背景下的人眼檢測方法[J];計(jì)算機(jī)仿真;2009年10期

10 李棟;田彥濤;劉帥師;;基于分級(jí)策略的自動(dòng)人眼檢測與定位[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年03期

相關(guān)博士學(xué)位論文 前3條

1 于明鑫;人眼視覺信息檢測關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2015年

2 孟春寧;人眼檢測與跟蹤的方法及應(yīng)用研究[D];南開大學(xué);2013年

3 張祖濤;基于采樣強(qiáng)跟蹤非線性濾波理論的駕駛員眼動(dòng)跟蹤技術(shù)研究[D];西南交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 黃雄;基于人眼檢測的疲勞駕駛預(yù)警研究[D];安徽工程大學(xué);2015年

2 黃程;快速人眼檢測若干關(guān)鍵技術(shù)的研究[D];南昌大學(xué);2015年

3 黃園剛;基于非侵入式的眼動(dòng)跟蹤研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

4 陳昭寧;基于人眼檢測和腦波偵測的疲勞駕駛檢測系統(tǒng)[D];哈爾濱工業(yè)大學(xué);2015年

5 劉靜;基于人眼檢測的駕駛員疲勞狀態(tài)檢測研究[D];沈陽理工大學(xué);2015年

6 陳國龍;人眼跟蹤技術(shù)研究及其在裸眼3D下的應(yīng)用[D];電子科技大學(xué);2014年

7 鐘維佳;人眼檢測與跟蹤算法的應(yīng)用研究及優(yōu)化[D];電子科技大學(xué);2015年

8 王麗;基于視頻序列的人眼檢測與跟蹤的研究及應(yīng)用[D];太原理工大學(xué);2016年

9 王家樂;復(fù)雜光照及姿態(tài)下的人眼檢測與跟蹤[D];西安理工大學(xué);2008年

10 杜改營;人眼檢測跟蹤系統(tǒng)設(shè)計(jì)[D];重慶大學(xué);2014年

，

本文編號(hào)：1418653