3 基于灰度信息的人眼定位

　　眼睛區(qū)域與周圍區(qū)域相比，具有灰度值較低且灰度變化率較大的特點。因此可基于眼睛圖像的灰度信息進行定位。

　　3．1 眼睛粗略定位

　　準確定位人臉后，根據(jù)面部器官分布，人眼在臉部的上半部，可以很簡單的確定一個大概區(qū)域。觀察人臉圖片，發(fā)現(xiàn)眼部在水平方向經(jīng)過皮膚、左眼眼白、左眼瞳孔、左眼眼白、皮膚、右眼眼白、右眼瞳孔、右眼眼白、皮膚、灰度變化較大。在灰度變化突變處進行微分，將產(chǎn)生高值，將其絕對值累加，則灰度變化越大的那一行，累積值越大。計算公式如下

　　f（x，y）為得到的人臉區(qū)域的灰度圖像，通過實驗發(fā)現(xiàn)，在眼睛處導(dǎo)數(shù)變化值之和的絕對值最大，通過此方法可粗略判斷人眼所在線的位置。

　　3．2 人眼精確定位

　　通過觀察發(fā)現(xiàn)眼睛周圍Cb值較高，而Cr值較低，因此由式（5）計算得到特征圖，以突出眼部特征。

　　其中，EyeMap是眼睛特征圖，都歸一化到［0，255］之間，是由Cr求反得到（255，Cr）。在得到EyeMap圖后，設(shè)定閥值T，將EyeMap小于T的值設(shè)為0，這一步可視為一個簡單的濾波以去掉非眼部特征的干擾。

　　得到EyeMap濾波圖后，結(jié)合人眼粗定位結(jié)果，從左到右搜索，按比例定義相對于人臉區(qū)域一定大小的框，當框進EyeMap濾波圖值的和最大時，即為人眼。

　　3．3 眼睛的追蹤

　　對人眼完成定位后，還要利用動態(tài)模板匹配的方法跟蹤眼睛。設(shè)眼睛模板左上角的位置為（x，y），下一幀的搜索范圍是原位置上沿上、下、左、右4個方向各擴展10個像素。其公式為

　　式中，N是模板中像索的個數(shù)；M為模板；I為圖像中待匹配的部分。

　　可得所有大于閾值p的最大值所對應(yīng)的坐標為最匹配的位置。以此得到的眼睛圖像作為下一幀圖像的模板。在追蹤的過程中，若得到的p均小于閾值或兩眼的行距過大則重新回到眼睛的檢測過程。

　　4 基于Perclos的疲勞識別

　　文中的疲勞識別基于Perclos的P80模型，即將閉合程度大于80％的眼睛狀態(tài)判斷為閉合狀態(tài)。以初始時刻司機清醒時的上下眼瞼最大距離為標準，若以后得到的距離小于此距離的80％則判斷為閉合。假設(shè)實驗視頻幀率10 f·s-1分辨率為640×480，時長60s。

　　則以每6 s視頻作為1個檢測單元，間隔0．33 s取1幀作眼睛狀態(tài)檢測。統(tǒng)計每個檢測單元內(nèi)18幀圖像的狀態(tài)，得到眼睛閉合幀數(shù)CloseFr ame_Num和處理的總幀數(shù)SumFrame_Num，依據(jù)式（7）計算相應(yīng)的Perclos值。

　　如果所得Perclos值大于實驗確定的閾值20％，則判斷此時駕駛員可能已處于疲勞狀態(tài)，通過報警系統(tǒng)進行警告。

　　5 結(jié)束語

　　視頻監(jiān)控能對駕駛者進行監(jiān)督提醒，有效預(yù)防疲勞駕駛，減少疲勞駕駛所引起的車輛事故。3G視頻監(jiān)控是車輛監(jiān)控發(fā)展的新趨勢。算法在3G監(jiān)控視頻幀的基礎(chǔ)上，進行了人臉定位、人眼定位與追蹤及疲勞狀態(tài)判斷。實驗表明，該算法有較高的魯棒性及準確性，并能有效應(yīng)用于實際。