基于Kanade-Lucas的人眼跟蹤算法研究

摘要:在基于AdaBoost算法識別駕駛員眼部疲勞狀態(tài)時，環(huán)境光照、視角的頻繁變化是影響識別穩(wěn)定性的重要因素，為此提出了一種基于KanadeLucas(KL)光流跟蹤與AdaBoost級聯(lián)分類器相結(jié)合的改進算法。該算法利用AdaBoost算法識別并存儲人眼的角點特征，在AdaBoost算法無法正確識別時，利用(KL)光流跟蹤算法跟蹤正確識別的角點有效地提高了人眼識別率，降低了誤識別率，并降低了重復(fù)識別的運算量。

關(guān)鍵詞:KL算法;AdaBoost級聯(lián)分類器;Harris角點;識別率

中圖分類號:TP24文獻標(biāo)志碼:A

文章編號:10013695(2010)04157503

doi:10.3969/j.issn.10013695.2010.04.0106