基于計算機圖像處理的人眼識別系統的開發與設計

管陽

（陜西國防工業職業技術學院 陜西 西安710300）

基于計算機圖像處理的人眼識別系統的開發與設計

管陽

（陜西國防工業職業技術學院 陜西 西安710300）

文中針對現階段由于疲勞駕駛而導致交通事故發生的情況，設計與開發了基于計算機圖像處理的人眼識別系統，其通過高清攝像頭獲取人眼圖像，然后經過計算機處理得到人眼的特征參數，再通過比對判斷駕駛員處于正常或疲勞狀態并作出提醒。實驗證明該系統在判斷駕駛員是否處于疲勞駕駛上識別率達到80％，能對駕駛員行車中的疲勞駕駛做出預警，從而有效避免因疲勞駕駛而造成交通事故的發生。

計算機圖像處理；人眼識別系統；疲勞駕駛；設計

目前，在全世界范圍內，每年因交通事故而死去的人數多達一百萬，而疲勞駕駛導致的交通事故占較大比例，根據中國交通部門的相關統計，當前發生的特大交通事故中有超過四成是由于疲勞駕駛導致的，疲勞駕駛每年已造成了我國數十萬人的死亡和傷殘，成為行車安全的重大威脅［1］。據研究，在行車過程中由于疲勞而導致的短暫“微睡眠”期增多是疲勞駕駛造成交通事故發生的重要因素［2］。

為了使駕駛員不在疲勞狀態下危險駕車，降低交通事故發生率，本文針對駕駛員行車過程中由于疲勞駕駛而出現的短暫“微睡眠”期現象，設計與開發了基于計算機圖像處理的人眼識別系統，其通過高清攝像頭獲取人眼圖像，然后經過計算機處理得到人眼的特征參數，再通過比對判斷駕駛員處于正常或疲勞狀態并作出提醒，從而使駕駛員能夠實時調整駕駛狀態，減少因疲勞駕駛而導致交通事故發生的幾率［3-7］。

1　系統總體設計

本文所開發與設計的基于計算機圖像處理的人眼識別系統采用統計模式識別方法，其基本結構如圖1所示。由圖1可看出，本系統主要由4部分組成，首先是信息獲取模塊，通過攝像頭或其他信息采集設備獲取人的臉部圖像，然后是預處理模塊，包括對獲取的圖像信息進行格式轉換，灰度化，分割得到人眼圖像。緊接著，通過特征提取與特征選擇模塊，得到人眼的特征信息。最終是分類決策模塊，通過對采集的數據進行人眼狀態分析建立分類器［8］，然后將后續人眼信息與分類器比較實現人眼疲勞度的識別。

圖1　模式識別系統的基本結構

2　系統實現概述

2.1圖像采集

圖像采集一般是通過高清攝像頭直接拍攝圖像，或通過攝像頭錄像，然后通過軟件轉化為圖像。一般情況下1 s內可獲取超過20幀的圖像，但其不利于圖像的實時處理。在此本文采取第一種方法，通過攝像頭直接拍攝圖像，并設置為1 s拍攝10幀，圖2為攝像頭拍攝的部分圖片。

圖2　攝像頭拍攝的原始圖像

2.2圖像預處理

攝像頭拍攝獲得的原始圖片為jpg格式的24位彩色圖像，需將原始圖像轉化為bmp格式的256色彩圖像，如圖3所示。在此本文采用了動態鏈接庫JpgVSbmp.dll［9］中的JpgToBmp函數。

圖3　圖像灰度化后的256級BMP灰度圖像

圖片格式轉換后，對圖像像素進行計算需要圖像的信息，本文通過圖像讀取獲取圖像信息，然后通過顯示圖片來驗證計算結果，其流程圖如圖4所示。首先，通過讀取圖片的BITMAPFILEHEADER結構得到圖片的相關信息，然后通過數值計算得到像素數據的起始地址，并保存像素數據起始地址指向指針，當顯示圖片時，從DOC對象中得到位圖數據起始位置指針，并得到圖像的寬、高等信息，然后恢復原調色板實現圖片的顯示。

2.3圖像分割與圖像特征選擇與提取

軟件通過模板匹配得到只包含眼球圖像的最先區域圖像，如圖5所示。然后利用像素匹配得到眼球圖像信息，由于眼球部分與周圍部分圖像差別明顯，其像素接近0或255，通過圖6（a）公式，計算得到眼球的輪廓，為圖6（b）的黑色部分。

然后通過圖像追蹤算法得到人眼的輪廓邊緣，如圖7所示。并同時記錄了圖像的邊緣鏈碼。

圖4　圖像的讀取和顯示的流程圖

圖5　眼球圖像大體區域的獲得

圖6　圖像分割

圖7　邊緣跟蹤效果圖

2.4統計分類

軟件根據得到的邊緣鏈碼計算出人眼圖像的周長、寬度、高度、面積、圓形度和伸長度等，其結果如表1所示。其中，包括正常狀態下以及疲勞狀態下人眼周長、寬度、高度、面積、圓形度和伸長度的數據。

通過表1可看出，不同狀態下人眼的周長以及高度、面積、伸長度等均不同，當駕駛員處于疲勞狀態時，人眼周長較正常狀態下減少1/4左右，高度、面積、圓形度等下降到正常狀態下的左右，寬度比正常狀態下略微變大。通過人眼在疲勞和正常狀態下的不同，可設定不同狀態下人眼特征參數范圍，然后將計算得到的人眼特征參數進行狀態匹配，判斷駕駛員是否處于疲勞狀態。

表1　支持向量機的統計特征

2.5識別判斷

在識別過程中本文設定兩種特別狀態直接判定為駕駛員處于疲勞狀態，這兩種狀態為一段時間人眼時鐘保持睜開或閉合狀態，本文設定為6 s。經過統計，每個人一分鐘眨眼十幾次，每次眨眼用時約0.4 s，每兩次眨眼間隔3～4 s。若有四幅圖像以上顯示駕駛員處于疲勞狀態，則認為駕駛員正處于疲勞狀態，反之處于正常狀態。

本文利用現有的訓練樣本和測試樣本對設計的分類器進行測試，其測試結果如表2所示。

表2　分類器測試結果

從數據中可看出，本文所設計的分類器在訓練樣本為100時，其識別成功率達到了85％。

3實　驗

文中在實際車體中進行對本系統的驗證實驗。實驗中，將實驗人員分為兩個小組，一組中實驗人員處于正常狀態，而另一組實驗人員處于疲勞狀態，兩組人員同時實驗半小時，隨機抽取出10組獲取的圖像信息作為研究樣本，每5張圖片，對這幾組圖像進行人眼識別實驗。表3和表4分別列出了對兩組人員共20組圖像進行的檢測結果。

由表3、表4數據可得出，當駕駛員在正常狀態下，其識別正確率為90％，當駕駛員處于疲勞狀態時，其識別正確率為80％，證明本系統能通過人眼識別有效判斷駕駛員的狀態，從而可對駕駛員駕車過程中出現的疲勞狀態做出提醒預警，讓駕駛員能調整駕駛狀態，有效避免行車過程中出現疲勞駕駛而導致交通事故的發生。

表3　正常狀態下識別結果

表4　疲勞狀態下識別結果

4　結束語

為了避免駕駛員在行車中疲勞駕駛，減少交通事故，本文針對駕駛員行車過程中由于疲勞駕駛而出現的短暫“微睡眠”期現象，設計與開發了基于計算機圖像處理的人眼識別系統，其通過高清攝像頭獲取人眼圖像，然后經過計算機處理得到人眼的特征參數，再通過比對判斷駕駛員處于正常或疲勞狀態并作出提醒。實驗證明，該系統在判斷駕駛員是否處于疲勞駕駛上識別率達到80％，從而有效避免了駕駛員因疲勞駕駛而導致交通事故的發生。

［1］王瑜，胡記文.基于3G視頻的駕駛員疲勞狀態檢測方法［J］.電子科技，2011，24（11）:84-85，114.

［2］王海洋.基于人眼圖像信息的疲勞檢測方法的研究［D］.沈陽:沈陽工業大學，2007.

［3］胡慶新，方躍，張淑鳳.一種新的駕駛員疲勞檢測系統中的人臉區域檢測方法［J］.儀器儀表學報，2008，29（4）:585-589.

［4］陳勇，黃琦，劉霞，等.一種全天候駕駛員疲勞檢測方法研究［J］.儀器儀表學報，2009，30（3）:636-640.

［5］夏芹，宋義偉，朱學峰.基于 PERCLOS的駕駛疲勞監控方法進展［J］.自動化技術與應用，2008（6）:43-46.

［6］朱學峰，王秀.基于模糊控制的駕駛疲勞檢測［J］.計算機工程與設計，2010，31（8）:1782-1785.

［7］董文會，吳曉娟，徐祗軍.基于圖像處理的駕駛員疲勞檢測方法［J］.計算機應用與軟件，2006，23（12）:70-72.

［8］鄧乃揚，田英杰.數據挖掘中的新方法［M］.北京:科學出版社，2004.

［9］http://www.vckbase.com/vckbase/vckbase11/（VC在線雜志）.

［10］蔣丹丹，馮曉毅.改進的Hough與梯度直方圖的人眼定位算法［J］.電子設計工程，2014，22（21）:127-130.

［11］蔣文博，謝曉明.一種快速駕駛員疲勞檢測方法［J］.電子設計工程，2015，23（23）:34-36，39.

Development and design of eye recognition system based on computer image processing

GUAN Yang
（Shaanxi National Defense Industrial Vocational and Technical College，Xi'an 710300，China）

In this paper，the eye recognition system based on computer image processing is developed and designed as the situation at this stage due to the traffic accidents caused by fatigue driving.On the system，the human eye image is got through high-definition camera，and then processed by computer to obtain the characteristic parameters of the human eye，and then the driver is judged under a normal or fatigue situation by comparingfigures and make reminder.Experiments show that recognition rate ofthe system determines whether the driver is on the driver fatigue is over 80％，and the system can warn the

driver under fatigue driving，whicheffectively avoid traffic accidents happening caused byfatigue driving.

computer image processing；eye recognition system；fatigue driving；design

TN99

A

1674－6236（2016）16-0191-03

2016-01-15稿件編號：201601119

管 陽（1981—），女，河南濮陽人，講師。研究方向：計算機圖像制作。