MATLAB人臉識(shí)別在駕駛員疲勞檢測(cè)中的應(yīng)用研究

王田豐

【關(guān)鍵詞】MATLAB人臉識(shí)別 駕駛員疲勞檢測(cè) 應(yīng)用

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，越來越多的機(jī)動(dòng)汽車被人們所使用。但近年來，因疲勞駕駛引發(fā)的交通事故也在不斷增多，從而引發(fā)了有關(guān)人員對(duì)駕駛員疲勞狀態(tài)監(jiān)視技術(shù)的研究。而MATLAB人臉識(shí)別技術(shù)是一種能夠?qū)崿F(xiàn)人臉特征提取的方法，能夠?qū)崿F(xiàn)人臉的識(shí)別和狀態(tài)判斷。因此，有必要對(duì)該技術(shù)在駕駛員疲勞檢測(cè)中的應(yīng)用問題展開研究，從而更好的利用該技術(shù)實(shí)現(xiàn)駕駛員的疲勞狀態(tài)監(jiān)測(cè)。

1 MATLAB人臉識(shí)別技術(shù)分析

MATLAB人臉識(shí)別其實(shí)就是利用MATLAB平臺(tái)進(jìn)行編程運(yùn)算，然后通過利用圖像處理和模式識(shí)別技術(shù)從靜態(tài)或動(dòng)態(tài)場(chǎng)景中進(jìn)行人臉特征的提取，從而根據(jù)已知人臉樣本庫數(shù)據(jù)進(jìn)行人臉的驗(yàn)證或識(shí)別。在人臉識(shí)別的過程中，需要先進(jìn)行人臉圖像的攝取，然后通過圖像預(yù)處理進(jìn)行人臉檢測(cè)與定位。在此基礎(chǔ)上，通過對(duì)人臉圖像進(jìn)行歸一化處理，就可以完成人臉特征提取和識(shí)別，并且最終進(jìn)行驗(yàn)證或識(shí)別結(jié)果的輸出。而MATLAB作為高性能的數(shù)值計(jì)算和可視化數(shù)學(xué)軟件，具有較為強(qiáng)大的圖示能力和數(shù)值計(jì)算能力，同時(shí)其基本元素為矩陣，所以可以用于進(jìn)行圖像處理。通過將樣本圖像輸入到預(yù)先編制的識(shí)別程序中，就可以完成對(duì)輸入圖像的色彩轉(zhuǎn)換處理、圖像消噪處理、圖像尺寸歸一化處理。在此基礎(chǔ)上，利用Adaboost、LBP和LDA等人臉識(shí)別算法，就可以對(duì)圖像進(jìn)行訓(xùn)練，并且產(chǎn)生特征臉和平均臉。最后，經(jīng)過程序判斷，就可以進(jìn)行識(shí)別結(jié)果的輸出。

2 MATLAB人臉識(shí)別在駕駛員疲勞檢測(cè)中的應(yīng)用

在駕駛員疲勞檢測(cè)中，應(yīng)用MATLAB人臉識(shí)別技術(shù)需要使用基于Haar特征的級(jí)聯(lián)Adaboost檢測(cè)算法進(jìn)行人臉識(shí)別。具體來講，就是在完成駕駛員人臉圖像檢測(cè)后，利用Gabor濾波和梯度增強(qiáng)邊緣信息等算法完成圖像處理，然后利用形態(tài)學(xué)和二值化處理方法進(jìn)行眼睛、嘴部位置的確定。在此基礎(chǔ)上，則可以利用SVM進(jìn)行線性分類器的訓(xùn)練，然后進(jìn)行眼睛開閉狀態(tài)的判斷。同時(shí)，還需要通過計(jì)算對(duì)駕駛員的嘴部開閉狀態(tài)進(jìn)行判斷，然后根據(jù)眼睛在垂直方向上的位置變化確定駕駛員頭部位置。最后，經(jīng)過一段時(shí)間的統(tǒng)計(jì)，則可以根據(jù)眼睛狀態(tài)、嘴部狀態(tài)和頭部位置對(duì)駕駛員最終疲勞狀態(tài)進(jìn)行判別。

2.1 駕駛員眼睛定位及狀態(tài)判別

在判定駕駛員眼睛位置時(shí)，需使用Gabor濾波器進(jìn)行眼睛邊緣信息增強(qiáng)。如果圖像邊緣特征方向垂直于濾波器核函數(shù)方向，濾波器則會(huì)發(fā)出強(qiáng)烈響應(yīng)。根據(jù)人臉圖像尺寸，則可以進(jìn)行大小適合的濾波窗口的選擇。根據(jù)面部器官的邊緣長(zhǎng)度，則能夠得到濾波器的波長(zhǎng)。所以，根據(jù)人的面部器官的幾何特征，就可以粗略進(jìn)行眼睛位置的確定。而對(duì)分割出的圖像進(jìn)行二值化處理和簡(jiǎn)單的形態(tài)學(xué)處理，則能夠使眼睛位置得到準(zhǔn)確定位。使用LBP這種用于描述圖像局部紋理特征的算子，則可以對(duì)駕駛員眼睛特征進(jìn)行描述。而根據(jù)線性SVM的判斷，則可以得知眼睛的開閉狀態(tài)。此外，為了使眼睛狀態(tài)判別的準(zhǔn)確性和魯棒性得到提升，并且使眼睛特征具有旋轉(zhuǎn)不變性，還要使用三層金字塔LBP描述眼部特征，從而完成眼部特征的準(zhǔn)確提取。

2.2 駕駛員嘴部定位及狀態(tài)判別

在對(duì)駕駛員嘴部位置進(jìn)行確定時(shí)，同樣可以根據(jù)人的臉部幾何特征和邊緣信息進(jìn)行嘴部定位。但不同于眼睛，嘴部邊緣信息較為復(fù)雜，除了使用濾波器進(jìn)行邊緣信息增強(qiáng)，還要對(duì)濾波后的圖像進(jìn)行原圖像梯度圖像的疊加，才能獲得完整的邊緣信息。在圖像信息得到增強(qiáng)后，則可以根據(jù)幾何特征對(duì)嘴部進(jìn)行粗略定位，然后將分割出的圖像進(jìn)行二值化和形態(tài)學(xué)處理。采取這兩種圖像處理措施，則能夠使其他干擾得到消除，從而實(shí)現(xiàn)嘴部二值圖像的精確分割。在對(duì)嘴部狀態(tài)進(jìn)行判別時(shí)，需要對(duì)嘴部面積和寬高比進(jìn)行分析，以確認(rèn)嘴部的開閉狀態(tài)。此時(shí)，需要進(jìn)行嘴部面積閾值樣本T1和寬高比閾值樣本T2的設(shè)定，然后通過將嘴部圖像的像素個(gè)數(shù)與閾值樣本相比較，則能夠?qū)ψ觳繝顟B(tài)進(jìn)行判別。比如在像素個(gè)數(shù)小于T1并大于T2的情況下，就可以判斷嘴部處在閉合狀態(tài)。

2.3 駕駛員頭部定位及疲勞狀態(tài)判別

在對(duì)駕駛員頭部位置進(jìn)行判斷時(shí)，可以根據(jù)眼睛在垂直方向上的變化進(jìn)行頭部運(yùn)動(dòng)的確定。在人打瞌睡的時(shí)候，頭部將連續(xù)偏離大于4幀。所以，當(dāng)頭部位置至少連續(xù)3幀偏離正常閾值時(shí)，可以判定駕駛員出現(xiàn)瞌睡情況。完成頭部運(yùn)動(dòng)情況的確定后，需要構(gòu)建一個(gè)模糊系統(tǒng)，然后對(duì)駕駛員在一段時(shí)間內(nèi)的眼睛、嘴部和頭部的位置及狀態(tài)進(jìn)行統(tǒng)計(jì)。而通過在系統(tǒng)輸入眨眼頻率、閉眼持續(xù)時(shí)間、哈欠頻率和瞌睡頻率四個(gè)變量，并且設(shè)置疲勞參數(shù)這一個(gè)輸出變量，就可以對(duì)駕駛員的疲勞狀態(tài)進(jìn)行檢測(cè)。此時(shí)，可以使用MATLAB的模糊邏輯工具箱，并且根據(jù)規(guī)則庫中的模糊關(guān)系，就可以對(duì)輸入的疲勞參數(shù)的疲勞狀態(tài)系數(shù)進(jìn)行推理。而通過推理則可以發(fā)現(xiàn)，在輸入變量都較小的情況下，駕駛員一直處在清醒狀態(tài)。在除了眨眼頻率以外的輸入變量都較小的情況下，駕駛員屬于剛出現(xiàn)疲勞狀態(tài)。在除了瞌睡頻率以外的輸入變量都較大的情況下，駕駛員進(jìn)入到了輕微疲勞狀態(tài)。在四個(gè)輸入變量都較大的情況下，駕駛員則進(jìn)入到了嚴(yán)重疲勞狀態(tài)。

3 結(jié)論

總而言之，在駕駛員疲勞檢測(cè)中應(yīng)用MATLAB人臉識(shí)別技術(shù)，能夠?qū)︸{駛員的疲勞狀態(tài)進(jìn)行準(zhǔn)確判斷，從而使駕駛員疲勞預(yù)警的需求得到滿足。因此，相信隨著相關(guān)技術(shù)的發(fā)展，MATLAB人臉識(shí)別技術(shù)將在駕駛員疲勞檢測(cè)領(lǐng)域得到更加廣泛的應(yīng)用。

參考文獻(xiàn)

[1]蘇曉娜，李曉明.人臉檢測(cè)及眼睛定位在駕駛員疲勞檢測(cè)中的應(yīng)用[J].科學(xué)技術(shù)與工程，2012，17（12）：183-186.

[2]周云鵬，朱青，王耀南等.面部多特征融合的駕駛員疲勞檢測(cè)方法[J].電子測(cè)量與儀器學(xué)報(bào)，2014，10（28）：140-148.

[3]蔡菁，程雷，王紅霞.基于Kinect的疲勞駕駛綜合監(jiān)測(cè)系統(tǒng)研究[J].計(jì)算機(jī)工程與科學(xué)，2015，12（37）：379-385.