基于adaboost算法的人脸疲劳检测

1、 仪器仪表与检测技术InstrumentatiOn and Measurment (自动化技术与应用2014年第33卷第2期 基于Ada boost算法的人脸疲劳检测铭李维维。胡桂明何龙玲。李 (广西大学电气工程学院，广西南宁530004)摘要：眼睛状态是人体疲劳最主要和最明显的特征。本文采用肤色和AdabooSt方法相结合来进行人脸检测，并在此基础上结合人 脸结构的边缘特征及Adaboost方法对眼睛进行精确定位，运用自适应二值化和数学形态学的方法对检测出的图像进行处理提 取眼睛状态特征，结合PERCLOS规则及点头率来进行疲劳状态的判定，实验表明，该方法鲁棒性强，速度快，满足人脸疲劳检 测

2、的实时性要求。 关键字：Adaboost；人脸检测；人眼检测lPERCLOS；疲劳判别 中图分类号：TP3914 文献标识码：A文章编号：10037241(2014)02004604 AdabOOSt AIgOrithmFaCeDetediOn BaSed OnFatigUeLI Wbi-wei，HU Gui-ming，HE Long-Ung，LI Ming (C0llege ofEl哦al EIl班ring，G眦ng】【i u【liV懿ny，N砌1ing 530004 Q血a)Abstract：The eyes state is the most important and obVious

3、characteristics of thebody fatigueThis paper combinecolor withme edgeof the face stmcture characteristics and Ad习【boost method to Adaboost to detect face，on this basis，combinematllematical morphology memod to extract the eye fcatIIreposition eyes preciselyThen using adaptiVe thresh01d aIldAt 1ast，in

4、tegrating PERcLOs nlles aIld nod to judge me fatigue statcExperirnents show t11at tllis method is robust，fast realtime demandsspeed，a11d meet theKey words：adaboost；face detection；eye detection；PERCLOS；fatigue judge 引言 随着汽车保有量的不断增长，世界各地交通事故频频发生， 造成了国家巨大的经济损失及人员伤亡。在中国这样的人口大国，交通事故尤为严峻，2012年仅八天长假就发生了684

5、22 起交通事故， 死亡794 人， 1机性。基于生理参数测量的方法【2】是一种接触式的检测 方法，要求驾驶员佩戴或接触传感器，不利于驾驶员正常行驶。随着计算机技术的发展，基于机器视觉的方法 已成为疲劳检测的主流【34】，该方法利用摄像头采集人脸图像，通过各种算法提取出判别疲劳有效的脸部器官受伤2473人，直接财产损失1 325万元，而疲劳驾驶就是事故的主要原因之一，有效的对驾驶员生理及驾驶行为进行监测是预防疲劳驾驶的重要手段，具有非常重要的研究意义。 特征来进行驾驶员疲劳的实时监测，其中最有效且最常用的是人眼特征。基于机器视觉的疲劳检测不需要与人 体接触，不影响驾驶员的正常驾驶，是一种直接且

6、直 观的检测方法。本文采用肤色分割与Adaboost法进行 人脸检测，然后根据眼睛在脸部丰富的边缘特征进行眼 睛的粗定位，再采用Adaboost人眼检测器进行眼睛精确 定根据疲劳时人体所表现出的生理及行为特征，疲劳检测的方法主要有：基于驾驶行为特征的方法，基于生理参数测量的方法和基于机器视觉的方法。基于驾驶位。然后对人眼进行二值化处理及形态学处理来提 取人脸的疲劳特征，最后利用PERCLOS准则及点头率进行疲劳监测。 行为特征【1】的方法通过对车辆运行状态进行监测，如对 方向盘转向、刹车及油门状态的监测来判断驾驶员是否处于疲劳状态。是一种间接的疲劳检测手段，具有随 人脸检测2收稿日期：2 01

7、 304一09f龟甜向瞒dIb憎6&却峭嘣ms46 仪器仪表与检测技术InStrumentatlOn and Measurment 自动化技术与应用2014年第33卷第2期 (1)对样本进行权重初始化，)，f=O时，f=12m； yl=1时，wtf=12f，wff表示在第t次循环时第f个样本的权重； (2)对每个f=1丁(丁是弱分类器个数) ：善，1)归一化样本权重， (2)2)对于每个特征，训练出相应的弱分类器吃，计 算出当前权重下的分类错误率： J=JI勺(薯)一yJ(3)65481 128553丝966 lf尺l16y3)选取错误率，最小的弱分类器魄； 【_刮2去摩曩曩尝到吲+l剖 25

8、61011(1) o112000937861&214 0 B 128 l一4)更新每个样本的权重：w+1f=wf科一岛(4)其中f-O，表示正确分类第f个样本；f=1，则 屈=，毛 (3)最后构成的强分类器为： ：1啪妣：q q2崦去(5)10训练好的分类器即可用于肤域的人脸检测，检 (a)(b) 图1人脸检测(c)人眼检测331眼睛定位22Adaboost人脸检测 Adaboost算法是一种迭代算法，由F reund和一手三年-。 。l!Schapire根据在线分配算法提出【51，其核心思想是针对【I一 沪。一-气1j 同一个训练集训练出不同的分类器即弱分类器，再将这霉_些弱分类器集合起来构

9、成强分类器，而弱分类器通常采人眼下边缘畀8J；圣三用的是图像的Haar特征即矩形特征，而不是像素特征， 墨：Haar特征的特征值通过积分图快速计算得到，比基于像(a)(b) 人眼边缘投影图 (c)素特征的系统检测要快的多，viola最先将Adaboost算图2法运用于人脸检测，打破了人脸实时监测的难题【6l。 Adaboost算法步骤如下： 眼睛的准确定位是疲劳检测的关键环节，定位不准给出训练集(五，)，1)，(吒，)，。)，其中玉表示第i 个训练样本，)，f=o，l对应第i个样本是负样本(脸)或正样本(人脸)，假设负样本数为m，正样本数为Z， 确，就无法进行下一步准确识别。本文根据眼睛区域丰

10、富的边缘特性，先对检测出的人脸进行边缘化处理，通过比较各种边缘检测算子的优劣，本文最终选用Sobel 总样本数n=f+，z。 边缘检测算子进行人脸的边缘处理，Sobel算子相对于 仪器仪表与检测技术Instrumenlation and Measurment 自动化技术与应用201 4年第33卷第2期 再进行腐蚀处理，闭运算能够连接邻近的物体，填补小 C anny算子更为简单，且边缘检测效果满足要求，而 空运算和闭运算的数学表达式如下： Ca n n y边缘处理后虽然边缘图完整，但过于复杂； Prewitt算子对多噪声图像边缘处理效果不理想。图2开运算：X o曰=(X口曰)0曰(6)为人脸So

11、bel边缘检测结果及边缘投影图，从图中可以闭运算：X田=(X 0B)口召(7)看出人眼边缘投影处会产生比较大的波峰，实验发现眼其中X为原图，B为结构元素，对图像的开运算和 闭运算结果分别如图4(c)和图4(d)所示。由图可以看出，经过此处理的眼睛二值图效果更明显，更易于眼珠面积 睛在闭合是同样会产生很大的波峰，结合人脸器官的几何结构则可初步定位人眼区域。 眼睛分类器的训练同人脸分类器的训练一样，只是的计算，便于后续的眼睛睁闭的判别。 将人脸样本换作人眼，通过人工裁取眼睛图像2000幅作l庸为正样本，同时搜集3000幅非嘴巴和眼睛图像作为负样本，对所有的图像进行灰度和尺寸归一化处理，归一化图4眼

12、睛开闭运算效果图 为20720大小，然后采用Adaboost算法对归一化的样本进行训练，设置人眼检测器整体最低检测率为095，每疲劳识别与分析 眼睛闭合时间的长短直接关系到疲劳的严重程度，4级强分类器的最低检测率为0995，则检测器需要11层强分类级联，训练时设置训练类型为ALL即包括垂直矩形因此能够测量到眼睛的闭合时间就能判断疲劳的严重和旋转4 5度角的矩形特征，对旋转一定角度内的人脸公路管理局于1 999年4月召集研究疲程度。美国及人眼都可检测出来。如图3(a)所示，是直接用人眼检劳驾驶方面的专家学者们共同讨论了PERCLOS和其他测器在人脸区域检测出的人眼，虽然在人脸区域检测人眼睛活动测

13、量方法作为疲劳判别的有效性，得出的结果眼排除了外部环境的干扰，但还是会受到鼻子、嘴巴等是应该优先把PER CLOS法作为车载、非接触式及实时的影响，图3(b)是经过S o b e l边缘粗定位后采用 的疲劳测评方法。 Adaboost人眼检测器的检测结果。 PERCLOS是指在一定时间内眼睛闭合时间所占的百分比。实验表明PER CLOS方法的P80(即眼睛闭合80以上时间占一定时间百分比)与疲劳程度具有最好的相关性(引。本文根据该方法，采用一定时间内眼睛的闭合帧数与总帧数的比值来计算PERCLOS值。 研究(8发现头部在偏离正常位置2s后仍不回到正常 位置是十分危险的。所以本文采用PER CL

14、OS和点头率共同来进行疲劳检测，通过Adaboost人眼检测器检测人(a)Adaboost人眼检测 (b)SobeI结合眼会返回人眼在图像中的位置坐标，根据人眼位置的变Adaboost人眼检测 化来判断驾驶员是否点头。 图3眼睛定位本文对采集的视频图像在P C机上进行了仿真实 3。2眼睛区域二值化处理 本文选用自适应阈值法对检测到的人眼进行二值化验，为了得到比较好的处理结果，设置对视频帧的抓取为20帧秒，实验结果如表1所示。 处理，这样能够产生较好的分割结果，如图4所示。为了能表1 疲劳检测结果 够更准确的提取疲劳特征，本文对二值化后的图像进行开测试员一测试员二 测试员三运算和闭运算处理以去除

15、眼睑区域对疲劳判别的影响。对总1嘘数 人眼定位失误检测到的点头数实际点头数 眼睛判别准确率 点头判断准确率 一幅图像先进行腐蚀再进行膨胀得到的图像会比原图像更简单，这种变换就是开运算，开运算能够去掉原图的一些细节成分，使原图的局部形状保持不变。与开运算相对应的闭运算即为先对图像进行膨胀处理(下转第53页) 仪器仪表与检测技术I1StrUnlentatiOn and Measurment 自动化技术与应用20l 4年第33卷第2期 Delay(1000)； I 滤波操作后温度传感器的动态测量的误差大大的减小。 这样得到更加精确的温度检测结果后，就可以让温度测 控系统更加精确的进行测量控制。 Ua

16、rLPrintf(”r”)l retum0： 参考文献： 【l】RALF主函数调用获取转换结果子函数，在启动指定通道ZIMMERSCHIED木，Rolf IsemannNon后，延迟一段时间等待该通道数据转换结束，如果ADlinear Tirne Constant EStimation arld Dynamic CompenSa转换结束，就把转换结果送主函数中规定的内存空间 tion of TImperature蛐dJ】Contml Enginee血培Practice， 2010，(18)：300一310 再行采集转换。 2】豫科军，李成等机器人腕力传感器动态响应的实时补 偿【J】自动化学报，

17、200127(5)：705709 【3】刘清，曹国华温度传感器测量滞后误差的动态逆模型 补偿方法J】电气自动化，2007，29(3)：5860 【4】周熙炜基于扩展卡尔曼滤波算法的异步电机参数辨识D】西安理工大学，2003 结束语 通过对温度传感器的动态测量的补偿器设计，在预7设参考模型的情况下应用扩展卡尔曼滤波进行补偿器参数的辨识从而得到补偿器，辨识精度(较于最小二乘法在此运用中有相对更好的辨识精度)达到了00000l。同5】刘叔军等MATLAB70控制系统与应用【M】北 时辨识误差也使(4)式充分成立。在补偿器的滤波下，温械工业，2006 6】罗晶MATLAB语言与自动控制系统设计【M】北

18、 度传感器的测量值误差小了，但是同时测量中存在的高械工业，1992 频噪声信号被放大了(由图3可见)，又利用参考模型和扩【7】张艳兵，王忠庆等计算机控制系统【M】北京：国防工业 ，2006 展卡尔曼滤波去除放大的高频噪声信号。通过分析计算可得，没有经过扩展卡尔曼滤波消除噪声的输出信号【8】童余德，周永余，陈永冰，周岗基于MATLAB的卡尔曼 滤波法参数辨识与仿真J船电技术2009，29(8)：4750 的标准差S=01 684，而经过滤波消除噪声的标准差S=01 376。因此，经过扩展卡尔曼滤波后，信号的噪声 作者简介：牛军海(1 9 7 4一)，男，工程师，从事PLc、Dcs控制系统的开发及

19、应用，对窑炉的燃烧及控制有一定的研究。 水平被明显减小。通过大量测温试验证明上述的补偿、 (上接第48页) IntematiOnal C0nferenceOn COmDuterkience and service5结束语 从实验结果可以看出，本文提出的人脸疲劳检测具 System，DOI 101109CSSS20125624】WENCHANGLIAOACHENG，HSIENCHOU 有较好的准确性和鲁棒性，两种方法结合比单独用一种DetectionwithEyeglasses RemovalC】 SyStemFatigueIEEE Intemational COnference 0n Adva

20、nced Commullica方法判别疲劳更具可靠性，在PER CLOS值正常情况下，tionTechnology2013，1：2730 【5】FREUNDY，SCHAPIREREA DeciSionTheo 通过点头率的不正常可以即时发出警报，同时，在头部位置保持正常的状态下，可以通过PER CLOS值的异常检retic Generalization of 0nlme and anLearningApplication to BoostiI培J】JoumaI of Computer and system Sci懈1997，55，119一139 测疲劳，实验中，两种方法同时失效的情况没有出现， 所以两种方法结合更具可靠性。 6】OLA P，JONES MRobuSt Realtime FaCe DetectionJ】Intemational JouHlal of (2)：137154 Computer Vision，2004，57参考文献： 1】谷也基于方向盘转角信号的驾驶员疲劳监测装置研制 D】哈尔滨：哈尔滨工业大学，2009 【7】DINGES D F，GRACE RPERCLOS：A validPsychOphysiOlOgical measure Of alertne!ss as aSsessed by pSy121 FENGJUN BAI，TOMAS