专利名称：：基于光线感应的驾驶员眼动特征切换检测与跟踪方法
技术领域：
：本发明涉及一种图像检测与跟踪方法，尤其涉及一种驾驶环境下的驾驶员人眼检测与眼动跟踪方法。
背景技术：
：随着科学技术和社会经济的快速发展，全世界汽车保有量在飞速增加的同时，恶性道路交通事故也呈同步增加趋势。据欧美各国的交通事故统计分析表明在众多的交通事故中，有8090%是驾驶员人为因素造成的，而疲劳驾驶又是其中最容易造成重大交通事故的“第一杀手”。美国国家公路交通安全署的统计，每年由于司机在驾驶过程中进入睡眠状态而导致的美国公路交通事故大约有10万起，其中约有1500起直接导致死亡，7.1万起事故导致人身伤害。据中国交通事故年鉴统计，我国因驾驶员人为原因造成的交通事故发生尤为严重，在2005年竟然达到92.69%，给我国国家财产和人民生命财产带来巨大损失，几乎等于整个教育科研经费的支出，相当于当年⑶P的23%。通过理论研究表明，人类感知客观世界有90%以上的信息是通过眼睛获取的，而驾驶员的眼动过程(包括因脸部运动导致的整个眼睛的运动；以及眼睛本身的运动，如注视、扫视、闭眼、眨眼)直接反映了驾驶员的注意力状态。因此，开展基于驾驶员眼动视频跟踪、分析驾驶员注意力状况，评判驾驶员注意力是否集中、是否为疲劳驾驶已成为降低交通事故的主流技术，是汽车主动安全领域的前沿性课题之一。总之，进行驾驶环境下的人眼定位及眼动视频跟踪，是分析驾驶员驾驶状态，有效防止驾驶员疲劳驾驶、降低交通事故和人员伤亡率的必要前提。目前，已有研究人员对驾驶员进行视频人眼定位及眼动跟踪，进行了一些研究，并取得了一定的成果。主要有基于运动的方法、基于特征和模板的眼动跟踪算法和基于非线性滤波理论的眼动跟踪算法。它们在实际应用中均暴露出以下一些亟待解决的问题1、在夜间的光照条件下眼动跟踪困难；2、实际驾驶环境下眼动跟踪算法的复杂度高、计算时间长，实时性差；3、驾驶员的正常应急操作往往导致眼动跟踪失败，其鲁棒性和正确率较差。因此，有必要发明一种不受光照影响、计算复杂度小、能够适应驾驶员正常应急操作反应的高鲁棒性的眼动跟踪方法。
发明内容本发明的目的在于提供一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，该方法不受光照影响、计算复杂度小、能够适应驾驶员正常应急操作反应，具有较高的鲁棒性和正确率。本发明的目的是这样实现的基于光线感应的驾驶员眼动特征切换检测与跟踪方法，其步骤如下a、特征提取方法切换及定位驾驶过程中，采用USB摄像头获取驾驶员面部图像，并用光线感应器检测驾驶环境的光照度；当检测到的光照度彡4Lux(勒克斯)且保持1分钟以上时，电脑启动Harr人眼检测方法定位，即根据水平方向和垂直方向上相互独立的Harr特征，利用积分图像方法快速计算出获取的驾驶员面部图像的特征值，再根据特征值，用人眼区域分割法快速定位人眼；当光线亮度<4Lux(勒克斯)且保持1分钟以上时，电脑则启动二维正交Log-Gabor人眼检测方法定位，即采用二维正交Log-Gabor滤波的相位编码方法，对驾驶员面部图像提取其人眼的正交相位特征，定位人眼；b、眼动跟踪在勻速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模；采用UKF(无迹卡尔曼滤波)滤波算法，将渐消因子调整UKF滤波的系统过程噪声和观测噪声方差阵，并采用n+2个Sigma点采样策略(η为无迹卡尔曼滤波的维数)，对驾驶环境下的驾驶员进行眼动跟踪。以上的眼动跟踪方法，申请人将其命名为采样强跟踪非线性滤波方法。与现有技术相比，本发明的收益效果是一、能够有效地实现全天候、各种光照条件下的驾驶员人眼定位在人眼检测预处理阶段采用光线感应进行光照切换处理，在光照度>4Lux(勒克斯)且保持1分钟以上(通常为白天)时，启动Harr人眼检测方法能够快速有效地进行驾驶员人眼定位，实时性好，正确率高；在光线亮度<4Lux(勒克斯)且保持1分钟以上(通常为夜晚)时，启动二维正交Log-Gabor人眼检测算法，利用二维Log-Gabor滤波器总是没有直流分量(DC)，提取的特征不受光照条件的影响，且通过提取人眼图像的正交相位特征，而不用多个方向滤波的计算，既能有效地避免光照对驾驶员人眼检测的影响，又具有较高的实时性、鲁棒性和正确率。二、眼动跟踪阶段，本发明提出一种新的采样强跟踪非线性滤波方法，能有效进行驾驶员非线性眼动跟踪。提出驾驶员非线性眼动模型，解决了驾驶员非线性眼动跟踪的建模问题。该模型在眼动跟踪中，通过引入系统噪声和观察噪声的尺度参数，跟踪模型就从线性的变成非线性，噪声模型也变为非高斯模型，使得该模型具有在线实时强跟踪非线性状态估计的优点，这样驾驶员的非线性突变眼动(即基于驾驶员脸部运动而产生的眼睛整体运动)，如因突发情况的正常应急操作而产生的突变眼动，也能够相应被非线性跟踪。在眼动跟踪中，提出采样强跟踪非线性滤波方法进行人眼跟踪。即用渐消因子调整系统过程噪声和观测噪声方差阵，提高UKF滤波器的非线性强跟踪能力及模型状态的鲁棒性。并采用n+2个Sigma点采样策略，将采样点从2n+l个减少为n+2个，降低了算法的复杂度，在保证跟踪正确率和鲁棒性条件下，减少计算量，提高算法的实时性能。总之，本发明的驾驶员人眼检测不受光照影响，可进行全天候的驾驶员人眼定位与跟踪，且能够适应驾驶员正常应急操作反应，有较好的鲁棒性、实时性和正确率。仿真及现场测试实验也说明本发明方法具有较高的鲁棒性、正确率和实时性在定位阶段本发明方法在白天及夜晚驾驶条件下人眼定位正确率均可达到99.98%。相反，在夜晚驾驶环境下如用Harr算法进行人眼定位，其正确率仅为95.21%，不能满足应用需要。在跟踪阶段本发明的跟踪正确率高达99.85%，在算法复杂度上，本发明n+2个采样强跟踪非线性滤波跟踪方法在在样本计算时间上，本发明循环一次需要0.015秒，远低于UKF滤波算法的0.047秒。在鲁棒性上，本发明的RMSE(均方根误差)为0.17、MSE(均方误差)为0.056，远远小于标准UKF算法的RMSE(1.05)和MSE(0.21)，说明本算法具有较高的鲁棒性。下面结合附图和具体的实施方式对本发明作进一步详细的说明。图1是本发明实施例的步骤示意框图。图2时本发明实施例中基于harr算法的人眼定位示意图。图3是本发明实施例中基于二维正交Log-Gabor滤波的人眼定位示意图。具体实施例方式实施例图1示出，一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，其步骤如下a、特征提取方法切换及定位驾驶过程中，采用USB摄像头获取驾驶员面部图像，并用光线感应器检测驾驶环境的光照度；当检测到的光照度彡4Lux(勒克斯)且保持1分钟以上时，电脑启动Harr人眼检测方法定位，即根据水平方向和垂直方向上相互独立的Harr特征，利用积分图像方法快速计算出获取的驾驶员面部图像的特征值，再根据特征值，用人眼区域分割法快速定位人眼；当光线亮度<4Lux(勒克斯)且保持1分钟以上时，电脑则启动二维正交Log-Gabor人眼检测方法定位，即采用二维正交Log-Gabor滤波的相位编码方法，对驾驶员面部图像提取其人眼的正交相位特征，定位人眼；b、眼动跟踪在勻速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模；采用UKF(无迹卡尔曼滤波)滤波算法，将渐消因子调整UKF滤波的系统过程噪声和观测噪声方差阵，并采用n+2个Sigma点采样策略(η为无迹卡尔曼滤波的维数)，对驾驶环境下的驾驶员进行眼动跟踪。这种眼动跟踪方法，申请人命名为采样强跟踪非线性滤波方法。其中，勻速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模，得到的模型为xk=[xk,yk,Xh，Yk^1，InP\，Inλ2Jτ其中ρk，λk分别为增加的k时刻的系统噪声和观测噪声的尺度参数，Xk为k时刻的状态向量，yk为k时刻的观测量，T为转置。本实施例方法的计算机仿真实验如下一、实时性能仿真实验结果表明，本发明循环一次(即完成整个定位过程到开始跟踪)仅需要0.015秒，远低于标准UKF滤波算法的0.047秒，具有较高的实时性能。(实验中，UKF滤波的维数η取4)二、定位性能表1为本发明方法与基于Harr特征的人眼夜晚定位仿真试验结果。<table>tableseeoriginaldocumentpage6</column></row><table>定位正确率=正确检测到驾驶员人眼位置的视频图像帧数/所有用于进行检测驾驶员面部视频图像的帧数。表1表明，在人眼定位阶段，本发明的方法在夜晚驾驶条件下(光线亮度<4Lux(勒克斯)且保持1分钟以上时)，人眼定位(检测)正确率可达到99.98%；而单一的Harr特征方法，其人眼定位正确率率仅为95.21%，不能满足全天候人眼定位要求。三、鲁棒性表2为不同跟踪方法的RMSE(均方根误差)和MSE(均方误差)比较。<table>tableseeoriginaldocumentpage6</column></row><table>表2表明，本发明方法的RMSE(0.17)和MSE(0.056)远远小于标准UKF算法、简化Sigma点UKF算法和自适应UKF算法的RMSE和MSE，说明本算法具有较高的鲁棒性。四、跟踪正确率表3为现实驾驶环境下不同算法的驾驶员眼动跟踪仿真试验结果。<table>tableseeoriginaldocumentpage7</column></row><table>-<table>tableseeoriginaldocumentpage7</column></row><table>注跟踪正确率=跟踪过程中正确跟踪到驾驶员人眼的视频帧数/跟踪过程中所有视频的帧数。以上表3表明，在驾驶员眼动跟踪阶段本算法的跟踪正确率为99.85%，高于基于Kalman滤波算法的92.5%，高于UKF滤波算法的99.30%,可见本例方法的正确率更高。权利要求一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，其步骤如下a、特征提取方法切换及定位驾驶过程中，采用USB摄像头获取驾驶员面部图像，并用光线感应器检测驾驶环境的光照度；当检测到的光照度≥4Lux(勒克斯)且保持1分钟以上时，电脑启动Harr人眼检测方法定位，即根据水平方向和垂直方向上相互独立的Harr特征，利用积分图像方法快速计算出获取的驾驶员面部图像的特征值，再根据特征值，用人眼区域分割法快速定位人眼；当光线亮度＜4Lux(勒克斯)且保持1分钟以上时，电脑则启动二维正交Log-Gabor人眼检测方法定位，即采用二维正交Log-Gabor滤波的相位编码方法，对驾驶员面部图像提取其人眼的正交相位特征，定位人眼；b、眼动跟踪在匀速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模；采用UKF(无迹卡尔曼滤波)滤波算法，将渐消因子调整UKF滤波的系统过程噪声和观测噪声方差阵，并采用n+2个Sigma点采样策略(n为无迹卡尔曼滤波的维数)，对驾驶环境下的驾驶员进行眼动跟踪。2.根据权利要求1所述的基于光线感应的驾驶员眼动特征切换检测与跟踪方法，其特征在于在勻速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模，得到的模型为<formula>formulaseeoriginaldocumentpage2</formula>其中Pk，Xk分别为增加的k时刻的系统噪声和观测噪声的尺度参数，xk为k时刻的状态向量，yk为k时刻的观测量，T为转置。全文摘要一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，它首先由光线感应器检测光照度，高光照度条件采用Harr人眼检测方法定位，低光照度条件下采用电脑启动二维正交Log-Gabor人眼检测方法定位；使其不受光照影响，能够进行全天侯定位；定位后，在匀速模型的基础上增加系统噪声和观测噪声两个尺度参数，并对这两个尺度参数做对数变换，建立人眼非线性模型，再构建采样强跟踪非线性滤波器，通过渐消因子调整系统过程噪声和观测噪声方差阵，提高UKF滤波器的非线性强跟踪能力及模型状态的鲁棒性，能够适应驾驶员正常应急操作反应，通过采用n+2个采样点的强跟踪UKF滤波中Sigma点的采样策略，提高算法的实时性能。文档编号G06K9/46GK101833770SQ201010172720公开日2010年9月15日申请日期2010年5月17日优先权日2010年5月17日发明者张家树,张祖涛申请人:西南交通大学