基于向量点积原理的危险驾驶检测方法
【技术领域】
[0001] 本发明涉及计算机图像处理领域，具体地说是一种基于向量点积原理的危险驾驶 检测方法。
【背景技术】
[0002] 瞳孔中心的定位方法有着广泛的应用，如：人机交互、人脸识别、人脸匹配、用户关 注或注视估计。尤其在交通安全领域，瞳孔中心的定位方法有着重要用途。
[0003] 我国危险驾驶情况非常多，此处的危险驾驶主要指疲劳驾驶，为了赶时间、追求利 润而昼夜兼程，直到造成事故之后方才追悔莫及。业内试验表明：驾驶员以1〇〇公里/小 时的速度前进，二小时后，生理机能便能进入睡眠状态。两小时后，表现欲睡，主动性下降。 在一般情况下，驾驶员一天行车超过6小时以上，或前一天睡眠时间不足4-5小时者，事故 发生率极高。
[0004] 因此，研究开发高性能的驾驶者危险状态实时监测及预警技术，填其对于交通安 全状况意义重大。而在此之中，人眼的精准定位是计算机视觉系统中最主要的组成部分。这 种技术主要是通过人眼的几何特征，表现特征，以及周边信息来对人眼进行精准定位的。 [0005]目前无论国外还是国内，对图像的捕捉都是通过发射红外光来实现的，因为红外 光抗干扰能力强，因此能够稳定的进行瞳孔定位和眨眼探测。Jietal开发了一种装置可以 实时监测驾驶人员的警觉性。该装置安装有发射红外光的装置，通过该装置可以产生"亮 瞳-暗瞳"现象，并通过移动平均Kalman过滤器来对瞳孔位置进行定位。这套装置需要安 装特殊的红外摄像机。
[0006] 人脸追踪目前采用的比较多的是移动形状模型（Active Shape Models)，该模型 通过非线性子空间的形式处理头部位置的移动和旋转，可以有效快速的追踪到人脸。另外 一种人脸追踪识别中用的比较多的是基于Haar分类器的方法。该方法在Haar特征的基础 上通过将弱分类器级联成强分类器对人脸进行识别追踪。
[0007]目前在现有技术中有几种技术用于瞳孔中心的定位；他们中的一些使用头戴式设 备，其他利用的下巴定位器，以限制头部的运动。
[0008] 此外，主动式红外照明使用准确通过估算眼睛中心角膜反射。虽然这些技术对于 瞳孔中心非常准确的定位，并常用于商业视线跟踪器，由于要穿戴定位设备，它们的用户体 验是不舒服的。如果不穿戴定位设备，现有的瞳孔定位方法可以粗略地分为三组：（i )基 于特征的方法，（ii )基于模型的方法，以及（iii)混合的方法。目前基于无定制设备的瞳 孔定位方法仍然是一个难题。
[0009] 现有的"基于特征的方法"问题、不足在于：在室外场景有强劲的日光照射，或光线 暗淡的环境下，现有的瞳孔定位方法精度较低。
【发明内容】
[0010] 本发明为解决现有的问题，旨在提供一种基于向量点积原理的瞳孔中心定位方 法。
[0011] 本发明包含下列步骤：
[0012] 步骤一：获得人眼所在的区域，其中左、右眼分别选定一个矩形区域；
[0013] 步骤二：计算人眼所在的矩形区域内的任意一点与瞳孔位置的候选点间的位移矢 量；
[0014] 步骤三：计算人眼所在的矩形区域内的任意一点梯度矢量；
[0015] 步骤四：计算并得出瞳孔位置。
[0016] 所述步骤一采用Haar检测法。
[0017] 在所述步骤二中，取人眼所在的矩形区域内的任意一点，分别计算其相对于瞳孔 位置的候选点的X、y坐标方向的位移，随后通过勾股运算得出其位移矢量的长度。
[0018] 在所述步骤三中，对于人眼所在的矩形区域内的任意一点，通过其右边一点的灰 度与其左边一点的灰度的差来的得到水平坐标方向的梯度；再由其下方一点的灰度与其上 方一点的灰度的差来的得到垂直坐标方向的梯度；最后通过勾股运算得出该点的梯度；
[0019] 随后通过水平坐标方向的梯度、垂直坐标方向的梯度和该点的梯度的比值可得出 位移矢量的坐标。
[0020] 步骤四中，通过位移矢量和梯度的点击确定瞳孔的具体位置。
[0021] 本发明在在低照度的情况下可以实时精确定位瞳孔中心，对不同的人脸姿势也可 以实时精确定位瞳孔中心。
【附图说明】
[0022] 图1为人眼所在的矩形区域的选定示意图。
[0023] 图2为瞳孔中心定位的示意图。
[0024] 图3为瞳孔中心定位的示意图。
[0025] 附图中的方框均表示本发明方法所选定的矩形区域。
【具体实施方式】
[0026] 下面结合实施例对本发明的具体实施方法作进一步描述。该实施例用于更加清楚 地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0027] 本实施例包含下列步骤：
[0028] 步骤一：获得人眼所在的区域，参见图1，其中左、右眼分别选定一个矩形区域，采 用Haar检测法，即检测到人脸后，根据人眼在人脸中的比例位置近似定位人的眼睛。
[0029] 其中，右眼区域位置如下：
[0030] 在水平方向，右眼区域位于一人脸区域的11/60到29/60处，乖直方向，右眼区域 位于人脸区域的11/40到19/40处。
[0031] 其中，左眼区域位置如下：
[0032] 在水平方向，左眼区域位于一人脸区域的31/60到49/60处，乖直方向，左眼区域 位于人脸区域的11/40到19/40处。
[0033] 参见图1，左眼和右眼分别对应一个矩形区域。
[0034] 步骤二：计算人眼所在的矩形区域内的任意一点与瞳孔位置的候选点间的位移矢 量；即取人眼所在的矩形区域内的任意一点，
[0035] 人眼所在的矩形区域内的任意一点&的坐标为（x，y)，i e {1，...，M}，M为人眼 所在的矩形区域内的像素点的个数。设对于人眼所在的矩形区域内的任意一点P的坐标为 (px, py)，点p为瞳孔位置的候选点。
[0036] 分别计算其相对于瞳孔位置的候选点的X、y坐标方向的位移：
[0037] Δ X = χ-ρχ ； (1)；
[0038] Δχ为乂1与卩在X坐标方向的差。
[0039] Δ y = y-py ； (2);
[0040] Δχ为XgP在y坐标方向的差。
[0041] 随后通过勾股运算得出其位移矢量的长度：
[0042] magnitude = sqrt (( Δ X* Δ X) + ( Δ y* Δ y)) ; (3)
[0043] magnitude表示位移矢量（Δ χ，Δ y)的长度，sqrt表示开根号运算。
[0044] dx = Δ x/magnitude ；dy = Δ y/magnitude ； (4)
[0045] 其中，山=[dx，dy]表示位移矢量（Δ χ，Ay)的归一化结果，简称归一化位移矢 量。
[0046] 步骤三：计算人眼所在的矩形区域内的任意一点梯度矢量。
[0047] 对于人眼所在的矩形区域内的任意一点，通过其右边一点的灰度与其左边一点的 灰度的差来的得到水平坐标方向的梯度；再由其下方一点的灰度与其上方一点的灰度的差 来的得到垂直坐标方向的梯度；最后通过勾股运算得出该点的梯度；
[0048] 具体计算如下：设任意一点Xi的灰度为：Mr [X]，Mr [x+1]为Mr [X]右边的点的灰 度，Mr[x-1]为Mr[x]左边的点的灰度。
[0049] g[x] = (Mr [x+1]-Mr [χ-l])/2. 0 ； (5)
[0050] g[x]为点Xi在水平坐标方向的梯度，
[0051] g[y] = (Mr[y+l]-Mr[y-l])/2. 0 ； (6)
[0052] Mr [y+1]为Mr [x]下方的点的灰度，Mr [y-1]为Mr [x]上方的点的灰度。
[0053] g[y]为点Xi在垂直坐标方向的梯度，
[0054] magnitude = sqrt ((g[x] *g[x]) + (g[y] *g[y])) ； (7)
[0055] Magnitude为点父;的梯度。
[0056] 随后通过水平坐标方向的梯度、垂直坐标方向的梯度和该点的梯度的比值可得出 位移矢量的坐标。
[0057] 具体计算如下：
[0058] gx = g[x]/magnitude ；gy = g[y]/magnitude ； (8)
[0059] 其中，gx为点Xi在水平坐标方向的归一化梯度，gy为点X i在垂直坐标方向的归 一化梯度。
[0060] gi= [gx，gy]表示梯度（g[x]，g[y])的归一化结果，简称归一化梯度。
[0061] 步骤四：通过位移矢量和梯度的点击确定瞳孔的具体位置。
[0062] 参见图2和图3,矩形表示人眼所在的区域，矩形中间的圆形区域表示虹膜。当 点P为虹膜的中心时，向量djPgl的点积均方值达到最大值。所以当 M, f=l
2达到最大值时所对应的点P为虹膜的中心位置P#，具体计算方法见公式9。
[0063] 以虹膜的的中心位置为瞳孔的中心位置，瞳孔的中心位置简称为瞳孔的位置。
[0064]
[0065] 参见图1，十字表示瞳孔的中心的位置。
[0066] 瞳孔定位成功后可以定位眼睛，以瞳孔为中心，在一定阈值（眼睛区域的平均灰 度值为1〇〇)设定下，超过阈值的瞳孔附近的连通区域可以定位眼睛。
[0067] 然后检测眼睛的张合度（眼睛的张合度=眼睛的上下沿高度/眼睛的上下沿最大 高度）。若张合度低于〇. 55,并且持续时间超过0. 5秒，判断为危险驾驶。
[0068] 上述仅为本发明的优选实施方式，应指出的是，对于本行业内的普通技术技术人 员而言，在本发明的原理之下可以由一些改进和替换，该改进和替换也应视为本发明的保 护范围。
【主权项】
1. 一种基于向量点积原理的危险驾驶检测方法，包括如下步骤： 步骤一：获得人眼所在的区域，其中左、右眼分别选定一个矩形区域； 步骤二：计算人眼所在的矩形区域内的任意一点与瞳孔位置的候选点间的位移矢量； 步骤三：计算人眼所在的矩形区域内的任意一点梯度矢量； 步骤四：计算并得出瞳孔位置。2. 根据权利要求1所述的一种基于向量点积原理的危险驾驶检测方法，其特征在于： 所述步骤一采用Haar检测法。3. 根据权利要求1所述的一种基于向量点积原理的危险驾驶检测方法，其特征在于： 在所述步骤二中，取人眼所在的矩形区域内的任意一点，分别计算其相对于瞳孔位置的候 选点的X、y坐标方向的位移，随后通过勾股运算得出其位移矢量的长度。4. 根据权利要求1所述的一种基于向量点积原理的危险驾驶检测方法，其特征在于： 在所述步骤三中，对于人眼所在的矩形区域内的任意一点，通过其右边一点的灰度与其左 边一点的灰度的差来的得到水平坐标方向的梯度；再由其下方一点的灰度与其上方一点的 灰度的差来的得到垂直坐标方向的梯度；最后通过勾股运算得出该点的梯度； 随后通过水平坐标方向的梯度、垂直坐标方向的梯度和该点的梯度的比值可得出位移 矢量的坐标。5. 根据权利要求1所述的一种基于向量点积原理的危险驾驶检测方法，其特征在于： 步骤四中，通过位移矢量和梯度的点击确定瞳孔的具体位置。
【专利摘要】本发明涉及一种基于向量点积原理的危险驾驶检测方法，包含下列步骤：步骤一：获得人眼所在的区域，其中左、右眼分别选定一个矩形区域；步骤二：计算人眼所在的矩形区域内的任意一点与瞳孔位置的候选点间的位移矢量；步骤三：计算人眼所在的矩形区域内的任意一点梯度矢量；步骤四：计算并得出瞳孔位置。本发明在低照度的情况下可以实时精确定位瞳孔中心。
【IPC分类】G06K9/00
【公开号】CN105512603
【申请号】CN201510027845
【发明人】崔建竹
【申请人】上海伊霍珀信息科技股份有限公司
【公开日】2016年4月20日
【申请日】2015年1月20日