一种基于面部特征点的疲劳人脸图像检测与识别改进算法研究

研究了基于视频的疲劳人脸检测问题。通过网络爬虫、CEW数据集和现场采集三种方式构建了疲劳人脸检测数据集样本,通过dlib算法识别人面部的特征点,提出了一种基于嘴部开合面积的改进判别策略,作为识别疲劳程度的标志,测试结果表明,算法精度较通用算法提升了8%,达到89%以上,且具有较好的泛化能力,为算法的工程化应用奠定了坚实基础。

基于优化的SIFT特征描述子的人脸特征点定位

针对传统人脸特征点定位算法复杂度高,精确度低和适应性差的特点,提出了1种基于脸部特征点特有纹理特征的检测方法进行精确快速的人脸特征点定位.首先根据脸部特征点的纹理特征,利用Powell算法学习得到基于SIFT(Scale Invariant Feature Transform)的特征算子最优化的参数.然后提取脸部特征点在最优化的参数下的SIFT特征算子并用于训练基于支持向量机回归的检测器.最后利用Bio ID人脸数据库进行测试.实验结果表明,该方法结构简单,具有较高的精确度,对于表情和光线变化具有很好的鲁棒性.

一种基于RBF网络生成人脸表情的算法

提出了只需确定少量标定点就能高精度实现人脸表情生成的算法。此方法并不直接利用标定点,而是通过自动生成的扭曲控制点来进行2D图像扭曲变形;为了保证精度,最大程度地减少人工输入标定点的数目。根据脸部肌肉的解剖特点和人脸的对称性定义了一个信息冗余很小的脸部特征点集(FCPS);通过径向基函数神经网络(RBFNetwork)来确定FCPS的移动与表情变化的映射关系;RBF网络输出的FCPS通过数据映射,自动生成一个矫正的扭曲控制点集;2D径向基函数图像扭曲算法(RBFWarpingAlgorithm)利用这些扭曲控制点扭曲图像,产生指定的表情,有效地降低了扭曲控制点误差带来的负面影响;为了避免病态数据的影响并减少计算量,训练网络时采用了递推正则最小二乘算法。实验显示,该算法具有良好的实用性。

3D人脸线框模型的自动调整

3D人脸线框模型是自然人脸表述的重要方法.如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程.对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸,用区域惯量椭圆方向进行调整并用先验人脸模板校验以找出人脸和脸部特征区域.根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点,由曲线和活动轮廓模型拟合脸部特征边缘,从中提取特征点,用来估计头部姿势和作为插值结点的使用径向基函数插值,可将3D人脸线框模型自动调整到特定的人脸上.

基于Dlib库的驾驶员疲劳驾驶检测系统

据我国交通事故数据可知,疲劳驾驶导致的人员伤亡占事故人数的20%~30%,所以研究疲劳驾驶实时检测系统势在必行。查阅相关文献可知,疲劳在人体面部表情中大致表现为3个类型:眨眼、打哈欠、点头,系统利用Dlib库提取驾驶员面部68个特征点及坐标,定位驾驶员人脸位置,将通过坐标计算出的眼睛、嘴巴长宽比与阈值进行比较,以统计驾驶员眨眼和打哈欠的次数;同时,通过HPE算法计算驾驶员头部姿态的欧拉角,以统计驾驶员的点头次数。根据驾驶员眨眼、打哈欠、点头的次数,系统可分析驾驶员是否疲劳驾驶并能够针对驾驶员当前的状态及时作出安全提示。