针对驾驶员警惕性研究中分析注意力程度的重要性,提出基于修正主动形状模型(ASM)的驾驶员警惕性识别方法。首先建立包含26个特征点的人脸ASM,其次结合面部结构约束构建了双眼平均合成精确滤波器(ASEF),并通过旋转进一步增强鲁棒性,然后...针对驾驶员警惕性研究中分析注意力程度的重要性,提出基于修正主动形状模型(ASM)的驾驶员警惕性识别方法。首先建立包含26个特征点的人脸ASM,其次结合面部结构约束构建了双眼平均合成精确滤波器(ASEF),并通过旋转进一步增强鲁棒性,然后用改进ASEF修正人脸ASM;采用左右瞳孔和鼻子特征点建立三角形视线模型,并分析驾驶员注意力程度,利用左右眼角特征点距离对眼睛闭合程度进行归一化,最后利用支持向量机(SVM)分类得到警惕性程度。利用Visual Studio 2017平台进行实验,结果显示,改进ASEF滤波器的准确率达到95.16%,SVM对警惕性程度的分类准确率达到93.8%,每帧平均耗时49.13 ms,表明提出的方法能够有效地识别驾驶员的注意力程度以及警惕性程度。展开更多
眼睛的位置在视频图像处理过程中是一个很重要的信息。针对视频中实时人眼定位问题,提出了一种在嵌入式设备上实时运行的人眼定位系统。人眼定位算法采用改进了的平均合成的精确滤波算法(Average of Synthetic Exact Filters,ASEF),在...眼睛的位置在视频图像处理过程中是一个很重要的信息。针对视频中实时人眼定位问题,提出了一种在嵌入式设备上实时运行的人眼定位系统。人眼定位算法采用改进了的平均合成的精确滤波算法(Average of Synthetic Exact Filters,ASEF),在构建稳定的平均滤波器的同时减少了训练图像的数量,使得在保证准确率的同时减少了训练时间。通过在ARM11上移植Open CV视觉库和QT实现了该系统的算法设计和界面设计。在多个标准人脸图像库和通过摄像头采集的视频流上进行的实验表明,该系统能够准确定位人眼,满足实时性的要求。展开更多
文摘针对驾驶员警惕性研究中分析注意力程度的重要性,提出基于修正主动形状模型(ASM)的驾驶员警惕性识别方法。首先建立包含26个特征点的人脸ASM,其次结合面部结构约束构建了双眼平均合成精确滤波器(ASEF),并通过旋转进一步增强鲁棒性,然后用改进ASEF修正人脸ASM;采用左右瞳孔和鼻子特征点建立三角形视线模型,并分析驾驶员注意力程度,利用左右眼角特征点距离对眼睛闭合程度进行归一化,最后利用支持向量机(SVM)分类得到警惕性程度。利用Visual Studio 2017平台进行实验,结果显示,改进ASEF滤波器的准确率达到95.16%,SVM对警惕性程度的分类准确率达到93.8%,每帧平均耗时49.13 ms,表明提出的方法能够有效地识别驾驶员的注意力程度以及警惕性程度。