科技资讯 2010 NO.06 SCIENCE & TECHNOLOGY INFORMATION 高 新 技 术 司机疲劳驾驶检测中人脸图像的快速人眼定位 ( 电子科技大学通信与信息工程学院 成都 6 1 1 7 3 1 ) 张小欢 彭启琮 摘 要:在司机疲劳驾驶检测中,对人眼的高效,实时准确检测是关键步骤之一。本文研究了司机人脸图像中的人眼检测方法。首先,将 得到驾驶员面部图像隐射到YCbCr空间,建立基于肤色的二维高斯分布模型,通过滤波,标记分割出肤色并得到人脸的区域;然后,利用人 眼的分布特点及自身特性,通过两次定位的方法实现了对司机人脸的人眼定位。 关键词:司机疲劳驾驶 YCbCr 空间 肤色分割 人眼检测 中 图 分 类 号 : T N 1 4 1 文章编号:1672-3791(2010)02(c)-0002-02 文 献 标 识 码 : A 疲劳驾驶是造成交通事故的主要原因之 一[1]。由于长时间驾驶,或缺少睡眠等原因,司 机会出现疲劳或困倦状态。在疲劳驾驶检测 中,对人眼高效,实时准确检测是关键步骤之 一。检测方法主要有神经网络、模板匹配、统 计方法等[2]。本文在深入研究国内外各种驾驶 疲劳检侧方法的原理、关健技术和难点后,在 现有的基础上进行了以下方面的研究。(1)人 脸定位:利用肤色在YCbCr颜色空间中的聚 类特性,通过高斯拟合肤色,得到肤色区域, 然后通过滤波,标记最大连通图的方法选定 人脸区域。(2)人眼定位:分析各种快速且有效 人眼定位算法,通过两次定位的方法实现了 对人脸的单眼定位。为叙述方便,本文以图1 (a)为例讲解整套算法流程。 1 人脸定位 1 . 1 人脸下采样 下 采 样 降 低 输 入 图 像 像 素 , 以 保 证 系 统 的 fx y 实 时 性 , 设 输 入 图 像 为 (, ) , 大 小 为 m n· ,下采样如公式(1)所示 g xy (,)(, (1) s 为 采 样 尺 度 , 以 为 9s = 尺 度 采 样 后 , = f ) x y s s 原图与下采样图如图1(a),(b)所示。 1.2 YCbCr 肤色模型 肤 色 是 人 脸 最 为 显 著 特 征 之 一 , 对 于 彩色图像, 肤色是图像中相对集中、稳定区 域。肤色信息可将人脸和背景区域分开。研 究表明,在除去亮度的色度空间中,不同人 脸肤色分布具有聚类性[3],因此采用肤色分 割 图 像 是 可 行 的 。 1.2.1 色 彩 空 间 的 选 取 根 据 计 算 机 色 彩 理 论 , 目 前 应 用 最 广 的 色 彩 空 间 有 R G B 格 式 、H I S 格 式 和 Y C b C r 格 式 。 人 脸 定 位 这 个 模 块 计 算 量 偏 大 , 通 过 综 合 考 虑 R G B 格 式 、H I S 格 式 以 及 Y C b C r 格 式 色 彩 空 间 不 同 特 点 , 选 用 Y C b C r 色 彩 空 间 来 建 立 肤 色 模 型 , 原 因 在 于 通 过 大 量 肤 色 聚 类 实 验 [ 3 ]发 现 在 Y C b C r 色 彩 空 间 下, 肤 色 的 亮 度 分 量 Y 与 Cb,Cr相 对 无 关 , 通 过 对 C b C r 的 二 维 子 空 间 操 作 , 可 以 得 到 实 用 的 肤 色 聚 类 模 型 , 以 此 判 断 像 素 点 是 否 为 肤 色 像 素。相 对 于 传 统 的 肤 色 模 型 , 此 方 法 能 适 合 各 种 不 同 的 肤 色 特 征 , 受 光 照 影 响 更 小,具 有 更 强 鲁 棒 性 。 1.2.2 肤 色 相 似 度 建 模 以 图 像 中 人 脸 眼 睛 以 下 嘴 唇 以 上 的 狭 长 块 作 为 人 脸 肤 色 统 计 区 域 , 在 这 些 区 域 中 人 工 选 取 人 脸 肤 色 像 素 点 作 为 训 练 样 本 , 通 过 算 法 训 练 出 C b , C r 在 高 斯 模 型 中 的分布中心 [4]。然后根据待检测图像中所考 察的像素点离该中心的远近来得到一个相 对 于 肤 色 的 相 似 度 , 就 可 以 得 到 一 个 原 图 的相似度分布图。在这个过程中, 在训练高 斯 分 布 中 心 时 需 要 确 定 C b , C r 的 均 值 M 和 (a) 输入原图 (b) 下采样图 (c) 相似度图 图 1 (a) 二值化图 (b) 降噪(滤波)后图 (c) 人脸连通图标记 (d) 人脸获取 图 2 (a) 人脸区域 (b)EyeMap 图 (c)EyeMap 滤波图 (d) 搜索人眼在人脸的位置 (e) 人眼 图 3 2 科技资讯 S C I E N C E & T E C H N O L O G Y I N F O R M A T I O N 

高 新 技 术 方 差 C 。高 斯 分 布 的 数 学 表 达 示 为: XCbCr= , M=E(x)[ ] T E=E((x-M)(x-M) ) (2) 其中行x 表示CbCr空间中一个像素。本 文 通 过 对 图 像 的 肤 色 统 计 , 得 到 的 训 练 样 本 为 : m=(112,144) T = C 7643 43252 (3) 其 中 , m 是 均 值 , C 是 协 方 差。这 样 由 均 值 m 和 协 方 差 C , 采 用 二 维 正 态 联 合 分 布 率,可以对图像进行相似度模型的建立,如 公式(4): =- T 1 , T ) (4) ,)exp[0.5()()] PCbCrx MCx M xCbCr ( = ( 其 中 x 表 示 图 像 C b C r 空 间 中 的 一 个 像 素 , C 和 M 为 预 先 求 得 的 肤 色 训 练 样 本 的 协 方 差 和 均 值。在 得 到 被 检 测 图 像 中 的 像 素 点 的 C b , C r 值 后 , 就 可 以 得 到 该 像 素 点 为 皮 肤 点 的 概 率 , 得 到 一 个 相 对 与 肤 色 的 相 似度分布图,实验结果如图1(b)(c)所示。图 1(c)中颜色越接近自色的区域为肤色区域 的 可 能 性 就 越 大 。 1 . 3 图像二值化选择 为 了 得 到 更 精 确 的 肤 色 区 域 , 还 要 进 行二值化处理,以提取肤色区域,这一步的 关键是阀值选取。为得到最佳阀值, 本文采 用了区域增长算法[5]的自适应阀值处理,每 次 分 割 中 使 用 的 都 是 最 优 阀 值。区 域 增 长 的自适应阀值是根据逐步计算的结果得到 的 , 递 进 地 使 阀 值 减 小 可 以 看 到 分 割 区 域 的 增 大。但 每 次 增 长 的 变 化 量 是 逐 渐 地 减 少 的 , 而 使 区 域 增 长 最 小 的 阀 值 即 是 最 优 结 果 。 0.8 K = 具 体 实 现 步 骤 如 下 : 首 先 将 分 割 阀 值 起 始 值 设 为 , 通 过 这 个 值 将 图 像 进 行 二 值 化 , 得 到 一 个 二 值 图 像 , 然 后 再 以 0.05的步长减小K,再对相似度图进行二 值 处 理 , 并 计 算 出 相 邻 两 次 二 值 图 像 的 差 值 , 当 某 相 邻 两 次 二 值 图 像 的 差 值 最 小 时 所 得 到 的 阀 值 即 是 所 要 的 最 佳 阀 值。二 值 化效果如图2(a)所示。 1 . 4 降噪( 滤波) 考虑到图2(a)中 有 很 多 明 显 不 是 人 脸 区 域 的 噪 声 点 , 本 文 通 过 一 种 简 单 方 法 降 fx y 中 ,肤 色 点 为 1, 其余 噪。在 二 值 化 图 (, ) fx y 中 每 一 点 为 中 心 的 5 5· 点 为 0 , 统 计 (, ) 区 域 中 肤 色 像 素 个 数 , 记 为 f_num , 通 过 如 下 公 式 计 算 : = fnumf i j _(, ) 4 4 = j 0 i 0 = 当 _13 (5) fnum > 时 , 该 点 保 留 为 肤 色 点 , 否则视为噪声点去除,实验结果如图2(b)所 示 。 1 . 5 人脸区域标记 疲 劳 驾 驶 检 测 中 , 人 脸 区 域 应 为 图 片 肤 色 最 大 区 域。本 文 通 过 经 典 深 度 优 先 搜 索算法DFS(Depth-First Traversal) [6]进行 人脸区域标记。给定图G 的初态是所有顶点 均未访问过,在G中任选一个顶点vi为出发 点, 其 DFS 定 义 如 下: 首 先 , 访 问 出 发 点vi, 并将其标记为已访问;然后,依次从vi出发 搜索vi的每一个邻接点vj,若vj未访问过, 则以vj为新的出发点继续搜索。显然,这种 搜 索 法 是 递 归 的 , 其 特 点 是 尽 可 能 对 纵 深 方向搜索, 故称为深度优先搜索。标记后图 与人脸区域的选择如图2(c)(d)所示。 2 人眼定位 定 位 人 眼 采 取 由 粗 到 精 的 定 位 方 法 , 即 先 定 位 人 眼 大 概 区 域 , 然 后 缩 小 范 围 精 确定位人眼。需要特别指出的是, 因为计算 量相对较小,我们还是采用图1(a)的原输入 图像做为处理图像。另 外, 考虑到眨眼是双 眼 同 时 闭 合 张 开 , 因 此 只 需 要 检 测 一 只 眼 睛。这样即缩小了检测面积, 提高了处理速 度 ; 又 可 以 解 决 驾 驶 时 头 部 倾 斜 而 引 起 眼 睛 位 于 不 同 水 平 面 的 问 题 ; 还 可 以 解 决 司 机 驾 驶 时 头 部 偏 转 , 一 只 眼 睛 在 侧 面 被 挡 住 的 难 题 。 2 . 1 眼睛粗略定位 准 确 定 位 人 脸 后 , 根 据 面 部 器 官 分 布 , 人 眼 在 脸 部 的 上 半 部 , 可 以 很 简 单 的 确 定 一个大概区域,这个区域不要求很准确,只 要包含人眼即可。在这个区域内, 除了双眼 和 眉 毛 , 可 能 含 有 小 部 分 头 发 。 观 察 人 脸 图 片 , 发 现 眼 部 在 水 平 方 向 经过皮肤,左眼眼白,左眼瞳孔,左眼眼白, 皮 肤 , 右 眼 眼 白 , 右 眼 瞳 孔 , 右 眼 眼 白 , 皮 肤, 灰度变化较大。在灰度变化突变处进行 微 分 , 将 产 生 高 值 , 将 其 绝 对 值 累 加 , 则 灰 度变化越大的那一行, 累积值越大。在数学 上 可 用 灰 度 的 导 数 来 表 示 变 化 , 而 在 数 字 图 像 中 应 用 差 分 代 替 导 数 运 算。计 算 公 式 如 下 : D=- fxyfxyfx (,)(,)(1, ) y h x = 2 Dfx y h |(,) | h x 1 (6) 2010 NO.06 SCIENCE & TECHNOLOGY INFORMATION 科技资讯 以去掉非眼部特征的干扰。实验结果如图3 (b)(c)所示。 得到如图3(c)的 EyeMap 滤波图后,结 合人眼粗定位结果,从左到右搜索,按比例 定 义 相 对 于 人 脸 区 域 一 定 大 小 的 框 , 当 框 进的 EyeMap 滤波图的值的和最大时,即为 人 眼 。 3 实验结果 在 C P U 为 T U R I O N T L 5 8 , 内 存 为 1 G 的 计算机上进行了验证。测试样本是200张输 入 为 640X480 的 含 人 脸 图 片。实 验 表 明, 该 算 法 具 有 较 快 的 速 度 和 准 确 率 , 一 副 图 像 的 处 理 速 度 平 均 仅 为 4 9 m s , 正 确 检 测 率 为 9 8 . 5 % 。 4 结语 人 眼 定 位 是 构 建 疲 劳 驾 驶 检 测 系 统 的 前 提 条 件 , 本 文 在 传 统 人 脸 识 别 Y C b C r 模 型基础上,进行了两次人眼定位,使得眼睛 定 位 的 计 算 速 度 大 幅 提 升 , 并 且 提 高 了 定 位的精度。实验表明, 该方法有较高的准确 率 , 可 以 应 用 实 际 。 　 　 参考文献 [1] 公 安 部 通 报 2 0 0 8年 全 国 道 路 交 通 安 全 情况[EB/OL].http://news.xinhuanet. c o m . [2] 唐琎,许海柱,王力炳.图像中人眼检测 技术综述[J].计算机应用研究,2008,25 (4):961～965. [3] R.L.Hsu, M.Abdel-Mottaleb, A.K. Jain. Face Detection in Color Images [J]. IEEE Transactions on PAMI,2002, 24(5):696～706. [4] 唐 立 峰 , 何 东 健 . 基 于 肤 色 分 割 的 人 脸 检测算法研究[J].计算机工程与设计, 2009,30(19):4461～4464. [5] 王英,关宇东,李艳.一种融合区域生长 和边缘检测的彩色图像分割方法[J].计 算机应用,2008,26(16):85～87. fx y 为得到的人脸区域的灰度图像, (, ) [6] 吴 伟 明 , 严 蔚 敏 . 数 据 结 构 ( C 语 言 版 ) 它 与 R G B 色 彩 空 间 的 转 换 公 式 为 : =·+·+ B G fR 0.2990.5870.114 (7) 通 过 大 量 实 验 发 现 , 在 眼 睛 处 导 数 变 化 值 和 的 绝 对 值 最 大 , 通 过 此 方 法 可 粗 略 判 断 人 眼 所 在 线 的 位 置 。 2 . 2 人眼精确定位 [M].北京:清华大学出版社,2009. 通 过 观 察 发 现 眼 睛 周 围 C b 值 较 高 , 而 Cr值较低,因此由以下公式[3]计算得到特征 图 , 以 突 出 眼 部 特 征 。 + °2 EyeMapCbCrCbCr {()() (8) 2 /)} ( 1 =+ 3 2 / ) )Cb ( 其 中 EyeMap 是 眼 睛 特 征 图 , , ° 2 CbCr 都归一化到[0,255]之间, °Cr )Cr , ( ( 是由 Cr 求反得到 (255 。在得到EyeMap 图 后 , 设 定 阀 值 T , 将 EyeMap 图 小 于 阀 值 T 的值设为0,这一步可视为一个简单的滤波 )Cr 科技资讯 S C I E N C E & T E C H N O L O G Y I N F O R M A T I O N 3 Ł ł - - - - D · -