專利名稱：人臉檢測(cè)方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控技術(shù)，特別是指一種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方法及系統(tǒng)。
背景技術(shù)：
駕駛員疲勞、睡眠不足是引發(fā)嚴(yán)重交通事故的重要誘因之一。統(tǒng)計(jì)表明，由于疲勞/瞌睡造成的交通事故在交通事故總數(shù)中占7%左右，在嚴(yán)重交通事故中占40%，而在重型卡車和高速路上的交通事故中則占到35%左右。因此，有效地監(jiān)督和防止駕駛員疲勞，有著十分重要的意義。 疲勞檢測(cè)是對(duì)駕駛員在行車中出現(xiàn)的疲勞現(xiàn)象實(shí)時(shí)檢測(cè)并施以適當(dāng)警告的過程，它有以下幾個(gè)要求1)必須是無干擾的；2)必須是實(shí)時(shí)的；3)必須受光照的影響較?。?)不能有有害輻射，不能包括移動(dòng)設(shè)備。 在各種檢測(cè)方法中能滿足以上要求且效果較為理想的是用攝像機(jī)進(jìn)行實(shí)時(shí)拍攝，通過圖像處理來檢測(cè)駕駛員眼部的物理反應(yīng)。研究表明，眼睛的反應(yīng)與駕駛員的疲勞有著較高的相關(guān)性，能可靠地反映駕駛員是否疲勞。因此，通過眼睛的檢測(cè)和跟蹤可以有效地實(shí)現(xiàn)駕駛員疲勞檢測(cè)。 眼睛的檢測(cè)和跟蹤是基于人臉檢測(cè)基礎(chǔ)上的，人臉能否正確定位影響著后期眼睛的檢測(cè)，因此人臉檢測(cè)是駕駛員疲勞檢測(cè)的基礎(chǔ)。目前已有大量的人臉檢測(cè)方法，如模板匹配法、統(tǒng)計(jì)模型法等。但這些方法往往計(jì)算復(fù)雜，不能滿足快速地實(shí)時(shí)檢測(cè)的需要。
綜上所述，目前迫切需要提出更為有效的用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方案。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一個(gè)全新的用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方法。所述人臉檢測(cè)方法可以在駕駛員的監(jiān)控圖像中快速準(zhǔn)確地定位出駕駛員的人臉區(qū)域，同時(shí)該方法受光照的影響極小。 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的 本發(fā)明提供了一種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方法，所述人臉檢測(cè)方法包括如下步驟 (1)預(yù)處理圖像，彩色圖像灰度化處理和降低圖像分辨率； (2)處理圖像，包括獲取連通區(qū)域和獲取積分圖像；所述獲取連通區(qū)域是通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；
(3)選定候選人臉區(qū)域，根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域；
(4)驗(yàn)證候選人臉區(qū)域，通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū)域。
根據(jù)本發(fā)明，所述降低圖像分辨率僅在獲取的圖像尺寸大于閾值1時(shí)使用。所述閾值1為100X100 200X200個(gè)像素位。
根據(jù)本發(fā)明，所述人臉區(qū)域分裂是指對(duì)獲取的二值圖像和邊緣圖像中的每個(gè)像素的灰度值進(jìn)行常規(guī)的異或處理，然后對(duì)其結(jié)果進(jìn)行常規(guī)的開運(yùn)算，以得到分離的類似人臉區(qū)域，并濾除噪聲；其中，異或處理是指每?jī)蓚€(gè)相同灰度值的像素的灰度值取O，相異的像素的灰度值取1 ;濾除噪聲是根據(jù)所計(jì)算類似人臉區(qū)域的長(zhǎng)度與寬度的比值進(jìn)行濾除，若該比值處于閾值2范圍內(nèi)，則保留，否則認(rèn)為該類似人臉區(qū)域?yàn)樵肼晠^(qū)域，將該類似人臉區(qū)域?yàn)V除。所述閾值2為0. 8 2. 2。 根據(jù)本發(fā)明，所述獲取積分圖像是通過對(duì)相鄰兩幀人臉圖像的進(jìn)行差分處理，得到這兩幀人臉圖像的差分圖像，再根據(jù)式(I)計(jì)算差分圖像就獲得人臉圖像的積分圖像 〃0,力^,S,(i) 其中，設(shè)差分圖像為i(x' ，y')，對(duì)于圖像內(nèi)一點(diǎn)A(x，y)，積分圖像為ii(x，y)。
根據(jù)本發(fā)明，所述選定候選人臉區(qū)域是指濾除連通區(qū)域分析所獲取的連通區(qū)域中的小的虛假區(qū)域后，再根據(jù)所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū)域。 其中，濾除連通區(qū)域中的小的虛假區(qū)域是根據(jù)所計(jì)算連通區(qū)域的總像素進(jìn)行濾除，若該總像素小于設(shè)定的閾值3時(shí)，則認(rèn)為是小的虛假區(qū)域并濾除該連通區(qū)域，否則保留該連通區(qū)域。所述閾值3為250 350。 根據(jù)所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū)域的方法是 第一步計(jì)算剩余的連通區(qū)域的積分圖像，并對(duì)當(dāng)前幀的積分圖像與前一幀積分圖像的像素灰度值進(jìn)行相減，得到差值圖像，統(tǒng)計(jì)該差值圖像中像素不為0的個(gè)數(shù)，該個(gè)數(shù)為對(duì)應(yīng)該剩余的連通區(qū)域的運(yùn)動(dòng)能量， 第二步根據(jù)各剩余的連通區(qū)域的運(yùn)動(dòng)能量，從中選出5個(gè)運(yùn)動(dòng)能量最大的剩余連通區(qū)域，作為人臉區(qū)域。 所述剩余的連通區(qū)域是指經(jīng)過所述濾除連通區(qū)域中的小的虛假區(qū)域處理后留下的連通區(qū)域。 根據(jù)本發(fā)明，所述驗(yàn)證候選人臉區(qū)域是指根據(jù)判決條件進(jìn)行投票，符合判決條件即投贊成票，不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn)行疊加，將投票疊加之和最高的候選人臉區(qū)域作為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除一些虛假的人臉區(qū)域；其中，所述判決條件包括人臉區(qū)域的長(zhǎng)寬比為閾值2、人臉區(qū)域內(nèi)屬于人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例為閾值4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域。所述閾值4優(yōu)選為0.3 0. 75。 根據(jù)本發(fā)明，確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域包括如下步驟 水平灰度腐蝕處理，對(duì)輸入的圖像進(jìn)行常規(guī)的水平灰度腐蝕處理，并輸出經(jīng)水平
灰度腐蝕處理過的腐蝕圖像； 垂直閉處理，對(duì)輸入的腐蝕圖像先進(jìn)行常規(guī)的垂直膨脹處理，然后進(jìn)行常規(guī)的垂直腐蝕處理，并輸出結(jié)果圖像； 差分處理，對(duì)腐蝕圖像與結(jié)果圖像各像素值進(jìn)行相減取絕對(duì)值，并輸出結(jié)果差分圖像； 計(jì)算分割閾值，計(jì)算差分圖像的均值和方差，并將該均值和方差作為圖像的分割閾值；其中，差分圖像的均值通過計(jì)算差分圖像每個(gè)像素值(g卩，灰度值)的平均值實(shí)現(xiàn)，差
分圖像的方差通過計(jì)算差分圖像每個(gè)像素值的方差實(shí)現(xiàn)； 圖像二值化，根據(jù)所述所獲取的分割閾值對(duì)原始輸入圖像進(jìn)行常規(guī)的二維閾值分 割，以獲取二值圖像； 去噪處理，對(duì)所述二值圖像進(jìn)行去噪處理，然后輸出結(jié)果圖像；去噪處理是根據(jù)所 計(jì)算二值圖像中連通區(qū)域的總像素個(gè)數(shù)進(jìn)行去噪，若該總像素小于設(shè)定的閾值3，則認(rèn)為是 小的虛假區(qū)域并濾除該連通區(qū)域，否則保留該連通區(qū)域，然后輸出結(jié)果圖像；
所述去噪處理中的結(jié)果圖像為人臉檢測(cè)的圖像。 根據(jù)本發(fā)明的另一方面，本發(fā)明還提供了一種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)系 統(tǒng)，所述人臉檢測(cè)系統(tǒng)包括 預(yù)處理圖像模塊，用于彩色圖像灰度化處理和降低圖像分辨率； 處理圖像模塊，用于獲取連通區(qū)域和獲取積分圖像；所述獲取連通區(qū)域是通過對(duì) 當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū) 域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；
選定候選人臉區(qū)域模塊，用于根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū) 域；和 驗(yàn)證候選人臉區(qū)域模塊，用于通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū) 域。 根據(jù)本發(fā)明，所述預(yù)處理圖像模塊包括處理彩色圖像灰度化模塊，用于將獲取的 彩色圖像進(jìn)行灰度化處理；和降低圖像分辨率模塊，用于僅在獲取的圖像尺寸大于閾值1 時(shí)使用。所述閾值1為100X100 200X200個(gè)像素位。 根據(jù)本發(fā)明，所述處理圖像模塊包括獲取連通區(qū)域模塊，用于通過對(duì)當(dāng)前幀圖像
進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；獲取積分
圖像模塊，用于通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像。 根據(jù)本發(fā)明，所述選定候選區(qū)域模塊包括濾除虛假連通區(qū)域模塊，用于濾除連通
區(qū)域分析所獲取的連通區(qū)域中的小的虛假區(qū)域；和選出人臉區(qū)域模塊，用于所述獲取積分
圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū)域。 根據(jù)本發(fā)明，所述驗(yàn)證候選人臉區(qū)域模塊包括判決條件模塊，用于確定人臉區(qū)域 的長(zhǎng)寬比為閾值2、確定人臉區(qū)域內(nèi)屬于人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例為閾值 4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域；以及，確定候選人臉區(qū)域模塊，用于根據(jù)判決 條件模塊進(jìn)行投票，符合判決條件即投贊成票，不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn)行 疊加，將投票疊加之和最高的候選人臉區(qū)域作為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除一 些虛假的人臉區(qū)域。 本發(fā)明的最大優(yōu)點(diǎn)是可用于駕駛員疲勞檢測(cè)，實(shí)現(xiàn)了駕駛員的人臉檢測(cè)，且檢測(cè) 簡(jiǎn)單且快速。


圖1為本發(fā)明的人臉檢測(cè)方法的流程示意圖； 圖2為本發(fā)明的人臉檢測(cè)方法的獲取連通區(qū)域的流程示意7
圖3為本發(fā)明的人臉檢測(cè)方法的類似眼睛區(qū)域確定的流程示意圖； 圖4為本發(fā)明的人臉檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖； 圖5為本發(fā)明人臉檢測(cè)系統(tǒng)中預(yù)處理圖像模塊的結(jié)構(gòu)示意圖； 圖6為本發(fā)明人臉檢測(cè)系統(tǒng)中處理圖像模塊的結(jié)構(gòu)示意圖； 圖7為本發(fā)明人臉檢測(cè)系統(tǒng)中選定候選人臉區(qū)域模塊的結(jié)構(gòu)示意圖； 圖8為本發(fā)明人臉檢測(cè)系統(tǒng)中驗(yàn)證候選人臉區(qū)域模塊的結(jié)構(gòu)示意圖。
具體實(shí)施例方式
如圖1所示，圖1為本發(fā)明中人臉檢測(cè)方法的流程示意圖，人臉檢測(cè)方法具體包 括 步驟1 :預(yù)處理圖像，彩色圖像灰度化處理和降低圖像分辨率； 步驟2 :處理圖像，包括獲取連通區(qū)域和獲取積分圖像；所述獲取連通區(qū)域是通過 對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū) 域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像。
步驟3 :選定候選人臉區(qū)域，根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)
域； 步驟4:驗(yàn)證候選人臉區(qū)域，通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū) 域。 步驟1中預(yù)處理圖像，預(yù)處理圖像21，彩色圖像灰度化處理和降低圖像分辨率。
其中，圖像灰度化處理是指對(duì)獲取的彩色圖像進(jìn)行常規(guī)灰度化處理，將其轉(zhuǎn)化為 灰度圖像，以便后期處理。這里，圖像灰度化處理只在獲取的圖像是彩色圖像時(shí)使用。降低 圖像的分辨率處理的方法是通過縮小灰度圖像的尺寸來降低圖像的分辨率，以得到降低 分辨率的圖像。這里，降低圖像的分辨率處理只在獲取的圖像尺寸大于閾值l時(shí)使用。所 述閾值l為100X100 200X200個(gè)像素位，優(yōu)選為176X144個(gè)像素位。
上述實(shí)施例中步驟2的處理圖像過程包括包括獲取連通區(qū)域和積分圖像；所述 獲取連通區(qū)域是通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通 區(qū)域分析，獲取連通區(qū)域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理， 獲得積分圖像。 圖2為本發(fā)明的人臉檢測(cè)方法的獲取連通區(qū)域的流程示意圖，如圖2所示，獲取連 通區(qū)域的具體過程包括如下 圖像二值化21是指對(duì)處理后的灰度圖像進(jìn)行常規(guī)閾值分割，以獲得擁有類似人
臉區(qū)域的二值圖像。閾值分割的方法是基于常規(guī)的二維最大類間方差的圖像分割算法，可
以參考文獻(xiàn)"一種基于二維最大類間方差的圖像分割算法.通信學(xué)報(bào).2001,4(22)"。分割
后將類似人臉區(qū)域內(nèi)像素的灰度值設(shè)置為l，其他像素的灰度值設(shè)置為0。 邊緣圖像提取22通常是提取圖像二值化處理后的灰度圖像的邊緣。所謂邊緣圖
像提取的常規(guī)方法是將3X3中值濾波模板在圖像中漫游，并將模板中心與圖中某個(gè)像素
位置重合；讀取模板下各對(duì)應(yīng)像素的灰度值；將這些灰度值從小到大排成一列；找出這些
灰度值中排在中間的一個(gè)值；將這個(gè)灰度值的中間值賦給對(duì)應(yīng)模板中心的像素。 人臉區(qū)域分裂23是指對(duì)獲取的二值圖像和邊緣圖像中的每個(gè)像素的灰度值進(jìn)行常規(guī)的異或處理，然后對(duì)其結(jié)果進(jìn)行常規(guī)的開運(yùn)算，以得到分離的類似人臉區(qū)域，并濾除噪 聲。其中，異或處理是指每?jī)蓚€(gè)相同灰度值的像素的灰度值取0，相異的像素的灰度值取1 ; 濾除噪聲是根據(jù)所計(jì)算類似人臉區(qū)域的長(zhǎng)度與寬度的比值進(jìn)行濾除，若該比值處于閾值2 范圍內(nèi)，則保留，否則認(rèn)為該類似人臉區(qū)域?yàn)樵肼晠^(qū)域，將該類似人臉區(qū)域?yàn)V除。所述閾值
2為0. 8 2. 2。 連通區(qū)域分析24是指連通區(qū)域分析是指通過四連通域或八連通域?qū)崿F(xiàn)不同圖像 區(qū)域的連通標(biāo)記，以獲取類似人臉的連通區(qū)域并輸出。四連通域/八連通域的連通標(biāo)記的 常規(guī)方法是首先，對(duì)人臉區(qū)域分裂處理后的圖像施行逐行掃描，找到一個(gè)未標(biāo)記區(qū)域的第 一點(diǎn)，標(biāo)記該點(diǎn)；檢查該點(diǎn)的四連通域/八連通域的鄰域點(diǎn)并標(biāo)記滿足連通性要求的，且尚 未被標(biāo)記的點(diǎn)，同時(shí)將新增的標(biāo)記點(diǎn)記錄下來作為"區(qū)域增長(zhǎng)"的種子點(diǎn)。在后續(xù)的標(biāo)記過 程中，不斷地從記錄種子點(diǎn)的數(shù)組中取出一個(gè)種子點(diǎn)，施行上述的操作，如此循環(huán)，直到記 錄種子點(diǎn)的數(shù)組為空，一個(gè)連通區(qū)域標(biāo)記結(jié)束。接著再標(biāo)記下一個(gè)未標(biāo)記的連通區(qū)域，直到 人臉區(qū)域分裂處理后的圖像的所有連通區(qū)域都被標(biāo)記。
獲取積分圖像具體過程包括如下 首先通過對(duì)相鄰兩幀人臉圖像的進(jìn)行差分處理，得到這兩幀人臉圖像的差分圖 像，再根據(jù)式(I)計(jì)算差分圖像就可以獲得人臉圖像的積分圖像。其中，差分處理是指對(duì)相 鄰兩幀圖像的灰度值進(jìn)行相減，取其差值的絕對(duì)值，由此便可得到這兩幀圖像的差分圖像。 積分圖像的定義是設(shè)差分圖像為i(x' ，y')，對(duì)于圖像內(nèi)一點(diǎn)A(x， y)，積分圖像ii(x， y)根據(jù)式(I)計(jì)算如下: 雖,力=Z 《X',力 (I) 選定候選人臉區(qū)域23，是指濾除連通區(qū)域分析所獲取的連通區(qū)域中的小的虛假區(qū) 域后，再根據(jù)所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū) 域； 其中，濾除連通區(qū)域中的小的虛假區(qū)域是根據(jù)所計(jì)算連通區(qū)域的總像素進(jìn)行濾 除，若該總像素小于設(shè)定的閾值3時(shí)，則認(rèn)為是小的虛假區(qū)域并濾除該連通區(qū)域，否則保留 該連通區(qū)域。所述閾值3為250 350，優(yōu)選為300。 根據(jù)所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉 區(qū)域的方法是 第一步計(jì)算剩余的連通區(qū)域的積分圖像，并對(duì)當(dāng)前幀的積分圖像與前一幀積分 圖像的像素灰度值進(jìn)行相減，得到差值圖像，統(tǒng)計(jì)該差值圖像中像素不為0的個(gè)數(shù)，該個(gè)數(shù) 為對(duì)應(yīng)該剩余的連通區(qū)域的運(yùn)動(dòng)能量； 第二步根據(jù)各剩余的連通區(qū)域的運(yùn)動(dòng)能量，從中選出5個(gè)運(yùn)動(dòng)能量最大的剩余 連通區(qū)域，作為人臉區(qū)域。 所述剩余的連通區(qū)域是指經(jīng)過所述濾除連通區(qū)域中的小的虛假區(qū)域處理后留下 的連通區(qū)域。 步驟4中的驗(yàn)證候選區(qū)域24，是指根據(jù)判決條件進(jìn)行投票，符合判決條件即投贊 成票，不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn)行疊加，將投票疊加之和最高的候選人臉區(qū) 域作為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除一些虛假的人臉區(qū)域；其中，所述判決條件
9包括人臉區(qū)域的長(zhǎng)寬比為閾值2、人臉區(qū)域內(nèi)屬于人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的 比例為閾值4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域。 其中，人臉區(qū)域的長(zhǎng)寬比通常在閾值2范圍內(nèi)，若候選區(qū)域的長(zhǎng)寬比不在該范圍 內(nèi)，則投以一負(fù)票；反之，則投以一正票，以便濾除一些不符合人臉區(qū)域長(zhǎng)寬比的人臉區(qū)域。
人臉區(qū)域內(nèi)屬于人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例在閾值4范圍內(nèi)，若該 比例不在該范圍內(nèi)，則投以一負(fù)票；反之，則投以一正票，以濾除一些前景點(diǎn)過多或過少的 候選人臉區(qū)域。其中，前景點(diǎn)是指圖像進(jìn)行分割后該區(qū)域所含像素個(gè)數(shù)不為O。所述閾值4 優(yōu)選為0. 3 0. 75。 人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域是指根據(jù)類似眼睛的區(qū)域來投票，若存在類似 眼睛區(qū)域，則投以一正票；反之，則投以一負(fù)票，將投票疊加之和最高的區(qū)域確定為類似眼 睛區(qū)域。 圖3為本發(fā)明的人臉檢測(cè)方法的類似眼睛區(qū)域確定的流程示意圖。如圖3所示， 確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域的具體步驟為 水平灰度腐蝕處理，即對(duì)輸入的圖像進(jìn)行常規(guī)的水平灰度腐蝕處理，并輸出經(jīng)水 平灰度腐蝕處理過的腐蝕圖像。水平灰度腐蝕處理是指水平方向上的常規(guī)的腐蝕處理；水 平腐蝕處理的模板優(yōu)選為7X1模板； 垂直閉處理，對(duì)輸入的腐蝕圖像先進(jìn)行常規(guī)的垂直膨脹處理，然后進(jìn)行常規(guī)的垂 直腐蝕處理，并輸出結(jié)果圖像；垂直膨脹處理的模板優(yōu)選為1X11模板；垂直腐蝕處理的模 板優(yōu)選為1X11模板； 差分處理，對(duì)腐蝕圖像與結(jié)果圖像各像素值進(jìn)行相減取絕對(duì)值，并輸出結(jié)果差分 圖像； 計(jì)算分割閾值，計(jì)算差分圖像的均值和方差，并將該均值和方差作為圖像的分割 閾值；其中，差分圖像的均值通過計(jì)算差分圖像每個(gè)像素值的平均值實(shí)現(xiàn)，差分圖像的方差
通過計(jì)算差分圖像每個(gè)像素值的方差實(shí)現(xiàn)； 圖像二值化，即根據(jù)上述所獲取的分割閾值(即差分圖像的均值和方差)對(duì)原始 輸入圖像進(jìn)行常規(guī)的二維閾值分割，以獲取二值圖像。 去噪處理，對(duì)所述二值圖像進(jìn)行去噪處理，然后輸出結(jié)果圖像；去噪處理是根據(jù)所 計(jì)算二值圖像中連通區(qū)域的總像素個(gè)數(shù)進(jìn)行去噪，若該總像素小于設(shè)定的閾值3，則認(rèn)為是 小的虛假區(qū)域并濾除該連通區(qū)域，否則保留該連通區(qū)域，然后輸出結(jié)果圖像。
所述去噪處理中的結(jié)果圖像即為人臉檢測(cè)的圖像。 圖4為本發(fā)明人臉檢測(cè)系統(tǒng)實(shí)施例的結(jié)構(gòu)示意圖。如圖4所示，本發(fā)明人臉檢測(cè) 系統(tǒng)5包括預(yù)處理圖像模塊51、處理圖像模塊52、選定候選人臉區(qū)域模塊53和驗(yàn)證候選人 臉區(qū)域模塊54。其中，預(yù)處理圖像模塊51，用于彩色圖像灰度化處理和降低圖像分辨率；處 理圖像模塊52，用于獲取連通區(qū)域和獲取積分圖像，所述獲取連通區(qū)域是通過對(duì)當(dāng)前幀圖 像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；所述獲 取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；選定候選人臉區(qū) 域模塊53，用于根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域；驗(yàn)證候選人臉區(qū)域 模塊54，用于通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū)域。 圖5為本發(fā)明人臉檢測(cè)系統(tǒng)中預(yù)處理圖像模塊的結(jié)構(gòu)示意圖。如圖5所示，所述預(yù)處理圖像模塊51包括彩色圖像灰度化處理模塊511和降低圖像分辨率模塊512。其中， 彩色圖像灰度化處理模塊511，用于將獲取的彩色圖像進(jìn)行灰度化處理；以及，降低圖像分 辨率模塊512，用于僅在獲取的圖像尺寸大于閾值1時(shí)使用。所述閾值1為100X100 200X 200個(gè)像素位，優(yōu)選為176X 144個(gè)像素位。 圖6為本發(fā)明人臉檢測(cè)系統(tǒng)中處理圖像模塊的結(jié)構(gòu)示意圖。如圖6所示，所述處 理圖像模塊52包括獲取連通區(qū)域模塊521和獲取積分圖像模塊522。其中，獲取連通區(qū)域 模塊521，用于通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū) 域分析，獲取連通區(qū)域；以及，獲取積分圖像模塊522，用于通過對(duì)相鄰兩幀圖像進(jìn)行圖像 差分的處理，獲得積分圖像。 圖7為本發(fā)明人臉檢測(cè)系統(tǒng)中選定候選人臉區(qū)域模塊的結(jié)構(gòu)示意圖。如圖7所示， 所述選定候選人臉區(qū)域模塊53包括濾除虛假連通區(qū)域模塊531和選出人臉區(qū)域模塊532。 其中，濾除虛假連通區(qū)域模塊531，用于濾除連通區(qū)域分析所獲取的連通區(qū)域中的小的虛假 區(qū)域；以及，選出人臉區(qū)域模塊532，用于所述獲取積分圖像步驟中所得到的積分圖像從剩 余的連通區(qū)域中選出人臉區(qū)域。 圖8為本發(fā)明人臉檢測(cè)系統(tǒng)中驗(yàn)證候選人臉區(qū)域模塊的結(jié)構(gòu)示意圖。如圖8所 示，所述驗(yàn)證候選人臉區(qū)域模塊54包括判決條件模塊541和確定候選人臉區(qū)域模塊542。 其中，判決條件模塊541，用于確定人臉區(qū)域的長(zhǎng)寬比為閾值2、確定人臉區(qū)域內(nèi)屬于人臉 的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例為閾值4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域； 以及，確定候選人臉區(qū)域模塊542，用于根據(jù)判決條件模塊進(jìn)行投票，符合判決條件即投贊 成票，不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn)行疊加，將投票疊加之和最高的候選人臉區(qū) 域作為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除一些虛假的人臉區(qū)域。 人臉檢測(cè)系統(tǒng)通過對(duì)視頻圖像進(jìn)行處理以檢測(cè)出人臉圖像區(qū)域，能快速準(zhǔn)確的檢 測(cè)出駕駛員等的人臉區(qū)域，為對(duì)駕駛員等人員的實(shí)時(shí)疲勞檢測(cè)打下可靠的基礎(chǔ)，保障了駕 駛員的安全。 本發(fā)明的最大優(yōu)點(diǎn)是可用于駕駛員疲勞檢測(cè)，實(shí)現(xiàn)了駕駛員的人臉檢測(cè)，且檢測(cè) 簡(jiǎn)單、快速。 以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍，應(yīng)當(dāng) 理解，本發(fā)明并不限于這里所描述的實(shí)現(xiàn)方案，這些實(shí)現(xiàn)方案描述的目的在于幫助本領(lǐng)域
中的技術(shù)人員實(shí)踐本發(fā)明。任何本領(lǐng)域中的技術(shù)人員很容易在不脫離本發(fā)明精神和范圍 的情況下進(jìn)行進(jìn)一步的改進(jìn)和完善，因此本發(fā)明只受到本發(fā)明權(quán)利要求的內(nèi)容和范圍的限 制，其意圖涵蓋所有包括在由所附權(quán)利要求所限定的本發(fā)明精神和范圍內(nèi)的備選方案和等 同方案。
1權(quán)利要求
一種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方法，其特征在于，所述人臉檢測(cè)方法包括如下步驟(1)預(yù)處理圖像，彩色圖像灰度化處理和降低圖像分辨率；(2)處理圖像，包括獲取連通區(qū)域和獲取積分圖像；所述獲取連通區(qū)域是通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；(3)選定候選人臉區(qū)域，根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域；和(4)驗(yàn)證候選人臉區(qū)域，通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū)域。
2. 根據(jù)權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，所述降低圖像分辨率僅在獲取 的圖像尺寸大于閾值l時(shí)使用。
3. 根據(jù)權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，所述人臉區(qū)域分裂是指對(duì)獲取 的二值圖像和邊緣圖像中的每個(gè)像素的灰度值進(jìn)行常規(guī)的異或處理，然后對(duì)其結(jié)果進(jìn)行常 規(guī)的開運(yùn)算，以得到分離的類似人臉區(qū)域，并濾除噪聲；其中，異或處理是指每?jī)蓚€(gè)相同灰 度值的像素的灰度值取O，相異的像素的灰度值取1 ;濾除噪聲是根據(jù)所計(jì)算類似人臉區(qū)域 的長(zhǎng)度與寬度的比值進(jìn)行濾除，若該比值處于閾值2范圍內(nèi)，則保留，否則認(rèn)為該類似人臉 區(qū)域?yàn)樵肼晠^(qū)域，將該類似人臉區(qū)域?yàn)V除。
4. 根據(jù)權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，所述獲取積分圖像是通過對(duì)相 鄰兩幀人臉圖像的進(jìn)行差分處理，得到這兩幀人臉圖像的差分圖像，再根據(jù)式(I)計(jì)算差分圖像就獲得人驗(yàn)圖像的積分圖像"0，力^ ,;《A力 (1)其中，設(shè)差分圖像為i(x' ，y')，對(duì)于圖像內(nèi)一點(diǎn)A(x，y)，積分圖像為ii(x，y)。
5. 根據(jù)權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，所述選定候選人臉區(qū)域是指濾 除連通區(qū)域分析所獲取的連通區(qū)域中的小的虛假區(qū)域后，再根據(jù)所述獲取積分圖像步驟中 所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū)域；其中，濾除連通區(qū)域中的小的虛假區(qū)域是根據(jù)所計(jì)算連通區(qū)域的總像素進(jìn)行濾除，若 該總像素小于設(shè)定的閾值3時(shí)，則認(rèn)為是小的虛假區(qū)域并濾除該連通區(qū)域，否則保留該連 通區(qū)域；根據(jù)所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū)域中選出人臉區(qū)域 的方法是第一步計(jì)算剩余的連通區(qū)域的積分圖像，并對(duì)當(dāng)前幀的積分圖像與前一幀積分圖像 的像素灰度值進(jìn)行相減，得到差值圖像，統(tǒng)計(jì)該差值圖像中像素不為0的個(gè)數(shù)，該個(gè)數(shù)為對(duì) 應(yīng)該剩余的連通區(qū)域的運(yùn)動(dòng)能量，第二步根據(jù)各剩余的連通區(qū)域的運(yùn)動(dòng)能量，從中選出5個(gè)運(yùn)動(dòng)能量最大的剩余連通區(qū)域，作為人臉區(qū)域；所述剩余的連通區(qū)域是指經(jīng)過所述濾除連通區(qū)域中的小的虛假區(qū)域處理后留下的連 通區(qū)域。
6. 根據(jù)權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，所述驗(yàn)證候選人臉區(qū)域是指根 據(jù)判決條件進(jìn)行投票，符合判決條件即投贊成票，不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn) 行疊加，將投票疊加之和最高的候選人臉區(qū)域作為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除虛假的人臉區(qū)域；其中，所述判決條件包括人臉區(qū)域的長(zhǎng)寬比為閾值2、人臉區(qū)域內(nèi)屬于 人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例為閾值4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛 區(qū)域。
7. 根據(jù)權(quán)利要求6所述的人臉檢測(cè)方法，其特征在于，確定人臉區(qū)域內(nèi)是否存在類似 眼睛區(qū)域包括如下步驟水平灰度腐蝕處理，對(duì)輸入的圖像進(jìn)行常規(guī)的水平灰度腐蝕處理，并輸出經(jīng)水平灰度 腐蝕處理過的腐蝕圖像；垂直閉處理，對(duì)輸入的腐蝕圖像先進(jìn)行常規(guī)的垂直膨脹處理，然后進(jìn)行常規(guī)的垂直腐 蝕處理，并輸出結(jié)果圖像；差分處理，對(duì)腐蝕圖像與結(jié)果圖像各像素值進(jìn)行相減取絕對(duì)值，并輸出結(jié)果差分圖像；計(jì)算分割閾值，計(jì)算差分圖像的均值和方差，并將該均值和方差作為圖像的分割閾值； 其中，差分圖像的均值通過計(jì)算差分圖像每個(gè)像素值的平均值實(shí)現(xiàn)，差分圖像的方差通過 計(jì)算差分圖像每個(gè)像素值的方差實(shí)現(xiàn)；圖像二值化，根據(jù)所述所獲取的分割閾值對(duì)原始輸入圖像進(jìn)行常規(guī)的二維閾值分割， 以獲取二值圖像；去噪處理，對(duì)所述二值圖像進(jìn)行去噪處理，然后輸出結(jié)果圖像；去噪處理是根據(jù)所計(jì)算 二值圖像中連通區(qū)域的總像素個(gè)數(shù)進(jìn)行去噪，若該總像素小于設(shè)定的閾值3，則認(rèn)為是小的 虛假區(qū)域并濾除該連通區(qū)域，否則保留該連通區(qū)域，然后輸出結(jié)果圖像；所述去噪處理中的結(jié)果圖像為人臉檢測(cè)的圖像。
8. —種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)系統(tǒng)，其特征在于，所述人臉檢測(cè)系統(tǒng)包括 預(yù)處理圖像模塊，用于彩色圖像灰度化處理和降低圖像分辨率；處理圖像模塊，用于獲取連通區(qū)域和獲取積分圖像；所述獲取連通區(qū)域是通過對(duì)當(dāng)前 幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；所 述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；選定候選人臉區(qū)域模塊，用于根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域； 驗(yàn)證候選人臉區(qū)域模塊，用于通過判決條件濾除所需的虛假的人臉區(qū)域，并輸出人臉 區(qū)域。
9. 根據(jù)權(quán)利要求8所述的人臉檢測(cè)系統(tǒng)，其特征在于，所述預(yù)處理圖像模塊包括 彩色圖像灰度化處理模塊，用于將獲取的彩色圖像進(jìn)行灰度化處理； 降低圖像分辨率模塊，用于僅在獲取的圖像尺寸大于閾值1時(shí)使用。
10. 根據(jù)權(quán)利要求8所述的人臉檢測(cè)系統(tǒng)，其特征在于，所述處理圖像模塊包括 獲取連通區(qū)域模塊，用于通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；獲取積分圖像模塊，用于通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像。
11. 根據(jù)權(quán)利要求8所述的人臉檢測(cè)系統(tǒng)，其特征在于，所述選定候選人臉區(qū)域模塊包括濾除虛假連通區(qū)域模塊，用于濾除連通區(qū)域分析所獲取的連通區(qū)域中的小的虛假區(qū)域；選出人臉區(qū)域模塊，用于所述獲取積分圖像步驟中所得到的積分圖像從剩余的連通區(qū) 域中選出人臉區(qū)域。
12.根據(jù)權(quán)利要求8所述的人臉檢測(cè)系統(tǒng)，其特征在于，所述驗(yàn)證候選人臉區(qū)域模塊包括判決條件模塊，用于確定人臉區(qū)域的長(zhǎng)寬比為閾值2、確定人臉區(qū)域內(nèi)屬于人臉的前景點(diǎn)與整個(gè)人臉區(qū)域內(nèi)點(diǎn)的比例為閾值4、和確定人臉區(qū)域內(nèi)是否存在類似眼睛區(qū)域；確定候選人臉區(qū)域模塊，用于根據(jù)判決條件模塊進(jìn)行投票，符合判決條件即投贊成票， 不符合判決條件即投反對(duì)票，并對(duì)投票進(jìn)行疊加，將投票疊加之和最高的候選人臉區(qū)域作 為人臉區(qū)域，然后輸出人臉區(qū)域，從而濾除虛假的人臉區(qū)域。
全文摘要
本發(fā)明公開了一種用于駕駛員疲勞檢測(cè)的人臉檢測(cè)方法及系統(tǒng)，該方法包括預(yù)處理圖像，處理彩色圖像灰度化和降低圖像分辨率；處理圖像，包括獲取連通區(qū)域和積分圖像；所述獲取連通區(qū)域是通過對(duì)當(dāng)前幀圖像進(jìn)行圖像二值化、邊緣圖像提取、人臉區(qū)域分裂和連通區(qū)域分析，獲取連通區(qū)域；所述獲取積分圖像是通過對(duì)相鄰兩幀圖像進(jìn)行圖像差分的處理，獲得積分圖像；選定候選人臉區(qū)域，根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域；驗(yàn)證候選人臉區(qū)域，通過判決條件濾除所需的虛假的人臉區(qū)域，并輸出人臉區(qū)域。本發(fā)明可用于駕駛員疲勞檢測(cè)，實(shí)現(xiàn)了駕駛員的人臉檢測(cè)，且檢測(cè)簡(jiǎn)單、快速。
文檔編號(hào)G06T7/60GK101739549SQ200910077430
公開日2010年6月16日 申請(qǐng)日期2009年2月11日 優(yōu)先權(quán)日2009年2月11日
發(fā)明者楊學(xué)超, 王 華, 菅云峰, 袁雪庚, 魏昱寧 申請(qǐng)人:北京智安邦科技有限公司