本發(fā)明具體涉及一種快速人眼檢測方法。
背景技術(shù)：
國內(nèi)外研究表明，駕駛員在疲勞的狀態(tài)下，對周圍環(huán)境的感知能力、危險的判斷能力和車輛的操控能力都會較正常情況有不同程度的下降，從而導(dǎo)致交通事故。因此，疲勞駕駛檢測具有極為重要的意義。
當前疲勞檢測系統(tǒng)主要采用基于圖像處理技術(shù)的非接觸檢測方法，這種疲勞駕駛系統(tǒng)主要是檢測與分析駕駛員眼睛的狀態(tài)。在疲勞駕駛發(fā)生時，駕駛員眨眼頻率會上升，閉眼時間增加，基于眼睛狀態(tài)的疲勞駕駛標準perclos是目前最為準確同時也是被廣泛接受的標準。
目前基于圖像處理技術(shù)的疲勞駕駛檢測系統(tǒng)的算法主要采用基于haar特征的adaboost算法，該方法首先采用級聯(lián)分類器確定人臉區(qū)域，再用同樣的方法確定人眼位置，通過分析人眼狀態(tài)結(jié)合perclos標準來判斷疲勞駕駛行為是否發(fā)生。而在實際運用環(huán)境中，由于攝像頭與人臉所成角度的改變、駕駛員頭部的晃動、車輛抖動等因素，adaboost算法表現(xiàn)出較差的魯棒性，拒真率高導(dǎo)致識別率較低；搜索人眼的過程中也有采用模板匹配的方法，模板匹配計算規(guī)模較大，而且在人眼睜閉時，由于目標形狀的變化，采用固定單一模板會丟失目標，如果采取多種模板匹配則計算量過大，無法達到實時性要求。
技術(shù)實現(xiàn)要素：
本發(fā)明要解決的技術(shù)問題是提供一種快速人眼檢測方法。
一種快速人眼檢測方法，包括以下步驟：
s1：采集人眼視頻圖像，設(shè)本幀待檢測圖像img,上一次adaboost人眼檢測成功結(jié)果adaeyeimg，對當前幀待檢測圖像img進行預(yù)處理；
s2：如果前幾幀內(nèi)檢測到人臉區(qū)域，則采用差分方法進行跟蹤，否則采用adaboost進行檢測，得到froi；
s3：對froi進行adaboost人眼檢測，如果檢測成功，得到人眼結(jié)果neweyeimg，同時更新adaeyeimg；否則采用變模板匹配檢測得到人眼結(jié)果neweyeimg，當adaboost方法連續(xù)失敗超過5次時，放棄對本幀的檢測，人眼檢測失敗，下一幀從s1開始；
s4：將neweyeimg和adaeyeimg，作為輸入，用多特征分類器進行檢測；如果通過分類器，則將neweyeimg周圍區(qū)域作為下一幀froi，在下幀檢測時直接進行s3，否則，下一幀從s1開始，本幀檢測失敗。
本發(fā)明的有益效果是：
本發(fā)明在adaboost算法的基礎(chǔ)上，使用變模板匹配方法進行人眼檢測，并改進了“人臉-人眼模型”，采用多特征的分類器來有選擇的跳過人臉檢測步驟，從而快速準確地定位人眼。
具體實施方式
以下具體實施例對本發(fā)明作進一步闡述，但不作為對本發(fā)明的限定。
一種快速人眼檢測方法，包括以下步驟：
s1：采集人眼視頻圖像，設(shè)本幀待檢測圖像img,上一次adaboost人眼檢測成功結(jié)果adaeyeimg，對當前幀待檢測圖像img進行預(yù)處理；
s2：如果前幾幀內(nèi)檢測到人臉區(qū)域，則采用差分方法進行跟蹤，否則采用adaboost進行檢測，得到froi；
s3：對froi進行adaboost人眼檢測，如果檢測成功，得到人眼結(jié)果neweyeimg，同時更新adaeyeimg；否則采用變模板匹配檢測得到人眼結(jié)果neweyeimg，當adaboost方法連續(xù)失敗超過5次時，放棄對本幀的檢測，人眼檢測失敗，下一幀從s1開始；
s4：將neweyeimg和adaeyeimg，作為輸入，用多特征分類器進行檢測；如果通過分類器，則將neweyeimg周圍區(qū)域作為下一幀froi，在下幀檢測時直接進行s3，否則，下一幀從s1開始，本幀檢測失敗。