基于计算机图像处理的人眼识别系统的开发与设计

管阳

（陕西国防工业职业技术学院 陕西 西安710300）

基于计算机图像处理的人眼识别系统的开发与设计

管阳

（陕西国防工业职业技术学院 陕西 西安710300）

文中针对现阶段由于疲劳驾驶而导致交通事故发生的情况，设计与开发了基于计算机图像处理的人眼识别系统，其通过高清摄像头获取人眼图像，然后经过计算机处理得到人眼的特征参数，再通过比对判断驾驶员处于正常或疲劳状态并作出提醒。实验证明该系统在判断驾驶员是否处于疲劳驾驶上识别率达到80％，能对驾驶员行车中的疲劳驾驶做出预警，从而有效避免因疲劳驾驶而造成交通事故的发生。

计算机图像处理；人眼识别系统；疲劳驾驶；设计

目前，在全世界范围内，每年因交通事故而死去的人数多达一百万，而疲劳驾驶导致的交通事故占较大比例，根据中国交通部门的相关统计，当前发生的特大交通事故中有超过四成是由于疲劳驾驶导致的，疲劳驾驶每年已造成了我国数十万人的死亡和伤残，成为行车安全的重大威胁［1］。据研究，在行车过程中由于疲劳而导致的短暂“微睡眠”期增多是疲劳驾驶造成交通事故发生的重要因素［2］。

为了使驾驶员不在疲劳状态下危险驾车，降低交通事故发生率，本文针对驾驶员行车过程中由于疲劳驾驶而出现的短暂“微睡眠”期现象，设计与开发了基于计算机图像处理的人眼识别系统，其通过高清摄像头获取人眼图像，然后经过计算机处理得到人眼的特征参数，再通过比对判断驾驶员处于正常或疲劳状态并作出提醒，从而使驾驶员能够实时调整驾驶状态，减少因疲劳驾驶而导致交通事故发生的几率［3-7］。

1　系统总体设计

本文所开发与设计的基于计算机图像处理的人眼识别系统采用统计模式识别方法，其基本结构如图1所示。由图1可看出，本系统主要由4部分组成，首先是信息获取模块，通过摄像头或其他信息采集设备获取人的脸部图像，然后是预处理模块，包括对获取的图像信息进行格式转换，灰度化，分割得到人眼图像。紧接着，通过特征提取与特征选择模块，得到人眼的特征信息。最终是分类决策模块，通过对采集的数据进行人眼状态分析建立分类器［8］，然后将后续人眼信息与分类器比较实现人眼疲劳度的识别。

图1　模式识别系统的基本结构

2　系统实现概述

2.1图像采集

图像采集一般是通过高清摄像头直接拍摄图像，或通过摄像头录像，然后通过软件转化为图像。一般情况下1 s内可获取超过20帧的图像，但其不利于图像的实时处理。在此本文采取第一种方法，通过摄像头直接拍摄图像，并设置为1 s拍摄10帧，图2为摄像头拍摄的部分图片。

图2　摄像头拍摄的原始图像

2.2图像预处理

摄像头拍摄获得的原始图片为jpg格式的24位彩色图像，需将原始图像转化为bmp格式的256色彩图像，如图3所示。在此本文采用了动态链接库JpgVSbmp.dll［9］中的JpgToBmp函数。

图3　图像灰度化后的256级BMP灰度图像

图片格式转换后，对图像像素进行计算需要图像的信息，本文通过图像读取获取图像信息，然后通过显示图片来验证计算结果，其流程图如图4所示。首先，通过读取图片的BITMAPFILEHEADER结构得到图片的相关信息，然后通过数值计算得到像素数据的起始地址，并保存像素数据起始地址指向指针，当显示图片时，从DOC对象中得到位图数据起始位置指针，并得到图像的宽、高等信息，然后恢复原调色板实现图片的显示。

2.3图像分割与图像特征选择与提取

软件通过模板匹配得到只包含眼球图像的最先区域图像，如图5所示。然后利用像素匹配得到眼球图像信息，由于眼球部分与周围部分图像差别明显，其像素接近0或255，通过图6（a）公式，计算得到眼球的轮廓，为图6（b）的黑色部分。

然后通过图像追踪算法得到人眼的轮廓边缘，如图7所示。并同时记录了图像的边缘链码。

图4　图像的读取和显示的流程图

图5　眼球图像大体区域的获得

图6　图像分割

图7　边缘跟踪效果图

2.4统计分类

软件根据得到的边缘链码计算出人眼图像的周长、宽度、高度、面积、圆形度和伸长度等，其结果如表1所示。其中，包括正常状态下以及疲劳状态下人眼周长、宽度、高度、面积、圆形度和伸长度的数据。

通过表1可看出，不同状态下人眼的周长以及高度、面积、伸长度等均不同，当驾驶员处于疲劳状态时，人眼周长较正常状态下减少1/4左右，高度、面积、圆形度等下降到正常状态下的左右，宽度比正常状态下略微变大。通过人眼在疲劳和正常状态下的不同，可设定不同状态下人眼特征参数范围，然后将计算得到的人眼特征参数进行状态匹配，判断驾驶员是否处于疲劳状态。

表1　支持向量机的统计特征

2.5识别判断

在识别过程中本文设定两种特别状态直接判定为驾驶员处于疲劳状态，这两种状态为一段时间人眼时钟保持睁开或闭合状态，本文设定为6 s。经过统计，每个人一分钟眨眼十几次，每次眨眼用时约0.4 s，每两次眨眼间隔3～4 s。若有四幅图像以上显示驾驶员处于疲劳状态，则认为驾驶员正处于疲劳状态，反之处于正常状态。

本文利用现有的训练样本和测试样本对设计的分类器进行测试，其测试结果如表2所示。

表2　分类器测试结果

从数据中可看出，本文所设计的分类器在训练样本为100时，其识别成功率达到了85％。

3实　验

文中在实际车体中进行对本系统的验证实验。实验中，将实验人员分为两个小组，一组中实验人员处于正常状态，而另一组实验人员处于疲劳状态，两组人员同时实验半小时，随机抽取出10组获取的图像信息作为研究样本，每5张图片，对这几组图像进行人眼识别实验。表3和表4分别列出了对两组人员共20组图像进行的检测结果。

由表3、表4数据可得出，当驾驶员在正常状态下，其识别正确率为90％，当驾驶员处于疲劳状态时，其识别正确率为80％，证明本系统能通过人眼识别有效判断驾驶员的状态，从而可对驾驶员驾车过程中出现的疲劳状态做出提醒预警，让驾驶员能调整驾驶状态，有效避免行车过程中出现疲劳驾驶而导致交通事故的发生。

表3　正常状态下识别结果

表4　疲劳状态下识别结果

4　结束语

为了避免驾驶员在行车中疲劳驾驶，减少交通事故，本文针对驾驶员行车过程中由于疲劳驾驶而出现的短暂“微睡眠”期现象，设计与开发了基于计算机图像处理的人眼识别系统，其通过高清摄像头获取人眼图像，然后经过计算机处理得到人眼的特征参数，再通过比对判断驾驶员处于正常或疲劳状态并作出提醒。实验证明，该系统在判断驾驶员是否处于疲劳驾驶上识别率达到80％，从而有效避免了驾驶员因疲劳驾驶而导致交通事故的发生。

［1］王瑜，胡记文.基于3G视频的驾驶员疲劳状态检测方法［J］.电子科技，2011，24（11）:84-85，114.

［2］王海洋.基于人眼图像信息的疲劳检测方法的研究［D］.沈阳:沈阳工业大学，2007.

［3］胡庆新，方跃，张淑凤.一种新的驾驶员疲劳检测系统中的人脸区域检测方法［J］.仪器仪表学报，2008，29（4）:585-589.

［4］陈勇，黄琦，刘霞，等.一种全天候驾驶员疲劳检测方法研究［J］.仪器仪表学报，2009，30（3）:636-640.

［5］夏芹，宋义伟，朱学峰.基于 PERCLOS的驾驶疲劳监控方法进展［J］.自动化技术与应用，2008（6）:43-46.

［6］朱学峰，王秀.基于模糊控制的驾驶疲劳检测［J］.计算机工程与设计，2010，31（8）:1782-1785.

［7］董文会，吴晓娟，徐祗军.基于图像处理的驾驶员疲劳检测方法［J］.计算机应用与软件，2006，23（12）:70-72.

［8］邓乃扬，田英杰.数据挖掘中的新方法［M］.北京:科学出版社，2004.

［9］http://www.vckbase.com/vckbase/vckbase11/（VC在线杂志）.

［10］蒋丹丹，冯晓毅.改进的Hough与梯度直方图的人眼定位算法［J］.电子设计工程，2014，22（21）:127-130.

［11］蒋文博，谢晓明.一种快速驾驶员疲劳检测方法［J］.电子设计工程，2015，23（23）:34-36，39.

Development and design of eye recognition system based on computer image processing

GUAN Yang
（Shaanxi National Defense Industrial Vocational and Technical College，Xi'an 710300，China）

In this paper，the eye recognition system based on computer image processing is developed and designed as the situation at this stage due to the traffic accidents caused by fatigue driving.On the system，the human eye image is got through high-definition camera，and then processed by computer to obtain the characteristic parameters of the human eye，and then the driver is judged under a normal or fatigue situation by comparingfigures and make reminder.Experiments show that recognition rate ofthe system determines whether the driver is on the driver fatigue is over 80％，and the system can warn the

driver under fatigue driving，whicheffectively avoid traffic accidents happening caused byfatigue driving.

computer image processing；eye recognition system；fatigue driving；design

TN99

A

1674－6236（2016）16-0191-03

2016-01-15稿件编号：201601119

管 阳（1981—），女，河南濮阳人，讲师。研究方向：计算机图像制作。