改进的人眼定位算法在DSP上的快速实现
基于DSP的AdaBoost人脸检测算法实现的课程设计.
DSP原理及应用课程设计论文题目：基于DSP的AdaBoost人脸检测算法实现的课程设计班级：学生姓名：学号：评阅教师：摘要模式识别中的一个重要分支——人脸识别是当今计算机视觉领域的非常要重的研究方向，同时人脸识别是应用于各个领域的用于身份识别的有效技术手段，在图片或者视频中对人脸的检测是人脸识别的基础，一种高精度的人脸识别技术必须先在图像或者视频中先将人脸定位而后才能够做到有效的人脸识别。
所以说人脸检测在人脸识别领域是非常重要的基础研究领域。
经过多年来，计算机相关领域的不断发展，人们已经掌握了不少的有关的比较成熟的理论和技术。
在本文中，我们首先介绍有关模式识别的基础知识，模式识别是人脸识别的基础，对模式识别的理解和熟悉有助于我们对人脸识别更加深刻的认识。
接着，我们开始回顾人脸识别技术起源、发展历程，这个过程我们可以把它归纳性的划分为三个阶段。
再接着，我们开始介绍各种主要的人脸识别技术，人脸识别的技术主要包括：No.1几何特征的人脸识别方法；No.2基于特征脸的人脸识别方法；No.3神经网络的人脸识别方法；No.4弹性图匹配的人脸识别方法；No.5线段距离的人脸识别方法；No.6支持向量机的人脸识别方法。
紧接着，我们我们介绍几种主要的人脸识别算法，主要分为：基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。
然后，我们开始介绍本次设计主要使用的人脸检测算法——adaboost算法，以及相关知识——haar矩形特征和积分图。
最后，我们利用opencv对基于adaboost算法的人脸检测技术进行实现。
关键词：人脸识别人脸检测adaboost haar特征ABSTRACTAn important branch of pattern recognition - Face recognition is today very weight of the field of computer vision research direction, at the same time face recognition is used in various fields of effective techniques for the identification, in pictures or videosface detection is the basis for face recognition, a high precision face recognition technology must be in the image or video first face location before we can achieve effective face recognition. So face detection is a very important field of basic research in the field of face recognition. After years, the continuous development of computer-related fields, people have mastered a lot of the more mature theory and technology.In this article, we first introduce the basics of pattern recognition, pattern recognition is the basis of face recognition to help our face recognition deeper understanding, pattern recognition, understanding and familiar. Next, we began reviewing the origin of face recognition technology, the course of development, a process that we can put it inductive divided into three stages. Next, we began to introduce a variety of face recognition technology, face recognition technologies include: No.1Geometric features face recognition; No.2 face recognition method based on the characteristics of the face; No.3 neural network face recognition methods; the No.4 elastic graph matching face recognition method; No.5 line distance face recognition method; No.6 support vector machine face recognition method.Then, we introduce several major face recognition algorithm is divided into: recognition algorithm based on facial feature points, based on a whole lot of face image recognition algorithm, template-based recognition algorithm using neural network identification algorithms.Then, we begin with the design face detection algorithm - AdaBoost algorithm, as well as knowledge - Haar rectangular features and integral image.Finally, we use the OpenCV face detection technology based on AdaBoost algorithm implemented.Keywords: Face Recognition; Face Detection; Ada-Boost; haar feature;1模式识别基础1.1模式识别的定义：通过对表征各种事物或者现象的各种主要的形式的信息进行分析和处理，以对这些事物或者现象进行符合需求精度的描述、辨认、分类以及解释的过程。
基于DSP的人脸识别算法实现与优化
按一定 的 比 例 组 合 使 用 。 DM642 具 有 64 个 独 立 通 道 的 EDMA (扩展的直接存储器访问 )控制器 ,负责片内 L2 与其他 外设之间的数据传输 。
2. 2 硬件系统结构
3. 1 使用 CCS优化选项 CCS集成开发环境中提供了优化选项 , 在适当的场合使
第 3期
Jμ, ν = I ( x, y )ψ ∫ ( x, y ) d x dy
邹垚等 : 基于 DSP的人脸识别算法实现与优化
( 4)
855
μ ,ν
器 ,它包含图形 、 图像等多媒体处理指令 ,因此 DSP 是本系统 的首要选择 。 3 )网络传输电路 。本系统的另一个主要功能是如何将 处理的视频信息发送到计算机网络 , 为此网络传输电路设计 是非常重要的 。我们选择的 DM642 信号处理器是 TI公司专 门设计的网络开发平台 ,它包含的 EMAC 模块是 DSP 处理器 内核与片外的网络物理层数据传输的接口 , 负责以太网数据 的接收和发送 ,这样可以大大减少开发难度 。
CPLD 元件是由许多个逻辑方块所组合而成的 , 而各个逻辑 方块均相似于一个简单的 PLD 元件 (如 22V10 ) 。逻辑方块
∑∑( x
i = 1 x k∈X i
c
k
- μi ) ( xk - μi )
T
( 8)
间的相互关系则由可变成的连线架构 ,将整个逻辑电路合成 。
5)视频解码及 LCD 显示 。为了方便操作和更好的人机
那么最优的投影矩阵定义为 :
W op t = a rg m ax
W
| W SB W | | W SW W |
T
T
= [ w 1 w 2 … wm ]
人脸识别实时系统在DSP上的实现
的ｙ（ｔ／．，口）分布在Ｈ，口
较小的区域，即矩阵
ｙ的左上角，而这也
是有用信息集中的 地方。基于ＤＣＴ系
图５ ＤＣＴ图像压缩
数重建图像时，只保留少数余弦变换的低频分量，利用反
变换仍可得到与原始图像相近的恢复图像。新图像与原
图像存在一定的误差，但重要信息被保留下来。图５为原
始图像做ＤＣＴ变换得到的ＤＣＴ图和选取５０×５０个ＤＣＴ
Ｋｅｙ ｗｏｒｄｓ：ＤＳＰ６７１ １；ＤＣＴ；ＩＤＡ；ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ
０引言
计算机人脸识别技术在生物测量身份识别、安全监 控、图像与视频检索和智能人机接口等方面的广泛应用越 来越受到研究人员的关注。人脸识别分为以下三部分： 人脸检测，特征提取和人脸辨识。随着集成电路和嵌入 式技术的发展，使得实时系统中人脸检测和识别具有了硬 件基础，成为应用领域的一个研究热点。在一些强实时环 境下采用ＤｓＰ芯片处理任务具有无可比拟的优越性，在门禁 系统、考勤系统等身份验证领域有着广泛的应用价值。
控制。ＦＰＧＡｌ控制输入图像的存取。ＦＰＧＡ２控制输出图 像的存取。ＤＳＰ通过ＥＭＩＦ与ＦＰＧＡ进行数据交流。如图
曛。霸Ｉ囡Ｉ １所示。
［尘 ｊ丑◆
图１系统主要硬件结构图
１ 实时人脸识别系统平台简介
Ｉ。Ｉ ＣＰＵ特性 本系统采用的ＤＳＰ是１ｒＩ公司的ＴＭＳ３２０Ｃ６７１１。它是
基于超长指令字（ＶＬＩＷ）的体系结构的３２位浮点处理器， 主频１５０ ＭＨｚ，峰值处理速度达到１ ２００ ＭＩＰＳ／ｓ。内部存 储器采用两级高速缓存结构，包括第一级４ＫＢ的高速程 序缓存、４ＫＢ的高速数据缓存和第二级６４ＫＢ数据／程序 高速缓存。ＣＰＵ包括３２个３２位的通用寄存器和由６个 ＡＬＵ单元和两个乘法器单元共８个独立的功能单元。３２ 位地址线寻址空间可达到４ＧＢ…。 １．２系统硬件构成
基于DSP的人脸识别算法实现与优化
统设计 方案 ， 包括 系统软件和硬件优化方案 。首先 选择 实用有 效特征 ， 简要介 绍人脸检 测和人脸识 别算 法的基 本原
理， 针对该算法 实现原理详 细阐述硬件 系统设计方案 ， 介绍各单元 结构 和原理。最后 ， 在设 计的硬件 系统 上进 行算法
移植 ， 详细介绍 了系统的优化 方案 ， 实现 了嵌入 式快速人脸识别 系统的研 制。通过分析测试结果 ， 系统 可靠运行 ， 优化 后 系统运行速度提 高， 能够实现 实时视频 图片人 脸识 别。 关键词 ：ＭＳ ２ Ｄ ６ ２ 人脸识别 ； ｄＢ ｏｔ Ｔ ３０ Ｍ ４ ； Ａ ａ ｏｓ 算法； ａｏ 变换 ； Ｇ ｂｒ 优化
Ａｂ ｔ ａ ｔ ｎ ｏ ｄ ｒｔ ｅ ｌ ｅ ｔｅ ｒ ａ—ｉ ａ ｅ ｒｃ ｇ ｉ ｏ ｎ ｖｄ ｏｂ ｍｂ ｄ ｅ ｙ ｔ ｍ，ｔ ｅ ｄ ｓｇ ｃ ｅ ｆ ａ ｔ ａ ｅ ｓ ｒ ｃ ：Ｉ ｒ ｅ ｏ ｒａ ｉ ｈ ｅ ｌ ｍｅ ｆ ｃ ｅ ｏ ｎ ｔ ｎ ｉ ｉ ｅ ｙ ｅ ｅ ｄ ｄ ｓ ｓｅ ｚ ｔ ｉ ｈ ｅ ｉ ｎ ｓ ｈ ｍｅｏ ｓ ｆ ｃ ｆ ｒ ｃ ｇ ｉ ｏ ｙ ｔ ｍ ｂ ｓ ｄ ｏ Ｉ ＭＳ ２ ＤＭ６ ２ ｗａ ｒ ｓ ｎ ｅ ，ａ ｄ ｏ ｔ ｚ ｔ ｎ ｐ ｌ ｙ ｗ ｓｐ ｏ ｏ ｅ ｎ ｔｒ ｆｂ ｔ ａｄ ｒ ｅ ｏ ｔ ｎ ｓ ｓｅ ａ ｅ ｎ Ｔ ｎ ｉ Ｔ ３０ ４ ｓｐ ｅ ｅ ｔ ｄ ｎ ｐ ｉ ａ ｉ ｏ ｉ ａ ｒ ｐ ｓ ｄ ｉ ｍｓ ｏｈ ｈ ｒ ｗａ ｅ ｍｉ ｏ ｃ ｅ ｏ ａ ｄ ｓ ｆ ｒ ． Ｆ ｒｔ ， ｅｆｃ ｉｅ ｅ ｔ ｒｓ ｗｅ ｅ ｅｅ ｔｄ ａ ｄ ｔ ｅ ａｇ ｒ ｈ ｏ ａ ｅ ｅｅ ｔ ｎ ａ ｄ ｅ ｏ ｎ ｔ ｎ ａ ｒ ｆ ｎ ｏｔ ｅ ｗａ ｉｓ ｙ ｌ ｆ ｔ ｆａｕ ｅ ｒ ｓ ｌｃｅ ， ｎ ｈ ｌｏ ｔ ｍ ｆ ｆｃ ｄ ｔｃｉ ｎ ｒ ｃ ｇ ｉ ｏ ｗ ｓ ｂ ｅ ｙ ｅ ｖ ｉ ｏ ｉ ｉｌ ｉ ｔ ｄ ｃ ｄ ｈ ｎ ａ ｃ ｒ ｉ ｇｔ ｈ ｇ ｒ ｈ ｎｒ ｕ ｅ ，ｔ ｅ ｃ ｏ ｄ ｎ ｔ ｅ ａ ｏｉ ｍ，ｔ ｅｄ ｓｇ ｃ ｅ ｎ ｕ ｃｉｎ ｕ ｉ ｆｈ ｒ ｗ ｒ ｙ ｔｍ ｒ ｅ ｃ ｂ ｄ ｉ ａｌ， ｏ ｏ ｌ ｔ ｈ ｅ ｉｎ ｓ ｈ ｍｅａ ｄｆ ｎ ｔ ｎ ｔ ｏ ａ ｄ ａ ｅ ｓ ｓ ｏ ｓ ｅ ｗｅｅ ｄ ｓ ｒ ｅ ．Ｆ ｎ ｌ ｉ ｙ ｔ ｅ ａｇ ｒ ｈ ｗａ ｒ ｎ ｐ ａ ｔｄ ｏ ｔ ｈ ａ ｄ ｒ ｙ ｔ ｍ， ｔ ｅ ｈ ｐｉ ｚ ｔ ｎ ｐ ｌ ｙ ｗ ｓ ａ ｐ ｉｄ ａ ｄ ｆｓ ｍｂ ｄ ｅ ａ ｅ ｈ ｌｏ ｉ ｍ ｓｔ ｓ ｌｎ ｅ ｎｏ ｔ ｅ ｈ ｒ ｗａｅ ｓ ｓｅ ｔ ａ ｈ ｎ ｔｅ ｏ ｔ ｍｉａｉ ｏｉ ａ ｐ ｌ ， ｎ ａ ｔ ｅ ｅ ｄ ｄ ｆ ｃ ｏ ｃ ｅ ｒ ｃ ｇ ｉ ｏ ｙ ｔｍ ａ ｍｐｅ ｎ ｅ ．Ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｄ ｍｏ ｓｒ ｔ ｔ ｅ ｓ ｓｅ ｗ ｒ ｓ ｒ ｌ ｂｙ ｈ ｕ ｎ ｎ ｐ ｅ ｆ ｅ ｏ ｎ ｔ ｎ ｓ ｓｅ ｗ ｓ ｉ ｌｍｅ ｔｄ ｉ ｈ ｘ ｅｉ ｍｅ ｔｌｒ ｓ ｌ ｅ ｎ ｔａｅ ｈ ｙ ｔｍ ｏ ｋ ｅ ｉ ｌ ，ｔ ｅ ｒ ｎ ｉ ｇ ｓ ｅ ｄ ｏ ｓ ａ ｌ ｏ ｔ ｍ ａ ｍｐ ｏ ｅ ｒ ｅ ｌ， ｎ ｅ ｌ ｍｅ ｆ ｃ ｅ ｏ ｎｔ ｎ ｉ ｉ ｅ ａ ｅ ｚ ｄ ａ ｇ ｒ ｈ ｗ ｓｉ ｒ ｖ ｄ ｍａ ｋ ｄ ｙ ａ ｄ ｒ ａ—ｉ ａ ｅｒ ｃ ｇ ｉ ｏ ｎ ｖｄ ｏ ｗ ｓ ｒ ａｉｅ ． ｉ ｔ ｉ ｌ Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：ＴＭＳ ２ ＤＭ６ ２ ａ ｅ ｒ ｃ ｇ ｉ ｏ ；Ａｄ Ｂ ｏ ｔ ｌｏ ｉ ｍ；Ｇａ ｏ ａ ｓ ｒ ｔ ｎ ｏ ｔ ｚ ｔ ｎ ３０ ４ ；ｆｃ ｅ ｏ ｎ ｔ ｎ ｉ ａ ｏ ｓ ｇ ｒ ｈ ａ ｔ ｂ ｒｔ ｎ ｆ ｍａ ｉ ； ｐ ｉ ａｉ ｒ ｏ ｏ ｍｉ ｏ
一种改进FFT算法在DSP上的实现
２００６．２９计算机工程与应用１引言快速傅里叶变换（ＦＦＴ）是一种实现离散傅里叶变换（ＤＦＴ）的快速算法，是数字信号处理中最为重要的工具之一［１］。
由于ＤＳＰ便于实现“同址计算”和“码位倒置”，使得ＤＳＰ芯片计算ＦＦＴ比通用计算机快很多［２］。
对于常规算法，每次蝶形运算都要下载相应的旋转因子。
一个Ｎ＝２Ｓ点的ＦＦＴ算法，共有Ｓ级蝶形运算，每一级有Ｎ２个蝶形，完成所有运算需要下载旋转因子的次数为Ｓ×Ｎ２次。
每次读取旋转因子或者运算中直接生成旋转因子，都会消耗一定的时钟周期，然而这其中有很多旋转因子是相同的，比如ＷＮ０等，那么在运算中下载这样的旋转因子就成了冗余。
如果计算很大点数的ＦＦＴ，每计算一个蝶形，都要从内存引用相应的旋转因子，这样会消耗大量的指令周期和内存读取次数，本文讨论了如何减少旋转因子的引用次数，消除冗余的内存引用，并在ＤＳＰＶＣ５４０２平台上加以实现。
２改进算法传统基２按时间抽取ＦＦＴ（ＤＩＴＦＦＴ）要通过ｓ＝ｌｏｇ２Ｎ级蝶形运算来计算一个Ｎ点的ＦＦＴ。
下面以Ｎ＝１６为例来说明，其ＦＦＴ的蝶形结构如图１所示［３］，图中黑线表示带有权值－１。
共有４级蝶形运算。
其中旋转因子Ｗ１６０在所有蝶形运算中被引用了１５次。
如果能够有效减少类似的冗余引用，可以减少大量的指令周期和内存读取次数。
本文主要从以下两个方面入手来减少旋转因子的冗余引用。
２．１单级蝶形运算中的旋转因子对于Ｎ点ＤＩＴＦＦＴ，共有ｓ＝ｌｏｇ２Ｎ级蝶形运算，在第ｋ级，有一种改进ＦＦＴ算法在ＤＳＰ上的实现万佑红王锁萍（南京邮电大学电子工程系，南京２１０００３）Ｅ－ｍａｉｌ：ｗａｎｙｏｕｈｏｎｇｎｊ＠２６３．ｎｅｔ摘要快速傅里叶变换（ＦＦＴ）是数字信号处理中最为重要的工具之一。
而在具体硬件实现中，如何减少内存引用次数，以降低功耗具有更重要的意义。
论文以基２按时间抽取ＦＦＴ为例，在深入分析旋转因子性质的基础上，提出了一种改进ＦＦＴ算法可以减少旋转因子的引用次数，消除冗余的内存引用，并给出了在ＤＳＰＶＣ５４０２平台上的实验数据。
一种改进的人眼定位算法
图1 眼睛定位系统的流程图 步骤1 为预备工作。首先要得到确定眼睛时的模板和验 证时用到的人脸。在验证过程中要用到主元分析法(PCA) ， 所以在该步中需采用K-L 变换得到特征脸；步骤 2探测一幅
图中可能的眼睛点。这些眼睛点在图像空间表现为波谷；步 骤3 将图像上所有的候选眼睛点按照一定的标准组合起来， 对每一对眼睛，从原图中选出双眼窗口，与步骤1中的模板 进行匹配，满足匹配条件的定位候选眼睛对；步骤4进行验
部分灰度对比强烈检验该圆形是否为眼睛。文献 [5]采 用 的 是模板匹配法，建立眼睛模板后在图中寻找与模板匹配程度 最大的部分作为眼睛区域。这些方法的共同缺点在于对于复
作 者 简 介 ：胡 丹(1979－)，女，硕士生，主要研究方向为数字图 像处理、人脸检测及识别；贺贵明，教授 收 稿 日 期 ：2002-04-05
排除掉以上各种情况后，得到若干候选眼睛对。根据两 眼睛的坐标，可以算出两点之间连线的长度l以 及 连 线 与 水 平线之间的夹角。旋转图像使连线水平，以l为 标 准 ， 以 连 线中点为中心，截取大小为2l×(l/2) 的窗口，用基于线性插 值的重采样方法将它缩放为32×8。采用文献 [7]的方法，将 得到的眼睛窗口与步骤1中生成的眼睛模板进行匹配运算。
特征向量集
许多有用的特征。从一幅给定的图像中提取出眼睛，就可根 据它与人脸的关系得到识别所需的人脸，进而提取其他面部 特征。因此，眼睛定位往往是人脸识别系统的第一步，对于 高性能的自动人脸识别系统极为重要。
(一种核主元分析的人脸识别方法及其DSP实现)
v=
i= 1
i
( xi)( 6)源模块为系统提供电能供应 , 显示模块显示识别结 果 , 存储模块包括 SDRAM 模块和 FLASH 模块 , 分别 用来运行程序和固化程序 , 接口模块是为了后期系 统升级预留的接口。
则有 1 M
M M
(
= 1 M w=1
(
(x ) ( x ))
( xw )
( xw )
第 52 卷 第 8 期 2012 年 8 月
电讯技术 Telecommunication Engineering
Vol. 52 No. 8 Aug . 2012
文章编号 : 1001- 893X( 2012) 08- 1320- 04
一种核主元分析的人脸识别方法及其 DSP 实现
刘 嵩, 谭建军
( 湖北民族 学院 信息工程学院 , 湖北 恩施 445000)
3. 3
算法优化 优化是指通过提高硬件资源的并行利用程度 ,
提高代码运行速度, 减少运行时间[ 8] 。DSP 的算法 优化一般经过 3 个阶段, 流程如图 3 所示。
图 3 算法 优化流程图 Fig. 3 Algorithm optimization flow chart
第一阶段是直接使用 C 语言实现算法功能。T I 公司提供了片上支持库( Chip Support Library, CSL) 来 简化程序开发。 CSL 是一个 C 语言程序库 , 给出了 配置和控制片上外设的 C 语言接口。虽然也 可以 用写汇编程序的方法来操作片上外设, 但使用片上 支持库可以带来以下好处 : 使外设的使用变得容易、 缩短开发时间、 提供了所有外设寄存器和寄存器字 段的字符表示、 方便将代码移植到其他 DSP。 第二阶段是 C 语言程序的优 化。对于耗 时较 长的程序段, 采取从软 件入手, 兼顾硬件的优 化原 则, 重新组织程序结构。 第三阶段是汇编语言优化。找出不能满足效率 要求的代码段, 用线性汇编语言改写, 利用汇编优化 器进行优化。 在本实验中主要采取了如下优化手段。
基于DSP的人脸识别系统的设计与实现
第30卷第3期2017年05月唐山学院学报Journal of Tangshan UniversityVol. 30 No. 3May 2017基于DSP 的人脸识别系统的设计与实现王超(唐山学院智能与信息工程学院，河北唐山063020)摘要：为了提高身份识别系统的实时性、可靠性和便捷性，设计了基于DS P 的人脸识别系统。
基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法；DSP(DM 642)微处理器、CCD 传感器摄像头和显示屏等构成了该系统的硬件平 台。
测试结果表明，设计的人脸识别系统具有识别速度快和成功率高等优点。
关键词：人脸识别系统；人脸检测；人脸识别；数字信号处理器中图分类号：TP271+. 5文献标志码：A文章编号：1672 - 349X(2017)03 - 0067 -03DOI ：10. 16160/j. cnki. tsxyxb. 2017. 03. 014The Design and Realization of Face Recognition System Based on DSPWANG Chao(College of Intelligence and Information Engineering, Tangshan University, Tangshan 063000, China)Abstract ： In order to improve the promptness, reliability and convenience of the ID system, the authors of this paper have designed a face recognition system through DSP, in which the skin-based face detection algorithm and the face recognition algorithm based on the principal component analysis of the wavelet transform are the software algorithms. The hardware platform of the system is composed of a DSP microprocessor (DM 642), CCD camera sensors and displays. The testing results show that the designed face recognition system has the advantages of high recognition speed and success rate.Key Words ： face recognition system ； face detection ； face recognition ； DSP〇引言近年来，视频监控正在迅速普及，众多的视 频监控应用迫切地需要一种快速身份识别技 术，以实现智能预警。
头部多角度人脸快速跟踪算法DSP实现
Ｋｅ ｒｓ ｃ ｌｒｉ ａ ｅ ｙｗｏｄ ： ｏｏ ｇ ；ｍｕ ｔ ａ ｇ ｅ ａ ｅｔａｋｎ ｍ ｌｉ ｎ ｌ；ｆｃ ｒ ｃ ｉｇ；ＤＳ － Ｐ；ｆｔ ｕ ｅｅｔｏ ａｉ ｅｄ ｔｃｉｎ ｇ
０ ቤተ መጻሕፍቲ ባይዱ 言
目前 ，驾驶疲劳客观 检测技 术主要 分 为 ３种 ：一 是基 于驾 驶 员 生 理 参 数 的 检 测 ，如 脑 电，心 电，脑 氧 信 号 等＿ ；二是基于驾驶员行 为特 征 的检测 ，如 Ｐ Ｒ Ｌ Ｓ信 １ ＥＣＯ 号 ，嘴部状态Ｉ ；三是基 于车辆 行为 特征 的检测 ，如车道 ３ ］
（ ｃ ｏ ｌ ｆＭｅｈ ｎｃ ｌ ｇｎ ｅｉｇ，Ｓ ａ ｄ ｎ ｉｅｓｔ Ｓ ｈ ｏ ｃ ａ ｉａ ｉｅ ｒｎ ｏ Ｅｎ ｈ ｎ ｏ ｇＵｎｖ ｒｉ ｙ，Ｊｎ ｎ ２ ０ ６ ｉａ ５ ０ １，Ｃｈｎ ） ｉａ
Ａｂ ｔａ ｔ Ｉ ｈ ｉｌ ｆｒａ－ｉ ｕ ａ ａｅｔａ ｋｎ ｒｄ ｉｅ ａｉｕ ｅｅｔｏ ｓｒｃ ： ｎｔ ｅｆ ｄｏ ｅ ｌｔ ｅ ｍｅｈ ｍ ｎ ｆｃ ｒｃ ｉｇｆ ｒｖ ｒｆｔ ｅｄ ｔｃｉｎ，ｔｅｃａ ｓｃａｇ ｒ ｈ ｒ Ｏｃ ｍｐｅ ｈ ｔ ｈ ｏ ｇ ｈ ｌｓｉ ｌｏ ｉ ｍｓａｅＳ ｏ ｌｘｔ ａ ｅ ｔ ｔ ＤＳ ｓ ｓｅ ｃ ｎｎ ｔｔａ ｋ ｔ ｅｆｃ ｎ ｍｕｔ ａ ｇｅｓａｅｑ ｉｋｙ ａ ｄ ｅ ａ ｔ Ｐ ｙ ｔｍ ａ ｏ ｒｃ ｈ ａ ｅｉ ｌ－ｎ ｌ ｔｔ ｕｃ ｌ ｎ ｘ ｃｌ ｉ ｙ，Ｓ ｅ ｆｃ ｒｃ ｉｇ ａｇ ｒ ｈ ｓｐ ｅ ｅ ｔｄ Ｉ Ｏ ａｎ ｗ ａ ｅｔａｋｎ ｌｏ ｉ ｔ ｍ ｉ ｒｓｎ ｅ ． ｎ ＹＣｂ ｕ ｎｆｃ ｏｏ ｄ ｌ ｈ ａ ｅｉ ｐ ｅ ｒ ｃｓ ｅ ｉｓ，ｔ ｅ ｈ ａ ｅｒｇｏ ｓｅ ｔａ ｔｄｔ ｒ ｕ ｈ ｔ ｅｆｃ ｏｏ ｅｅ — Ｃｒｈ ｍａ ａ ｅｃ ｌｒｍｏ ｅ ，ｔｅｉ ｇ ｓ ｒ ｐｏ ｅ ｓｄ ｆ ｔ ｈ ｎｔ ｅｆｃ ｅ ｉｎ ｉ ｘ ｒｃｅ ｈ ｏ ｇ ｈ ａｅｃ ｌｒｄ ｔｃ ｍ ｒ
改进的投影算法在人眼定位的应用与仿真
文 章编 号 ：０６ ９４ （ ０ １ １ — ３ １ Ｏ １０ — ３ ８ ２ １ ） １ ０ １ 一 ４
计
算
机
仿
真
２１ １ ０ 年ｌ月 １
改进 的投 影 算 法在 人 眼定 位 的应 用 与 仿 真
盛 贤 ， 黄 山， 周 和
（ 四川大学 电气信息学院 ， 四川 成都 ６０ ６ ） １０ ５ 摘要 ： 研究驾驶员疲劳检测中眼睛定位问题 ， 眼睛的精确定位 是驾驶员疲 劳检测的前提 。针对 目前图像处理算 法 中的对眼 睛难 以精确定位 ， 导致了驾驶员疲劳检测不准而得 不到实 际的应 用， 了提高 检测准确 性 ， 出了一种改进 的投影 定位算 为 提 法。首先采用数学形态学对人脸识别结果进行改进 ， 然后根据眼睛 和眉 毛的位置特征 对眼睛定位 的结果 进行改进 ， 使眼睛
ＡＢＳ ＴＲＡＣＴ： ｓ ａ ｃ ｈ ｔｃ ｉｎ ｏ ｉｅ ’ ａ ｉｕ ａ ｅ ｎ ｄ ｇｔｌ ｉ ｇ ｒ ｃ ｓ ｉｇ Ｒｅ ｅ ｒ ｈ ｔ ｅ Ｄｅ ｅ ｔ ｆＤｒ ｒ ｓ Ｆ ｔ ｅ ｂ ｓ ｄ ０ ｉ ｉ ｍａ ｅ ｐ ｏ ｅ ｓｎ ．Ｐ ｅ ｉｅ ｐ ｓ ｉｎ ｎ ｆ ｏ ｖ ｇ ａ ｒ ｃｓ ｏ ｉ ｏ ｉｇ ｏ ｔ ｔ ｅ ｅ ｅ ｓｔ ｅ ｐ ｅ ｓ ｆｔ ｅ ｄ ｖ ｒｆ ｔ ｅ ｄ ｔ ｃｉｎ ｈ ｙ ｓ ｉ ｈ ｒ ｍｉｅ ｏ ｒ ｅ ａｉ ｅ ｅ ｔ ．Ｄｒｖ ｒｆ ｔ ｅ ｄ ｔｃ ｉｎ ｂ ｓ ｄ ｏ ｍａ ｅ ｐ ｏ ｅ ｓｎ ａ ｏ ｅ ｈ ｉ ｕ ｇ ｏ ｉ ｅ ａｉ ｅ ｅ ｔ ａ ｅ ｎ ｉ ｇ ｒ ｃ ｓｉ ｇ ｃ ｎ ｎ ｔ ｕ ｇ ｏ ｂ
ｐｒ ｏ ｏｉ ｎ ｗ ｌｎ ｅｅｕｅ ｐｉ ｚ ｉ ａｇｒｈ ｅ，ｃｒ ｓ ｎａｄｓ ｅ ｉｇｗ ｒ ｓｄｔ ｏｔ ｅｔ ｓ ｌｏｉ ｍ．Ｖ ｒｃ ｒ ｅｔ ｎａｄｈ ｒｏ ｔ ｒｊｃｏ ｅ ｒ ｏ ｌ ｏ ｍｉ ｈ ｔ ｅｔ ａ ｐｏ ｃｉ ｎ ｏ ｚｎａ ｐｏｅｔ ｎｗ ｒ ｉｌ ｊ ｏ ｉ ｌ ｉ ｅ
DSP论文：人脸检测及其DSP实现
DSP论文：人脸检测及其DSP实现【中文摘要】随着人们安全防范意识的不断提高,视频监控已经被各个领域广泛应用。
从工业生产到日常生活,视频监控以其直观、方便、实时的特点越来越受到人们的欢迎。
但是,现今大多数的视频监控还停留在操作人员肉眼监控的状态,为了将操作人员从繁重的监控工作中解放出来,具有数字化、网络化、智能化等特点的新型视频监控系统应运而生。
数字图像处理技术为视频监控的智能化提供了可能,该技术也为视频监控带来智能化应用。
人脸对象是视频监控系统中最受关注的对象,是一种非常有潜力的身份验证途径。
本文主要研究了基于DSP实现的人脸检测问题。
在研究了当今各种主流的人脸检测算法及其原理之后,通过对比发现AdaBoost算法在计算机仿真领域以及实际应用均较为广泛。
因此采用AdaBoost算法作为人脸检测的基本算法,通过对样本的训练得到人脸检测所需的分类器,再由分类器检测得到图像中的人脸区域。
DSP开发板采用的是TI公司生产的达芬奇系列数字视频图像处理系列TMS320DM6437。
该开发板包含DSP子系统,视频处理子系统和相关外设。
将基于AdaBoost算法的人脸检测软件程序通过优化等处理,从计算机上移植到DSP开发板上并执行,大大缩短了检测时间,提高了检测的效率并保证了实时性,为人脸检测以及人脸识别的相关视频监控提供了有效的实际应用。
【英文摘要】With the continuous improvement of people’s awareness for security, video surveillance has been widely usedin various fields. Either industrial production or daily life, video surveillance is more and more popular with its intuitive, easy, real-time characteristics. However, most of today’s video surveillance still needs the operator’s monitoring, in order to liberate operator from heavy work of monitoring, a new digital, networked, intelligent video surveillance system come into being. Digital image processing technology makes probability for intelligent video surveillance, and will bring more applications in this field.Human face is the most important part in video surveillance, and a very promising way of authentication. This paper mainly focuses on the implementation of DSP-based face detection. After studying the current mainstream of face detection algorithms and their principles, we find out that the AdaBoost algorithm is more extensive in the field of computer simulation and practical application. So we decide to use AdaBoost face detection algorithm as the basic algorithm, and train samples for classifiers. Then the facial regions are obtained by cascade classifier in the face detection. TMS320DM6437 is one kind of DaVinci digital video image processing DSP produced by TI Incorporated. The DM6437EVM contains DSP subsystem, video processing subsystem and related peripherals. After optimizingAdaBoost-based face detection software program and porting the code to the DSP EVM, the face detect program can be run on the DSP system. It turns out that this real-time detection greatly reduces detection time, and improves detection efficiency. Inthis way, the system can provide an effective practical application for human face detection and recognition of the relevant video surveillance.【关键词】DSP AdaBoost 人脸检测 DSP/BIOS 移植【英文关键词】DSP AdaBoost Face Detection DSP/BIOS Porting【目录】人脸检测及其DSP实现【备注】索购全文在线加好友：1.3.9.9.3.8848同时提供论文写作一对一指导和论文发表委托服务摘要5-6ABSTRACT6图列9-10表列10-11符号说明11-13第1章绪论13-19 1.1 引言13-14 1.2 人脸检测的研究目的和意义14-17 1.3 课题主要研究内容17 1.4 论文结构17-19第2章人脸检测算法19-31 2.1 人脸检测算法介绍19-22 2.1.1 基于知识的方法19-20 2.1.2 基于特征的方法20-21 2.1.3 基于表象的方法21-22 2.2 AdaBoost方法22-26 2.2.1 Boosting算法22-23 2.2.2 AdaBoost算法原理23-26 2.2.3 AdaBoost算法在人脸检测中的应用26 2.3 矩形特征和积分图26-29 2.3.1 Haar特征26-28 2.3.2 积分图28-29 2.4 分类器和级联29-30 2.5 本章小结30-31第3章人脸检测系统整体设计31-45 3.1 人脸检测系统框架31-33 3.2 系统各模块结构及其功能33-39 3.2.1 DSP子系统33-35 3.2.2 视频处理子系统35-38 3.2.3 相关外设38-39 3.3 集成开发环境CCS39-44 3.3.1 编程及调试39-42 3.3.2 嵌入式实时操作系统DSP/BIOS42-43 3.3.3 实时数据交换43-44 3.4 本章小结44-45第4章人脸检测系统的开发及其实现45-57 4.1 人脸检测软件开发流程45-47 4.2 算法原型和算法改进47-51 4.2.1 开源计算机视觉库OpenCV47-49 4.2.2 搜索窗口的优化49-51 4.2.3 扫描步长的优化51 4.3 程序代码的移植、优化51-54 4.3.1 浮点和定点51-52 4.3.2 基于DSP的代码优化52-54 4.4 实验结果分析54-56 4.5 本章小结56-57第5章总结与展望57-58参考文献58-61附录161-62致谢62-63攻读学位期间参加的科研项目和成果63。
基于改进GIPF和形态学滤波的快速人眼定位方法
基于改进GIPF和形态学滤波的快速人眼定位方法王金海;吴立平;崔军【摘要】针对传统积分投影方法易受眉毛、睫毛、阴影、遮挡及噪声等干扰的问题，提出了一种改进梯度积分投影（GIPF）和形态学滤波相结合的快速人眼定位算法。
该算法首先采用二维梯度算子计算人脸图像的行列积分投影，完成人眼粗定位，减少眉毛和光照等的干扰；其次，利用形态学滤波平滑图像边界的特点，准确分离出瞳孔区域；最后采用不规则矩求质心的方法精确定位人眼。
该方法在耶鲁大学的YaleB图像库、ORL及日本表情库（JAFFE）上表现优异。
实验结果表明，本方法不易受眉毛及噪声干扰，对不同光照条件及头部姿态都有良好的鲁棒性，并且运算速度更快。
%To overcome the effects ofeyebrows,eyelashs,shadows,occlusion and noises in traditional integral projection methods,this paper presents a fast algorithm for eye localization combined an improved gradient projection function (GIPF) method with morphological filtering. First of all, it uses a two-dimensional gradient operator to calculate the integral projection of a human face to locate the human eyes roughly. Secondly, in order to separate the pupil area accurately, morphological image filtering algorithm is used to get a smooth boundary. Finally, the precise position of human eyes can be obtained by centroid calculation with irregular shape image moments. We have compared this method with the Japanese expression database (JAFFE), the YaleB database and the ORL database. This method is much faster for eye localization, without influences by the eyebrows, furthermore,it shows good robustness to different light conditions and head poses as well as other noise interferences.【期刊名称】《天津工业大学学报》【年(卷),期】2015(000)001【总页数】5页(P55-58,63)【关键词】人眼定位;积分投影;索贝尔算子;形态学滤波;GIPF【作者】王金海;吴立平;崔军【作者单位】天津工业大学电子与信息工程学院，天津 300387; 天津市医学电子诊疗技术工程中心，天津 300387;天津工业大学电子与信息工程学院，天津300387;天津工业大学电子与信息工程学院，天津 300387【正文语种】中文【中图分类】TP391.4眼睛作为人脸的主要特征之一，在人脸检测中起着重要作用.人眼的准确定位是人脸其他部位检测、提取的基础.由于眼睛在脸部的位置特点，眼睛定位易受眉毛、刘海及皱纹的干扰，因此眼睛定位正朝着准确且快速的方向发展.目前，人眼定位方法主要有：①形状模板匹配法[1-3]，此方法能够同时得到眼睛的位置和形状信息，但模板表示复杂，且存在能量函数收敛的问题；②基于统计学习的方法[4-5]，这类方法对眼睛形状鲁棒性较强，但是需要大量训练样本；③基于灰度特征的方法[6-8]，此方法具有计算量小以及尺度不变性等优点，被广泛应用于人眼定位[9-10].传统的基于灰度特征的人眼定位方法IPF（integral projection function）、VPF（variance projection function）和HPF（hybrid projection function），主要是在某一行或某一列上的投影，这种一维的投影方式使得投影结果对头发、阴影等造成的灰度影响非常敏感，常常会在投影曲线中形成多个波峰或波谷，因此在实际运算过程中必然增大了运算误差，从而导致定位的准确度降低.在人脸图像中眼睛区域上面如果受到了额发的干扰，即使额发较稀少，干扰很轻，也会直接导致IPF、VPF和HPF的投影结果都产生众多的波谷，这就使得确定瞳孔位置的操作变得十分困难，增大了误检的概率.为了减小这种线状或小的片状干扰带来的误差，文献[11]提出了梯度积分投影（GIPF）的方法，此方法解决了眉毛干扰问题，但原有GIPF算法中的一维梯度算子易受光照的影响，产生的投影曲线不平滑，毛刺较多，受人脸背景、面部光照及虹膜亮点的干扰严重.本文提出了采用索贝尔算子作为梯度算子，索贝尔算子根据像素点上下、左右邻近点灰度加权差，在边缘处达到极值这一特点，减弱了光照的影响，产生的投影曲线更加光滑.针对人眼模块进行形态学滤波处理减少了计算量，很好的提取出瞳孔的图像；最后采用不规则矩求质心的方法精确定位人眼.一组梯度算子能够突出图像的局部灰度变化，即在局部灰度显著变化的区域（如虹膜和巩膜交界处）响应较大，而对噪声和模糊的边缘响应较小.因此，GIPF采用如图1所示的长度为7个像素的一维梯度算子分别计算图像中各点的行梯度和列梯度.GIPF算法图像的梯度模值由式（1）计算得到.式中：H为行/列梯度算子；f（x，y）为人脸图像.采用传统GIPF一维梯度算子卷积后该部分的行梯度模值，具体表示如式（2）. 经过梯度算子滤波后所得曲线的极大值处为人眼的位置，此值越大，该曲线对人眼定位的贡献越大，权值也应该越大；极大值以外的其他数据越平滑，则对人眼定位的干扰越小，相应权值也应该越小.由上式可以看出传统的GIPF采用的一维梯度算子，由于只结合了该点上下的灰度值进行求梯度运算，虽然对图像边缘更敏感，但是当出现干扰时，某个区域的梯度肯定会发生变化，从而降低了该算法的抗噪声能力，导致该算法对光照很敏感，因此得到的曲线不够平滑.2.1 改进的GIPF通过上述对GIPF算法的阐述分析得知，GIPF法虽然可以独立使用投影法定位人眼，但一维梯度算子受人脸背景、面部光照及虹膜亮点的干扰严重.为了解决这个问题，本文采用索贝尔算子作为梯度算子进行人眼模块的分割.如式（3）所示，该算子包含2组3*3的矩阵，Hx、Hy与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值.本文的行梯度模值Gx具体计算如式（4）所示.索贝尔算子根据像素点上下、左右邻近点灰度加权值，在边缘处达到极值这一现象检测边缘.对噪声具有平滑作用，提供较为精确的边缘方向信息，当出现光照干扰时考虑到上下左右灰度的加权值，这一区域的梯度变化不会凸现出来，得到的曲线会更加平滑，使得干扰减小.相比较一维梯度算子滤波，在光照的影响下图像中眉毛区域响应更弱，消除了眉毛对人眼定位的影响，并且眼睛区域的响应更加明显.2.2 人眼区域的提取传统投影方法确定人眼区域时，需要利用“三庭五眼”的规则，分割出的人眼区域多数包含眉毛.而眉毛对传统投影方法会有很大的干扰.通过上述对改进的GIPF算法的分析得知，改进的GIPF算法能够有效地突出图像局部变化，且对光照的影响不明显，所得到的曲线更加光滑.利用上述算法进行了测试，人脸图像样本和梯度投影结果如图2所示.从图中可以看出瞳孔位置出现明显波峰，达到了很好的眼睛粗定位效果.本文首先对人脸图片进行边缘检测，以加强图片的边缘效应，效果如图2（b）.加强边缘后，先进行行积分投影，投影效果如图2（c）.本文取人脸图像的行梯度投影积分函数的最大值位置作为人眼中心的水平位置，从最大值位置开始分别向上、下两个方向寻找其上下第一个波谷的位置作为人眼区域的上下两条边界.针对上一步提取出的眼睛条状模块用索贝尔列梯度算子进行列梯度积分投影，而不是直接对整幅图片做列积分投影.因为经过裁剪的条状模块剔除了与眼睛不相干的干扰信息，同时与全图相比包含的像素数少，积分投影时，占用较少的资源，提高算法的总体执行速度，投影图如2（d）所示.对比眼睛条状模块可以看出，眼睛边框部分梯度变化最明显，在两个眼眶部分形成了波峰.因此，从投影图波峰位置开始分别向左、右两个方向寻找其左右第一个积分投影值为0的位置作为人眼区域的眼眶宽度，并用白色的方框将左右眼眶框出来.部分图像定位结果如图3所示.2.3 人眼精确定位前两步得到的眼睛窗口中主要包含灰度值较小的瞳孔和虹膜区域以及灰度值较大的巩膜和皮肤区域.一般认为虹膜中心即是眼睛的中心位置，本文提出了一种对形态学滤波后的图片求不规则矩中心的方法定位虹膜的中心.由粗定位提取的人眼块经过预处理后所得到的边界是很不平滑的，而且具有一些错判的孔洞，背景区域散布着一些小的噪声物体，不利于精确定位.本文利用形态学分离物体、平滑边界的优点进行精确定位.通常的形态学运算经常被用在人眼的粗定位上，容易受眉毛和嘴部的影响，要消除的物体边界过于多，不能完全利用形态学的优势.在本文先提取眼睛模块的基础上，排除了眉毛等器官的影响，直接对眼部图像进行预处理和形态学滤波处理，不仅计算量明显减少而且速度和准确度明显提高.具体实现方法如下.处理效果如图4所示.（1）对人眼块进行预处理：首先采用直方图均衡化的方法增强局部的对比度.其次，为了确定虹膜区域，要对图像进行图像分割[12].本文采用阈值分割的方法将图像二值化，确定出虹膜区域.图4（a）为眼睛模块通过预处理后的效果图.（2）分离出瞳孔.因为低尺寸结构元素的腐蚀操作很容易去掉图像中分散的椒盐噪声，所以本文选用3× 3矩形，锚点在中间的结构元素对二值化后的眼睛图像进行4次开运算（当低于4次开运算时得到的图像不够平滑，4次开运算时得到的图像达到较好的滤波，大于4次开运算，增加了算法的运行时间，降低了执行效率和鲁棒性），效果最佳，眼睛部分的最大连通区域效果明显.从图4（a）、（b）可以看出，经过开运算之后，虹膜被准确地提取出来，形成了不规则的连通区域.针对瞳孔的连通区域本文提出了采用不规则区域矩的方法计算眼睛的中心，把一个归一化的灰度级图像函数理解为一个二维随机变量的概率密度，如式（5）所示，定义为mp，q.式中：M和N为图像水平和垂直方向的维数；f（m，n）为图像在点（m，n）处的灰度值.设图片中心坐标（Xc，Yc），则Xc=m10/m00；Yc=m10/m00；在二值图像的情况下，m00为白色区域的0阶矩，表示域的面积.m10和m01为其两个1阶矩.这样通过提取滤波后的0阶和1阶矩，计算出眼睛的中心.经过实验分析证明了上述分析的合理性.首先，在当前图像的灰度图像中，根据眼睛所在连通区域的坐标，计算瞳孔的特征向量，然后，通过计算得出眼睛坐标，在截取的人脸图像中用红色点标定出来. 实验 1：该实验程序采用 Qt4.8编写，采用opencv2.0的动态链接库，硬件平台为：windows7 2G RAM INTEL Core i3 3.3 GHz.分别在耶鲁大学的YaleB人脸数据库、剑桥大学的ORL数据库和日本女性表情图像库The Japanese Female Facial Expression（JAFFE）3个数据库分析算法的整体性能.YaleB人脸库包含38个人、9种姿态和64种光照的21 888种图像，因此，用此人脸库能较好地验证出算法对光照的适应性.本文从中随机选取光照水平角在40°以内的400张人脸图像作为一个测试集，用于考察算法对光照的适应性.选取由剑桥大学实验室创建的ORL数据库，包含40人共400张面部图像作为一个测试集，部分志愿者的图像包括了姿态、表情和面部饰物的变化，用以考察算法对姿态、面部遮挡物的适应性.选取JAFFE人脸库中包括215张图像，通过该测试集可以考察算法对表情及人脸边缘的适应性.测试结果如表1，部分测试图片效果如图5所示.表1给出了本文算法在3个图像库的定位准确度和定位时间，可以得出本文提出的方法在JAFFE和ORL上的测试结果明显高于YaleB上的结果，这主要由于YaleB中的样本存在光照变化，并且样本小角度姿态变化使脸部光照的影响更加严重，而光照对定位的影响较表情、姿态及边缘的影响要严重.图5给出了本文算法的部分定位结果，该算法在大角度偏光、强光照、姿态变化及存在夸张表情等情况下，都能成功定位.实验2：对文献[13]中的混合投影函数（HPF）的眼睛定位方法和文献[11]中的梯度积分投影（GIPF）方法研究，并在光照复杂的YaleB人脸数据库上进行实现.经过实验对比，3种方法在YaleB库上的定位准确率及运算时间如表2所示.表2给出了不同人眼定位方法的定位率以及平均运算时间，可以看出，由于YaleB 数据库中的图像存在光照问题，以上2种方法的定位都受到了影响，本文的方法在一定程度上减小了光照的影响，虽然前期二维算子的运算时间高于一维梯度积分投影算法时间，但是减小了光照影响，后期采用的形态学滤波方法进行精确定位时计算量小，运算速度快.从而本文方法整体运算速度很快，平均时间最短，人眼定位准确度提高.与HPF、GIPF法相比，本文方法减弱了光照对人眼定位的影响，运算速度较快，人眼定位准确率较高.传统投影算法对人脸边缘、表情及光照适应性差，易受眉毛、刘海及皱纹等干扰，并且无法从人脸图像中自动获取人眼区域.针对上述问题，本文提出了一种改进的梯度积分投影与形态学滤波结合的人眼定位算法.该算法能够减弱光照的影响，大大提高了算法的鲁棒性.本文算法不仅能够从光照复杂及存在背景的人脸图像中自动获取人眼区域，而且能够克服表情、阴影、眼镜及皱纹等的影响，快速实现人眼定位.从人脸库测试结果看，本文采用改进二维梯度积分投影与形态学滤波结合的算法优于传统投影算法，并且综合运算时间短，提高了识别速度.【相关文献】[1]HANSEN D W，J I Q.In the eye of the beholder：A survey of models for eyes andgaze[J].IEEE Trans Pattern Analysis and Machine Intelligence，2010，32（3）：478-500.[2] 刘源.基于模板匹配算法的人眼定位方法[J].火力与指挥控制，2014，39（5）：124-126.[3] 郑玉铎，田杨萌，靳薇.基于AdaBoost和ASM算法的人眼定位[J].北京信息科技大学学报，2013，28（3）：73-76.[4] 胡涛，王家乐.基于支持向量机的人眼检测[J].计算机工程与应用，2008，44（24）：188-190.[5]KIM H，KIM W.Eye detection in facial images using Zernike moments with SVM[J].ETRI Journal，2008，30（2）：335-337.[6]黄彬彬，唐琎．一种新的人脸图像中眼睛定位方法[J].液晶与显示，2009，24（2）：278-282.[7] 李爱平，魏江，郝思思.基于灰度投影与改进Hough变换的人眼定位算法[J].电子设计工程，2014，22（16）：171-173.[8]王文成，常发亮.一种基于区域投影的人眼精确定位方法[J].光电子·激光，2011，22（4）：618-622.[9]辜小花，龚卫国，杨利平.有监督图优化保局投影[J].光学精密工程，2011，19（3）：672-680.[10]王力，唐琎，许海柱．一种基于Harris角点检测的快速瞳孔定位方法[J].液晶与显示，2008，23（11）：87-90.[11]孟春宁，白晋军，张太宁，等．基于梯度积分投影和最大期望算法的人眼定位[J].光电子·激光，2012，23（10）:1971-1976.[12]翁秀梅，肖志涛，杨洪薇.基于边缘检测和区域生长的自然彩色图像分割[J].天津工业大学学报，2008，27（1）：50-52.[13]韩文静，李晶，孙农亮.基于HPF和Hough变换的人眼精确定位[J].计算机工程与应用，2008，44（10）：64-66.。
基于DSP的AdaBoost人脸检测算法实现
基于DSP的AdaBoost人脸检测算法实现第２９卷第１４期计算机工程与设计２００８年７月Ｖ０１．２９Ｎｏ．１４ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎＪｕｌｙ２００８基于ＤＳＰ的ＡｄａＢｏｏｓｔ人脸检测算法实现金友芝，苏光大，魏良（清华大学电子工程系，北京１０００８４）摘要：为解决人脸检测实时性问题，提出了基于ＤｓＰ实现人脸检测算法。
改进了ＡｄａＢｏｏｓｔ人脸检测算法，在层次型ＡｄａＢ００ｓｔ检测算法的基础上，改进了特征定义方式，提出模糊层次型人脸检测器结构。
介绍了ＴＩ公司的ＤｓＰ芯片及其外围电路，描述了系统中各个模块的工作流程。
最后，阐述了利用ｃｃＳ对ＤｓＰ程序进行优化。
实验结果表明，在输入图像大小为２５６×２５６像素的条件下，检测速度达到每秒２６帧，误检率只有Ｏ．９％，实现了实时人脸检测的要求．关键词：人脸检测；硬件处理；层次型分类器；视频采集；算法优化中图法分类号：１１Ｐ３９１．４１文献标识码：Ａ文章编号：ｌ０００．７０２４（２００８）１４．３６５４．０３ＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｆａｃｅｄｅｔｅｃｔｉｎｇａｌｇｏｒｉｔｈｍｏｆＡｄａＢｏｏｓｔｂａｓｅｄｏｎＤＳＰＪＩＮＹｏｕ－吐ｉ，ＳＵＧｕａｎｇ－ｄａ，ＷＥＩＬｉａｎｇ（Ｄ印ａｎｍｅｎｔｏｆＥｌｅｃ廿ｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉＶｅｒｓｉ坝Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｂｓｏｌｖｅｔｈｅｔｅｃｈｎｉｃａｌｐ匹ｏｂｌ锄ｏｆｒｅａｌ．ｔｉｍｅｆ．ａｃｅｄ烈ｅｃｔｉｏｎ。
ＤＳＰｉｓｕｓｅｄｔ０ｉｍｐｌｅｎｌｅｎｔｔｈｅａｌｇｏｒｉｔｈｍｏｆｆｈｃｅｄ咖ｃｔｉｏｎ．ＴｈｅＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍｏｆｈ啪柚ｆｈｃｅｄｅｔｅｃｔｉｏｎｉｓｏｐｔｉｍｉｚｅｄ．Ａｎｏｖｅｌｆｅａｔｕｒｅｄｅｆｉｎｉｔｉｏｎｉｓｐ∞ｐｏｓｅｄａ１１ｄ锄ｉｍｐｒｏｖｅｄｃａｓｃａｄｅ－ｓｔｒｕｃｔｕｒｅｄｃｌ蠲ｓｉ丘ｅｒｗｈｉｃｈｉｓｃａＩｌｅｄ丘ｌｚｚｙｃａｓｃａｄｅｃｌ嬲ｓｉｆｉｅｒｉｓｐｒｅｓｅｎｔｅｄ．１１１ｅＤｓＰｃｈｉｐｏｆＴＩｃｏｍｐａｎｙ锄ｄｉ协ｐ耐ｐｈｅｒｙｃｉｒｃｕｉｔａｒｅｉｎ的ｄｕｃｅｄ．ｎｅｗｈｏｌｅｐｒｏｃｅｄ呲ｏｆｔｌｌｅｄｅｔｅ曲ｇｓｙｓ蜘ｌｉｓｄｃｓｃｒｉｂｅｄ．№ａｌｌｙ，ｍｅＤＳＰｐｒｏｇｒａｍｉｓｏｐｔｉｍｉｚｅｄｌｌｓｉｎｇｔｈｅｃｃｓ．１１１ｅｄｅｔｅｃ缸ｇｓｐｅｅｄｒｅａｃｈｅｓ２６ｆｉｌｍｓｐｅｒｓｅｃｏｎｄｗｉｍ２５６×２５６ｐ溉１ｓｉｍａｇｃｉ印ｕｔ．Ｔｈｅ删ｒａｔｅｉｓｏｎｌｙ０．９％．Ｔｈｅ他ａｌ－ｔｉｍｅ舭ｅｄｅｔｅ鲥ｏｎｉｓｉｍｐｌ啪ｅｎｔｅｄ．Ｋ－ｅｙｗｏｒｄｓ：ｆａｃｅｄｅｔｅｃｔｉｏｎ；蛐ａｒｅｐｒｏｃｅｓｓｉＩｌｇ；ｃａｓｃａｄｅ－ｓ仇ｌｃｔｕｌ．ｃｄｃｌａｓｓｉｆｉｅｒ；Ｖｉｄｅｏａｃｑｕｉｓｉｔｉ∞；ａＩｇｏｒｉｎｌｍｏｐｔｉｍｉｚａｔｉ∞０引言人脸检测是指对于给定的图像或视频，无论人脸位置、方向和光照条件，确定所有人脸（如果存在）的位置、尺度和姿态的过程Ⅲ。
一种改进的基于灰度投影的人眼定位算法
一种改进的基于灰度投影的人眼定位算法王锟;田翔;王卫锋【摘要】利用灰度投影对人脸图像进行检测和眼睛定位是一种常用方法,但是直接采用该算法进行眼睛定位,容易将鼻子或嘴的水平位置误判为眼睛水平位置,从而导致检测准确率降低.在计算图像水平方向灰度投影时,加入像素点的位置方差特征,可以准确地找出眼睛的水平位置,从而精确地定位眼睛坐标.算法在FERET人脸数据库上测试,准确率达92.4%.%It is a common method to use gray-level projection to detect face image and eye location. But if use this method alone, the nose or mouth horizontal position may be got as the eye horizontal position, which will reduce the accuracy rate of eye location. When the eye horizontal position is calculated, a new variance feature is added. And in this method the eye horizontal position more correctly can be got. The improved algorithm is tested on the FERET face image database, and the accuracy reach 92. 4％.【期刊名称】《科学技术与工程》【年(卷),期】2011(011)016【总页数】3页(P3845-3847)【关键词】灰度投影;人眼定位;人脸识别【作者】王锟;田翔;王卫锋【作者单位】华南理工大学理学院数学系,广州510640;华南理工大学理学院数学系,广州510640;华南理工大学理学院数学系,广州510640【正文语种】中文【中图分类】TP391.41计算机自动人脸识别技术的研究始于20世纪60年代末期，它在视频监控中的目标识别、安全系统中的身份认证等领域有着广泛的应用，作为一种重要的基于生物特征识别的身份识别技术，近些年来吸引了来自图像处理、模式识别、计算机视觉等领域的学者的研究［1，2］。
一种改进的人眼定位算法研究
一种改进的人眼定位算法研究房爱青;吴金强;李长勇;刘威【摘要】With the development of science, human-computer interaction has increasingly become the mainstream trend of social development. From the traditional mouse human-computer interaction, gesture interaction, voice interaction to the human eye vision interaction, etc, in the form of interaction and variety also more and more, more and more complex. Especially the robot technology rapid development today, the human-computer interaction has become a research focus at home and abroad. Eye location precision has an important influence on the line of sight control the robot, so the traditional eye location algorithm was studied and improved,and put forward based on least square circle fitting and improve eye location algorithm of integral projection,for the human eye vision control the robot in the late technology to lay a solid foundation.%随着科学的发展,人机交互日益成为社会发展的主流趋势.从传统的鼠标人机交互、手势交互、语音交互再到目前的人眼视线交互等,交互的形式和种类也越来越多、越来越复杂.尤其是机器人技术快速发展的今天,人机交互已经成为国内外的研究热点.人眼定位的精度对视线控制机器人具有重要的影响,因此对传统人眼定位算法进行了研究和改进,提出基于最小二乘法圆形拟合和改进积分投影的人眼定位算法,为后期的人眼视线控制机器人技术打下坚实的基础.通过实验发现该算法具有较强的鲁棒性与很高定位精度.【期刊名称】《机械设计与制造》【年(卷),期】2018(000)005【总页数】4页(P82-85)【关键词】人眼定位;混合投影;最小二乘法圆形拟合【作者】房爱青;吴金强;李长勇;刘威【作者单位】新疆大学机械工程学院,新疆乌鲁木齐830047;新疆大学机械工程学院,新疆乌鲁木齐830047;新疆大学机械工程学院,新疆乌鲁木齐830047;新疆大学机械工程学院,新疆乌鲁木齐830047【正文语种】中文【中图分类】TH16;TP242.31 引言随着国家对机器人发展重视度的提升，机器人技术成为研究热点[11]。
AdaBoost人脸检测算法在DSP上的移植与优化
AdaBoost人脸检测算法在DSP上的移植与优化朱明;陆小锋;陆亨立;李莹娇;张东升【期刊名称】《计算机工程与应用》【年(卷),期】2014(000)020【摘要】将Viola等人提出的AdaBoost人脸检测算法由PC机移植到TMS320DM642嵌入式平台，采用EMCV （Embedded Computer Vision Library）移植方案，将PC平台的OpenCV（Open Source Computer Vision Library）视觉库中有关AdaBoost算法的模块修改使之适应嵌入式DSP平台。
该移植工作主要解决了OpenCV在嵌入式平台的不兼容问题以及不同体系架构的编译器环境和库文件导致的编译和链接错误。
优化工作在TI的编译器CCS中进行，在编译器平台下进行C语言的项目及程序优化，并进行了大量实验数据的对比，给出了优化的方案，对实现系统的实时性有指导性作用。
%This paper transplants the AdaBoost algorithm proposed by Viola from PC platform to TMS320DM642 platform. The transplantation solves the compile problem caused by the difference between PC and DSP platform. The algorithm optimization is proceeding in CCS compiler which is provided by Texas Instruments. The paper optimizes the AdaBoost algorithm by the optimization of C code and the project settings, and a lot of experiments are done to give out the optimi-zation solution. It plays a guiding role in the implementation of real-time feature in embedded DM642 platform.【总页数】6页(P197-201,232)【作者】朱明;陆小锋;陆亨立;李莹娇;张东升【作者单位】上海大学通信与信息工程学院，上海 200072;上海大学通信与信息工程学院，上海 200072;上海大学通信与信息工程学院，上海 200072;上海大学通信与信息工程学院，上海 200072;上海大学通信与信息工程学院，上海200072【正文语种】中文【中图分类】TP391.4【相关文献】1.基于DM642的AdaBoost人脸检测算法优化与实现 [J], 李全利;何世民2.基于DSP的AdaBoost人脸检测算法实现 [J], 金友芝;苏光大;魏良3.基于优化加权参数的AdaBoost人脸检测算法 [J], 缪丹权;郑河荣;顾国民4.基于AdaBoost人脸检测算法在DSP上实现 [J], 姚瑶;刘辉;王浩5.基于改进Adaboost人脸检测算法的研究及DSP实现 [J], 谭晓衡;张建慧因版权原因，仅展示原文概要，查看原文内容请购买。
改进的积分投影眼睛定位算法
改进的积分投影眼睛定位算法夏伟;张立材【期刊名称】《现代电子技术》【年(卷),期】2011(34)8【摘要】基于计算机视觉处理的方式大多都是通过分析眼睛的状态来判断驾驶员的疲劳状态,其中,眼睛的精确定位是关键环节.提出一种改进的积分投影眼睛定位算法,通过在自然环境下先检测出人脸,然后进行眼睛的精准定位.首先利用肤色分割对人脸进行初定位,在初定位的基础上结合形态学框选出人眼区域,然后利用水平和垂直积分投影曲线精确定位眼睛.实验结果表明该算法简便易行,速度快,定位准确度较高,能满足疲劳检测的应用要求.%Most of vision-based methods are carried on through the analysis of eye state to confirm the fatigue state, in which the accurate localization for the eyes is improtant. A kind of improved integral projection eye location algorithm is introduced, which detects the face under natural environment in advance, and then locates the eyes accuratejy. Firstly, using the skin color division to initially locate the person face and combining the morphology frame to select the human eye region.Then, using the horizontal and vertical gradation integral projection curve to find the eye location. Experimental results prove that the method is simple and easy to be realized, and has higher accuracy and speed performance. In addition, it also meets the application requirement of fatigue detection【总页数】3页(P105-107)【作者】夏伟;张立材【作者单位】西安建筑科技大学,陕西,西安,710055;西安建筑科技大学,陕西,西安,710055【正文语种】中文【中图分类】TN919-34;TP309【相关文献】1.基于积分投影的眼睛定位系统设计 [J], 杨超;李博文2.结合相关模板匹配和改进的积分投影眼睛定位方法 [J], 邓华秋;黄巧洁3.基于红外差分和积分投影的驾驶员眼睛定位 [J], 葛如海;符鸿玉;符凯;金桥4.基于积分投影的眼睛定位系统设计 [J], 杨超;李博文5.结合人脸特征和改进的积分投影的眼睛定位方法 [J], 邓华秋;黄巧洁因版权原因，仅展示原文概要，查看原文内容请购买。
基于DSP的实时声源定位及人脸检测系统的开题报告
基于DSP的实时声源定位及人脸检测系统的开题报告一、选题背景及意义随着智能家居、智能手机等产品的不断普及，人们对于声音处理和人脸检测等技术的要求也越来越高。
而基于DSP的实时声源定位及人脸检测系统，能够实现对于声音和人脸的实时处理和定位，为实现智能家居和智能手机等应用提供技术支持。
因此，开发基于DSP的实时声源定位及人脸检测系统具有深远意义和实际应用价值。
二、研究内容和方案本项目主要研究基于DSP的实时声源定位及人脸检测系统，主要包括以下研究内容和方案：1. 硬件设计：采用高性能的DSP芯片作为系统的核心，并配合相关模块实现声音和人脸的采集、处理和定位。
2. 声源定位算法：通过声音信号的采集、声源信号的分离、方向寻找等步骤来实现声源的定位，并采用合理的算法提高定位的准确度。
3. 人脸检测算法：通过图像采集和处理、特征提取和匹配等步骤来实现人脸的检测和识别，并选取适合实时处理的算法提高检测的准确度和速度。
4. 系统软件设计：设计相应的软件实现系统的控制和交互，实现用户与系统的信息输入、显示和反馈。
三、预期成果1. 实现基于DSP的实时声源定位及人脸检测系统的设计和开发。
2. 实现声源定位和人脸检测算法的优化和提高。
3. 实现系统的实时处理和反馈。
四、研究难点1. 声源定位算法的精确定位和实时性的优化。
2. 人脸检测算法的检测准确度和速度的提高。
3. 系统的硬件和软件的设计和开发难度。
五、研究计划1. 系统需求分析和设计（2周）。
2. 硬件和软件的实现和调试（6周）。
3. 算法优化和定位准确度的提高（4周）。
4. 系统的综合测试和实验验证（4周）。
六、研究经费和条件本项目需要使用到DSP芯片、传感器、图像采集设备等硬件设备，以及开发DSP程序、算法程序等软件设备。
研究经费需要20万元以上，并需要配备必要的实验室设备和技术人员。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
建立 实 时 图像处 理 硬 件 系统 ， 通过 Ｃ Ｃ Ｄ 获 取 视 频序 列 ， 再 利 用 Ｈａ ｒ ｒ脸 部 检 测 算 法 和 Ｃ ａ ｍ Ｓ ｈ ｉ ｆ ｔ 运 动 目标 跟踪 算法来 提取 人脸 区域 。在 此基 础上 采 用 临界 值 法和 Ｋ— ｍｅ ａ ｎ ｓ算 法进 行 人 眼定位 。采 用 Ｃ语 言编 程在 Ｔ Ｉ Ｄ Ｍ６ ４ ３ Ｅ ＶＭ 上进 行优 化 实验 ， 完 成 一次操作 只 需 ０ ． ４ ８ Ｓ 。
Ｖ ｏ１ ． ３５ Ｎｏ ．２
Ａｐ ｒ ． ２Ｏ１ ４
改进 的人 眼定 位算 法 在 ＤＳ Ｐ上 的快 速 实 现
孙 立书， 余 伟
（ 浙江东方职业技术学院 工程技术系 ， 浙 江 温 州 ３ ２ ５ ０ １ １ ）
摘 要 ：在 Ｐ Ｃ机 上 实现人 脸检 测是 一种 非在 线检测 ， 具 有 非 实 时性和 滞后 性 等 缺 点 ， 而将 嵌
Ｓ Ｕ Ｎ Ｌｉ — ｓ ｈ ｕ． ＹＵ Ｗ ｅ ｉ
（ Ｄｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｚ ｈ ｅ ｊ ｉ ａ ｎ ｇ Ｄ ｏ ｎ ｇ ｆ ａ ｎ ｇ Ｖｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ａ ｎ ｄ Ｔｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ，Ｗｅ ｎ ｚ ｈ ｏ ｕ ３ ２ ５ ０ １ １ ， Ｃｈ ｉ ｎ ａ ）
第３ ５卷 第 ２ 期
２ ０ １ ４年 ４月
长 春 工 业 大 学 学 报（ 自然 科 学 版 ）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅｄ ｉ ｔ ｉ ｏ ｎ ）
ｃ ｏ ｍｂｉ ｎ ａ ｔ ｉ ｏｎ ｏ ｆ ｅ ｍｂｅ ｄｄ ｅ ｄ ｓ ｙｓ ｔ ｅ ｍ ａ ｎ ｄ ｄ ｉ ｇ ｉ ｔ ａ ｌ ｉ ｍａ ｇ ｅ ｐ ｒ ｏｃ ｅ ｓ ｓ ｉ ｎｇ ｃ ａ ｎ ｏ ｖｅ ｒ ｃ ｏ ｍｅ ｔ ｈ ｅ ｓ ｈ ｏｒ ｔ ｃ ｏ ｍｉ ｎｇｓ ．Ｗ ｉ ｔ ｈ
Ｈａ ｒ ｒ ｆ ａ ｃ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎｄ Ｃａ ｍ Ｓｈ ｉ ｆ ｔ ｍｏｔ ｉ ｏ ｎ ｔ ａ ｒ ｇ ｅ ｔ ｔ ｒ ａ ｃ ｋｉ ｎ ｇ ａ ｌ ｇ ｏｒ ｉ ｔ ｈｍｓ ｔ ｏ ｅ ｘｔ ｒ ａ ｃ ｔ ｔ ｈｅ ｆ ｅ ａ ｔ ｕｒ ｅ ｓ ｏｆ ａ ｆ ａ ｃ ｅ ． Ｔｈｅ ｃ ｒ ｉ ｔ ｉ ｃ ａ ｌ — ｖ ａ ｌ ｕ ｅ ｍｅ ｔ ｈ ｏｄ ａ ｎｄ ｔ ｈ ｅ Ｋ— ｍｅ ａ ｎ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ａ ｒ ｅ ｕ ｓ ｅ ｄ ｆ ｏ ｒ ｅ ｙｅ ｓ ｌ ｏ ｃ ａ ｔ ｉ ｎ ｇ．Ｃ ｌ ａ ｎ ｇｕ ａ ｇｅ ｐ ｒ ｏｇ ｒ ａ ｍ ｉ ｓ ｏ ｐｔ ｉ ｍｉ ｚ ｅ ｄ ｉ ｎ ＴＩ ＤＭ ６ ４ ３ＥＶ Ｍ ｓ ｙ ｓ ｔ ｅ ｍ ，ａ ｎｄ ｏｎ ｅ ｏｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｏｎｌ ｙ ｎｅ ｅ ｄｓ ０． ４ ８ Ｓ ． Ｋｅ ｙ ｗｏｒ ｄ ｓ：ｅ ｙ ｅ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ；ＤＳ Ｐ；ｅ ｍｂ ｅ ｄ ｄ ｅ ｄ
关键词 ：人 眼定位 ；Ｄ Ｓ Ｐ ；嵌 入式 中图分 类号 ： ＴＰ ３ ９ １ ． ９ 文献标 志码 ： Ａ 文章编 号 ：１ ６ ７ ４ — １ ３ ７ ４ （ ２ ０ １ ４ ） ０ ２ — ０ １ ４ ８ — ０ ６
Ａｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｅ ｙ ｅ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａｌ ｇ ｏｒ ｉ ｔ ｈ ｍ ｒ ｅ ａｌ ｉ ｚ ｅ ｄ ｉ ｎ ＤＳＰ
Ｔ Ｍ Ｓ３２ ０ ＤＭ ６ ４ ３ ａ ｓ ｔ ｈｅ ｈａ ｒ ｄｗ ａ ｒ ｅ ｃ ｏ ｎｔ ｒ ｏ ｌ ｌ ｅ ｒ ａ ｎｄ ＣＣＤ ａｓ ｓ ｅ ｎｓ ｏ ｒ ｔ ｏ ｃ ａ ｔ ｃ ｈ ｖ ｉ ｄ ｅ ｏ ｓ ｅ ｑ ｕｅ ｎｃ ｅ ｓ，ｗ ｅ ａ ｐ ｐｌ ｙ ｔ ｈｅ
０ 引 言
目前 ， 有关 驾 驶 员 疲 劳检 测 的 方法 有 基 于 生 理 的测量 方法 、 基 于 车 辆行 为 的方 法及 基 于 计 算
驶 员操 作 行 为 ， 影 响驾驶 效 果 ， 不 适 合 实 际应 用 。 基 于车辆 行 为的方法 ， 如 车辆偏 离 中心线 的距 离 、 转向、 速度 和加 速 度 的 变化 可 以反 映 出 司机 是 否 处 于异常 状态 。但是 这些 测量 值 中能反 映司机 处
机 视觉 的检测 方法 。基 于生理 的测量 方法 具有 测
量 精度 高的 特 点 ， 因此 具 有 较 强 的说 服 力 。但 是 测 量时需 要在 驾驶 环 境 放 置 医疗 设 备 ， 会 影 响 驾
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｆ ａ ｃ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｄ ｂ ｙ Ｐ Ｃ ｈ ａ ｓ ｔ ｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｎ ｏ ｎ — ｒ ｅ ａ ｌ ｔ ｉ ｍｅ ａ ｎ ｄ ｌ ａ ｇ， ｗｈ ｉ ｌ ｅ ｔ ｈ ｅ