疲劳驾驶面部表情识别算法.doc
《疲劳驾驶面部表情识别算法.doc》由会员分享,可在线阅读,更多相关《疲劳驾驶面部表情识别算法.doc(12页珍藏版)》请在咨信网上搜索。
1、疲劳驾驶面部表情识别算法 收稿日期:2007-11-10;修回日期:2008-03-06 基金项目:国家自然科学基金资助项目(50374079); 国家“973”计划资助项目(2002cb12203) 作者简介:杨秋芬(1973-),女,湖南永州人,副教授,博士研究生,主要研究方向为计算机视觉、人脸识别(yqf5569);桂卫华(1951-),教授,博导,主要研究方向为智能控制、自动化;周书仁(1975-),男,讲师,博士研究生,主要研究方向为人工智能、模式识别、图像处理?豹?* (中南大学 信息科学与工程学院,长沙 410083) 摘 要:针对疲劳驾驶的六种表情,提出几何规范化结合Gabor
2、滤波提取表情特征,使用支持向量机对疲劳驾驶的面部表情分类识别的系统。首先对视频图像预处理进行几何规范化,利用二维Gabor核函数构造最优滤波器48个,获取48个面部表情特征点,最后利用支持向量机进行面部表情分类识别。实验结果表明径向基函数的SVM性能最好。 关键词:表情识别;加博滤波; 核函数; 支持向量机 中图分类号:TP391.41 文献标志码:A 文章编号:1001-3695(2008)10-3039-03 Facial expression recognition algorithm for fatigue driving YANG Qiu-fen, GUI Wei-hua,ZHOU
3、Shu-ren (College of Information Science & Engineering, Central South University, Changsha 410083, China) Abstract:This paper proposed an expression recognition system based on geometry standardization, Gabor wavelet filter and support vector machine (SVM) according to six face expression of fatigue
4、driving. The system ensured the geometry standardization of video.Then it constituted forty-eight optimization filters according to 2D-Gabor kernel functions to acquire forty-eight expressional feature point inside the latency rectangle region. It was applied to recognizing facial expression using S
5、VM. Experimental results demonstrate that RBF the radial basis function(RBF) SVM has better performance than other SVMs on human facial expression recognition, and prove that the algorithm is efficient and feasible. Key words:facial recognition; Gabor filter;kernel functions; support vector machine
6、根据英国汽车协会统计,英国车祸的死亡事故中,有10%是因司机疲劳驾驶引起的。同时有资料表明,高速公路发生的交通事故中,有50%以上是由于长时间疲劳驾驶或所见目标单调使司机注意力不集中,甚至打瞌睡等造成的。统计表明,在出现这些现象的同时,司机的面部表情也将发生明显变化1,2。 目前面部表情的分类方法很多。Lyons等人3利用主分量分析和线性判别分析在JAFFE(Japanese female facial expression)表情库上得到了很好的结果(正确率达到92%); Padgett等人4使用反向传播算法训练人工神经网络在Ekman人脸表情库5上能够达到86%的正确率;Pantic等人6使
7、用专家系统方法在265张双视角的人脸表情图片上的正确率达到了91%;Otsuka等人7采用隐马尔可夫模型的方法也达到了比较好的结果(本文中并没有提到此方法的正确率)。 最近,支持向量机被成功地用于人脸图像处理的各个方面,如人脸检测8、人脸的姿态估计9和人脸识别10等,取得了优于传统模式识别方法的性能。本文受其启发,先对摄像机拍摄到的疲劳驾驶视频图像进行几何规范化,使用48个Gabor滤波抽取48个最优特征点来构造表情特征向量,最后用支持向量机分类器对驾驶员面部表情进行训练、识别。 1 视频图像的预处理 视频图像的预处理包括视频图像子区域的分割以及视频图像的归一化处理。前者指从视频图像中分割出与
8、人脸最相关的子区域;后者包括图像的灰度均衡和尺度归一。图像预处理的好坏直接影响视频图像特征提取的效果和计算量。 疲劳驾驶视频图像的几何规范化处理首先对人脸作水平积分投影,利用投影曲线各极小值之间存在的位置关系,建立判断规则,确定人脸的眼睛、嘴、鼻孔和眉毛的水平位置以及各器官之间的垂直距离;再根据人脸的眼睛、嘴的水平位置和垂直距离确定出眼区、嘴区,将这些区域分割出来组成特征三角形生成面部处理区域;最后进行特征提取。 几何规范化处理方法在文献11中进行了详细的论述。区域的水平积分投影曲线函数PH(y)表示为?PH(y)=1/(x?2-x?1)x?2x?1I(x,y),y(y?1,y?2)(1)?
9、图1为水平投影曲线函数得到的人脸灰度水平积分投影。对于正面人脸图像,以两眼的中央和嘴部中央构成如图2(a)所示的等腰三角形及矩形区域;对于侧面分左侧和右侧,分别以左、右眼的中央和嘴及左、右耳部中央构成如图2(b)所示的右侧直角三角形及矩形区域。 2 Gabor滤波的特征抽取 二维Gabor小波变换是在时频域进行信号分析处理的重要工具,其变换系数有着良好的视觉特性和生物学背景,因此被广泛应用于图像处理、模式识别等领域。 接下来对图2的几何规范化图进行二维Gabor小波变换,以获取驾驶员面部区域的表情特征。二维Gabor小波核函数为?转?j(k,x)=k2?j/2 exp(-k2?jx2/(22)
10、) exp(k2?jx)-exp(-2/2)(2)?其中:k2?j确保不同频率带宽的滤波器有着大致相同的能量;exp(-2/2)是为了抵消图像的直流分,使滤波器对全局照明不敏感,其优点是允许描述空间频率结构的同时,保持空间关系的信息。?k?j=k?v cos ?吉?u k?v sin ?吉?u, k?v=2?-(v+2)/2,?吉?u= /8(3)?其中:k?j对不同的取值边构成了不同的小波。本文中取四个大小方向的变化: ?k?j=2?-(v+2)/2(v=1,2,3,4)?个方向?:0-6/8(=1,2,6),间隔/8;为滤波器的长度,取=,设为1倍频率。输入图像I(x,y)和小波作卷积,得
11、?g(k?j,x)=I(x,y)?吉?j(k,x)dxdy(4)?其中:g(k?j,x)为幅度。这样Gabor滤波器的个数为48,组成一组代表目标特征的最优滤波器。这些滤波器构成小波子空间,将图像向这个小波子空间投影求出小波的系数,提取均值和方差以此来代表驾驶员面部表情图像的统计特征。图3为48个特征点分布。 3 支持向量机分类器的构造 SVM是在统计学习理论的基础上发展出的一种新的模式识别方法,在解决小样本、非线性机高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中3。 设有线性可分样本集(?i,?i)(=1,),?n,+1,-1是类别标号。N维空间的线性判
12、别函数一般形式为()=x+,分类面方程为 x+=0的划分。该分类面就是最优超平面,而距离该最优超平面最近的异类向量就是所谓的支持向量(support vector)。支持向量与超平面之间的距离最大(即边缘最大化);一组支持向量可以惟一地确定一个超平面。寻找超平面的问题就转换为求解以下二次规划问题:?(w)=1/2()(5)?际?条件为不等式: ?y?i(x)+b1;i=1,2,n(6)? 线性条件下式(9)的最优解为下面Lagrange函数的鞍点:?L(,b)=1/2-li=1?iy?i(x)+b-1(7)?耸弊钣懦?平面是训练集合中向量的线性组合:?=li=1?iy?ix?i(8)? 使式(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 疲劳 驾驶 面部 表情 识别 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【天****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【天****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。