发明名称 |
多特征决策融合的眼状态识别方法 |
摘要 |
本发明公开了一种多特征决策融合的眼状态判别方法,其包括如下步骤:对采集到的眼睛样本进行伪Zernike矩特征、复杂度特征和HOG特征提取;接着针对这三种特征分别建立最优SVM模型:PZ‑SVM模型,COM‑SVM模型和HOG‑SVM模型;最后利用自动权值学算法对三个模型的判别结果有效性进行权重分配,实现对眼状态判别的决策融合。本发明能够克服复杂光照变化和眼睛形变的影响,提高人眼状态判别的鲁棒性。 |
申请公布号 |
CN103336973B |
申请公布日期 |
2016.12.28 |
申请号 |
CN201310245300.1 |
申请日期 |
2013.06.19 |
申请人 |
华南理工大学 |
发明人 |
秦华标;李雪梅 |
分类号 |
G06K9/66(2006.01)I;G06K9/46(2006.01)I;G06K9/00(2006.01)I |
主分类号 |
G06K9/66(2006.01)I |
代理机构 |
广州粤高专利商标代理有限公司 44102 |
代理人 |
何淑珍 |
主权项 |
一种多特征决策融合的眼状态判别方法,其特征在于包括如下步骤:(1)眼睛特征的提取:对采集到的眼睛训练样本进行伪Zernike矩特征、复杂度特征和HOG特征提取;伪Zernike矩特征提取过程中,使用形态学与边缘检测相结合的轮廓提取算法,其主要步骤为:使用3×5的结构元素对眼睛图像f进行膨胀得到图像f<sub>1</sub>;将膨胀后的图像f<sub>1</sub>与原图像f进行相减,去除部分光照影响,得到图像f<sub>2</sub>;对图像f<sub>2</sub>进行canny边缘提取,得到图像f<sub>3</sub>;接着对图像f<sub>3</sub>中的连通直线进行质心提取;最后将质心限制在0.35‑0.7倍的宽和高中间,将质心超出该范围的剔除,就提取到了眼睛图像的轮廓;(2)SVM模型的建立:针对这三种特征分别建立最优SVM模型,即PZ‑SVM模型,COM‑SVM模型和HOG‑SVM模型;(3)决策融合模型的建立:利用自动权值学习算法对三个特征模型在眼睛测试样本中的判别准确率进行权重分配,实现对眼状态判别的决策融合。 |
地址 |
510640 广东省广州市天河区五山路381号 |