基于光线感应的驾驶员眼动特征切换检测与跟踪方法

摘要

一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，它首先由光线感应器检测光照度，高光照度条件采用Harr人眼检测方法定位，低光照度条件下采用电脑则启动二维正交Log-Gabor人眼检测方法定位；使其不受光照影响，能够进行全天侯定位；定位后，在匀速模型的基础上增加系统噪声和观测噪声两个尺度参数，并对这两个尺度参数做对数变换，建立人眼非线性模型，再构建采样强跟踪非线性滤波器，通过渐消因子调整系统过程噪声和观测噪声方差阵，提高UKF滤波器的非线性强跟踪能力及模型状态的鲁棒性，能够适应驾驶员正常应急操作反应，通过采用n+2个采样点的强跟踪UKF滤波中Sigma点的采样策略，提高算法的实时性能。

主权项

一种基于光线感应的驾驶员眼动特征切换检测与跟踪方法，其步骤如下：a、特征提取方法切换及定位：驾驶过程中，采用USB摄像头获取驾驶员面部图像，并用光线感应器检测驾驶环境的光照度；当检测到的光照度≥4Lux(勒克斯)且保持1分钟以上时，电脑启动Harr人眼检测方法定位，即：根据水平方向和垂直方向上相互独立的Harr特征，利用积分图像方法快速计算出获取的驾驶员面部图像的特征值，再根据特征值，用人眼区域分割法快速定位人眼；当光线亮度＜4Lux(勒克斯)且保持1分钟以上时，电脑则启动二维正交Log‑Gabor人眼检测方法定位，即：采用二维正交Log‑Gabor滤波的相位编码方法，对驾驶员面部图像提取其人眼的正交相位特征，定位人眼；b、眼动跟踪：在匀速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模；采用UKF(无迹卡尔曼滤波)滤波算法，将渐消因子调整UKF滤波的系统过程噪声和观测噪声方差阵，并采用n+2个Sigma点采样策略，n为无迹卡尔曼滤波的维数，对驾驶环境下的驾驶员进行眼动跟踪；所述在匀速模型的基础上增加跟踪系统噪声和观测噪声的尺度参数，并将增加的两个尺度参数做对数变换，进行眼动建模，得到的模型为：xk＝[xk，yk，xk‑1，yk‑1，lnρ2k，lnλ2k]T其中ρk，λk分别为增加的k时刻的系统噪声和观测噪声的尺度参数，xk为k时刻的状态向量，yk为k时刻的观测量，T为转置。