疲劳驾驶视频监测中的快速人脸定位方法

摘要：为了满足基于计算机视觉的疲劳驾驶监测中眼睛定位的实时性和准确性的需要，提出了疲劳驾驶视频监测背景下的快速人脸定位方法。依据疲劳驾驶监测中获取的视频背景相对固定的特点，将背景减除法引入到驾驶员人脸检测当中，与灰度投影法相结合实现快速人脸定位。实验表明此方法快速、有效，且对光照变化以及驾驶员人脸姿态的变化具有较好的鲁棒性。
关键词：疲劳驾驶；人脸定位；背景战除法；灰度投影

    目前，已存在许多疲劳驾驶监测技术，如测试驾驶员适宜度的方法、脑电图法、检测车辆行驶轨迹的方法及基于计算机视觉的方法等，其中基于计算机视觉的方法因其非接触性、实时性和便于实现而得到了广泛的关注。统计表明，驾驶员获取的外界信息大约有90％是通过视觉得到的，因此测量眼睛的闭合、运动或视觉生理是一种很好的检测驾驶员疲劳度的方法，且当前国际公认的PERCLOS理论是以眼睛的状态信息为基础的。因此，驾驶员眼睛的定位是基于计算机视觉的疲劳驾驶监测的关键之一。
    一般情况下，驾驶员脸部在获得的图像序列中占的比例较小，这就意味着有很大一部分图像数据对后面人眼定位和特征提取是没有任何贡献的；且人脸以外的区域可能存在类似人眼的物体，也会给人眼定位造成干扰。因此绝大多数文献中，均是在定位眼睛之前先对人脸进行定位，然而这些文献中的人脸检测方法都是引用的已存在的独立的人脸检测方法，并非为疲劳驾驶视频监测系统量身定做，这就难免造成一些不必要的计算开销，进而影响监测系统的实时性。
    因此，本文提出疲劳驾驶视频监测中的快速人脸定位方法，充分利用疲劳驾驶视频监测中背景相对固定的实际特点，引入背景减除法，并结合灰度投影法快速且准确的检测定位人脸。

1 相关理论方法
1．1 背景减除法
    背景减除法是在静止背景下检测运动物体的常用方法之一。该方法是利用当前图像与背景图像的差分来检测出运动区域的一种技术。该方法通过图像序列中的静止物体创建背景帧，将当前帧与背景帧进行比较，然后通过阀值分割不同灰度值的区域块从而获取感兴趣区域。
    假设有背景图bk与当前帧图像fk。首先利用公式(1)计算背景图像bk与当前帧图像fk的差，然后可以依据公式(1)对差分图像Dk进行二值化和形态学滤波处理，并对所得结果Rk进行区域连通性分析，当某一连通区域的面积大于某一给定阀值，则成为检测目标，并认为该区域即为目标的区域范围。
   
    其中Dk(x，y)为背景图像减去当前图像所得到的差分图像，T是目标分割时设定的阀值。
1．2 灰度投影法
    灰度投影法可以得到所获取图像的灰度值总体分布规律。灰度投影法，就是对输入的图像经过预处理后，把其灰度值映射成两个独立的一维波形，即把二维图像信息用两个独立的一维信息来表示，其投影方法可用公式表示如下：
   
    其中，G(i)为图像第i行的灰度值，G(i，j)为图像上(i，j)位置处的像素灰度值；G(j)为图像第j列的灰度值。即将图像第i行各个像素的灰度值映射为一个值G(i)，同理，将第j列各个像素的灰度值映射为一个值G(j)。

2 快速人脸定位方法
2．1 方法原理
    该方法原理简单。利用背景基本固定的特点，对采集到的驾驶员视频图像进行背景减除，然后对得到的图像分别进行水平和垂直方向的投影，根据投影曲线的峰值变化即可快速确定人脸区域。
2．2 可行性分析
    疲劳驾驶视频监测系统通过视频采集设备获得驾驶员的实时图像，并基于采集的视频自动分析驾驶员的相关特征信息来确定驾驶员精神状态。
    背景减除法和灰度投影法相结合以快速定位人脸功能的实现，是基于疲劳驾驶视频监测的以下几个特点：
    1)系统的视频采集设备通常是固定在车辆仪表盘上方等位置，与车辆形成一个整体，因此无论车辆怎样运动，两者都会保持相对静止状态，从而采集的视频背景除光照变化或物体遮挡外基本保持固定不变。
    2)光照引起的背景图像变化或偶尔的物体遮挡，在灰度投影下相对于驾驶员身体的投影曲线峰值较小，可较明显的区分。
    3)车辆驾驶过程中，驾驶员两肩在采集的视频图像中基本保持水平，因此，无论驾驶员头部怎样运动，在进行水平方向灰度投影时均可根据两肩处的峰值变化来正确区分驾驶员头部和躯干部分。
    4)驾驶员在驾驶车辆过程中，面部朝向基本保持向前，因此确定了头部区域便大概确定了人脸区域。
    基于以上4点，就可以得到准确的，并且对光照和人脸姿态变化具有较好鲁棒性的人脸定位方法。
2．3 方法实现
    方法分4个步骤：1)背景获取；2)背景减除；3)灰度投影，先进行水平方向投影将人脸区域与躯干区域分开，然后在人脸所在图像的水平区域内进行垂直方向的投影；4)水平投影和垂直投影所得到的区域交集，即为人脸区域。
    方法的伪代码如下：
    输入：A，驾驶员人脸图像
          B，背景图像
    输出：F，驾驶员人脸区域
    描述：
   
    为便于理解，本节对采集到的一张带人脸的图像如图1所示，及其背景如图2所示。采用本文所提出的方法进行处理，以详细展示该方法的具体流程。

    首先利用背景减除法去除图1的背景，得到图3(a)，对得到的图像首先进行水平灰度投影，投影曲线如图3(b)所示。根据水平投影曲线确定人脸所在的图像水平区域，如图3(d)，然后在水平区域内进行垂直投影，投影曲线如图3(c)。最终根据投影曲线确定人脸所在区域。

3 实验结果及分析
    本章节进行实验以验证本文所提方法的实时性以及对光照和人脸姿态变化的鲁棒性。
    实验平台采用的计算机CPU为Intel(R)CPU@2．13 GHz，内存1 GB；软件平台为Windows XP；图像处理程序由MATLAB编制。待处理图像为事先获取的模拟光照变化及人脸姿态变化的驾驶员图像，大小统一设置为320x240像素，如图4所示。

    1)对图4中的图像进行实验，均准确的得到了人脸区域，因此可以得出本方法对光照和人脸姿态的变化具有良好的鲁棒性。
    图5展示了与图3不同光照不同人脸姿态下的人脸定位效果。

    2)通过对图4中8幅图像进行实验，得出本方法对320×240像素大小的图像处理所需时间为94ms。
    综合1)、2)可知，该方法定位准确、鲁棒性好，且定位速度快，为系统的实时性以及下一步的检测和跟踪人眼打下了良好的基础。

4 结论
    本文紧密结合疲劳驾驶视频监测过程中视频背景基本保持不变的实际特点，引入背景减除法结合灰度投影来实现快速人脸定位。实验证明，本文所提出的方法准确、快速且对光照和人脸姿态变化鲁棒性好，为下一步实时、准确地判断驾驶疲劳状态，打下了良好的基础。然而本文所提出的方法适用于图像中存在驾驶员的情况，且仅限于可明显观察到驾驶员的光照条件，在光线太弱时难以发挥作用，仍然需要进一步的工作以发现更好的快速人脸定位方法。