智能教室中基于圖像處理和模糊邏輯的睡意檢測研究與實現(xiàn).pdf

1、人臉與人眼檢測相比人體其他特征檢測具有更多優(yōu)越性，在社會安防領域具有廣泛而特殊的用途，近年來成為模式識別、人工智能和計算機視覺方面的研究熱點。本文研究實現(xiàn)了一種使用普通低分辨率攝像頭進行人眼檢測和睡意判斷，并用于智能教室的機器視覺系統(tǒng)。相比其它檢測算法，在克服光照影響、背景混雜和低分辨率檢測上有一定提高。 文章首先介紹了課題的背景，闡述了智能教室中睡意檢測的目的及意義，描述了該環(huán)境下的瞌睡場景及檢測技術方案的實際需求。結合實際需

2、要對多種技術方案進行了分析和比較，選擇以數(shù)字圖像處理和模糊邏輯結合作為最終研究和實現(xiàn)的方式，之后給出了本文所實現(xiàn)系統(tǒng)的整體流程圖。 本文將檢測流程分為人臉初定位和眼睛檢測兩個部分，在人臉初定位部分先對經典人臉檢測方法作簡要介紹，說明了膚色模型在本應用中快速粗定位的優(yōu)勢。研究首先通過背景差分和幀間差分實現(xiàn)了學生頭肩部圖像提取，之后選擇基于' ' Ycb Cr 顏色空間的膚色模型實現(xiàn)了快速人臉定位。 眼睛檢測分為兩個主要步驟

3、，首先綜合亮度特征、RGB 特征和CrCb 特征，使眼睛特征最大化并區(qū)分于其他臉部部位，從而選擇可能為眼睛的候選區(qū)域。然后選擇候選區(qū)域的位置、大小、硬度等特征，從實際統(tǒng)計數(shù)據(jù)出發(fā)建立一個模糊邏輯處理系統(tǒng)，對候選眼睛區(qū)域進行推理判斷，確定眼睛所在的區(qū)域。最后從眉毛匹配和眼睛對稱性匹配兩個角度驗證檢測結果，截取眼部圖像，并根據(jù)圖像進行清醒/瞌睡狀態(tài)判斷。 文章最后以組圖的形式對研究過程中關鍵步驟進行了說明，給出了系統(tǒng)的實驗結果，從結