【word】 基于色素分布的驾驶员面部特征点的定位方法
基于色素分布的驾驶员面部特征点的定位
方法
第28卷第4期
2007年4月
东北大学(自然科学版)
JournalofNortheasternUniverSity(NaturalScience)
Vo1.28,No.4
Apr.2007
基于色素分布的驾驶员面部特征点的定位方法
杨英.,赵广耀.,杨佳,盛敬.
(1.东北大学机械工程与自动化学院,辽宁沈阳110004;2.辽东学院装备与材料学院,辽宁丹东118001)
摘要:利用嘴唇和眼睛色素分布定位驾驶员面部特征点,首先根据嘴唇为红色这一特征,对OCD采集
的彩色图像进行亮度规一化处理后,再向由色彩信息构成的UV空间坐标系投影,根据红色素从投影中分割
出嘴唇区域,用边缘提取和红色像素点相结合的方法确定嘴唇形状;采用夹逼法确定描述嘴部状态的特征点.
根据人脸结构尺寸,初步确定眼睛区域,根据眼睛为黑色的特征,采用与嘴巴相同的方法,确定识别眼睛张开
和闭合状态的特征点.实验结果
明,该方法可以有效去除嘴唇和眼
睛周围的阴影干扰,无论光线是否均匀,
该算法的准确率均达到94.3%以上,该算法具有实时,准确的特点,为
进一步判断驾驶员是否处于疲劳状态
提供重要的判断依据.
关键词:色度;亮度;规一化;驾驶员;面部特征点;定位
中图分类号:U270文献标识码:A文章编
号:1005—3026(2007)04—0557—04
MethodtoLocateDriver’SFaceFeaturePointsbyChrominance
Distribution
YANGYing.,ZHAOGuang-yao,YANGJia,SHENGJing
(1.SchoolofMechanicalEngineering&Automation,NortheasternUniversity,Shenyang110004,China;2.
SchoolofEquipmentandMaterial,EasternLiaoningUniversity,Dandong118001,China.Correspondent:YANG
Ying,E-maihyangyingsy@163.con)
Abstract:AnewmethodiSproposedtolocateadriver’Sfacefeaturepointsbychrominance
distribution.Basedonthefacethathumanlipsarered,theluminanceofcolorimagesacquiredby
(CDiSnormalizedandtheimagesarepr0jectedintoanUVspacecoordinatesystemcomposedof
colordata.Separatingthelipregionfromtheprojectionofimagesinaccordancetored
chrominance,theshapeoflipsisdeterminedbywayofcombiningedgeextractionwithred
pixels,withthestatefeaturepointsofmouthdeterminedbywayofbracketingandapproaching.
Then,theeyeregionispreliminarilydeterminedaccordingtofacefigure/sizeand,basedonthe
factthatChineseeyeballsaremostlyblack,thesamemethodiSusedtodetermineandidentifythe
statefeaturepointsduringeyeclosing/opening.Experimentalresultsshowedthatthemethod
proposediseffectivetogettingridoftheshadowdisturbancearoundlipsandeyes,regardlessof
whethertheluminanceiSeven.withanaccuracyoffereduptohigherthan94.3%.Themethod
isthusregardedasrealtime,accurateandavailabletobeanimportantcriterionforwhethera
driveriSinastateoftiredness.
Keywords:chrominance;Juminance;normalization;driver;facefeaturepoint;Jocating
驾驶员觉醒水平低下是导致交通事故频繁发
生的主要因素之一.随着机器视觉与模式识别技
术,特别是人脸检测与识别技术的不断发展,利用
机器视觉可以监视驾驶员的状态,在对驾驶员脸
部定位的研究中,大多学者采用的是模板匹配法
定位眼睛,这个办法在光照均匀及背景极为简单
收稿日期:2006—04.04
基金项目:国家自然科学基金资助项目(10402008).
作者简介:杨英(1962一),女.辽宁台安人,东北大学副教授.
时可以.然而,大范围的模板匹配的计算量相当
大【,不利于实时处理,而且模板匹配的条件比
较苛刻,对尺度,光照,旋转角度等的影响极为敏
感.驾驶员在不同天气,以及不同光照强度和角度
下,其面部图像会有很大变化,用上述方法很难判
断驾驶员的眼睛以及嘴部的位置.本文根据嘴唇
558东北大学(自然科学版)第28卷
和眼睛的颜色与其他肤色明显区别的特点,将彩
色图像亮度规一化处理后J,再用边缘检测和寻
找特定色像素点相结合的方法对嘴唇和眼睛区域
进行分割和提取.该方法可以有效去除周围的阴
影干扰,完整地将嘴唇和眼睛从原图中提取出来,
再利用”逼近法”分别对嘴巴,眼睛的张开与闭合
状态进行特征点定位.
1嘴部定位及其特征点提取
唇色是人脸彩色图像中数据量相对集中且稳
定的区域,利用唇色来检测图像中驾驶员嘴
巴[3l,尤其在1:3型识别中,具有简便易行的特点.
文献[4]的研究结果表明,各种视频采集设备采集
的不同性别,不同年龄,不同肤色的人脸图像在彩
色空间分布的差异,主要存在于亮度上而不在色
彩上,通过彩色图像的亮度规一化,不同人之间的
唇色的差异能得到明显减弱.
为了消除颜色本身所包含的亮度信息,在
RGB空间将颜色值进行规一以后,用[r,g,b]表
示,可用如下
换算得到:
00R
+G+R
00
00
×
算式(1)定义了从RGB空间到色度空间的映像,
即从一个三维空间到二维空间的变换.蓝色在规
一
化后成为冗余信息,因为r+g+b=1.
实验表明,人类的唇色在彩色空间确有聚类
性,不同人之间的唇色差异可以通过彩色的亮度
规一化得到缩小.亮度归一化后,颜色的亮度信息
即失去作用,直观地反映了彩色信息在己,平面
上的分布,如图1所示.寻找不因人而变的唇色空
间,就是在色度的UV平面上寻找一个适当的相
位角,使得唇色值能够相对集中地体现在这个
轴上,即用这样的坐标轴(空间)来表现数据,能得
唇色的最强体现.
唇色的相位角的分布一般在85.,102.之
间,通过对图像的对比处理,取89.作为唇色坐标
系的U.轴效果较佳,与之垂直的方向为l轴.
.’6
l;1.在Ul和l轴上投影函数为
Pu(z)=,),P.()=,).,
I(xYI(xY
J=11
(2)
由于驾驶员正面图像中嘴唇的长度大于宽
度,水平投影两相邻波谷间的最长距离为嘴唇的
长度,竖直投影中两相邻波谷的最大距离为嘴唇
的宽度,从而定位出嘴部的区域J,如图2所示.
嘴部区域确定后,在嘴部图像中提取嘴唇形状,单
纯的边缘提取有可能使不少其他非嘴唇边缘部分
保留下来或嘴唇边缘断裂不完整J,很大程度上
影响特征点的定位[.采用边缘提取和红色像素
点提取相结合的方法对嘴唇进行提取.可以使嘴
唇边缘更为完整,提取噪声更少,还可以有效地将
原图的嘴唇区域定位出来,如图3所示.
图2红色像素点投影
Fig.2Projectionofredpixels
?’
图3嘴唇及其边缘提取图
Fig.3Lipsandedgeimageextracted
第4期杨英等:基于色素分布的驾驶员面部特征点的定位方法559
2嘴唇特征点的定位方法
嘴唇特征点定位的目的是描述驾驶员口型处
于闭合,张开以及打哈欠等状态.嘴唇特征点有6
个,如图4所示:左右嘴角A,B点;上嘴唇中
心最上和最下点C,D;下嘴唇中心最上和最下
点E,F.本文采用逼近法对嘴巴特征点进行定
位[81.
A
日
A
?图4嘴唇及其特征点
Fig.4Lipsandfeaturepoints
2.1嘴部处于闭合状态
采用上下两个指针,同时从嘴唇区域的中间
开始,沿着嘴唇的边缘向左移动,当这两个指针所
指位置的距离很小,或继续往左移动时没有边缘
点时,就认为此处就是左嘴角点A,对应的坐标
A(XA,YA),如图4所示.按照类似的方法得到右
嘴角的坐标B(锄,蚴).
定出左右嘴角点的坐标以后,以这两个点为
基本点,分别将两个指针由两边向中间移动,设定
w是嘴唇的长度,即两个嘴角间的距离,则
W=~/(A—B)一(YA一).
由于上下嘴唇外边缘中点与左嘴角的水平距
离是固定的,即告W,这样就定出了c秕F.两
指针分别从两嘴角连线的中点出发,垂直向上,向
下移动,直到没有边缘点时,即为和,因此
确定了上唇C和下唇F点的坐标.
在嘴闭合时,D,E两点重合,嘴唇特征点只
有5个.
XA+XB
DE—,
C+F
如—一?
D,E点的坐标值为D(xD,YD),E(,YE).嘴部
处于闭合状态时的5个特征点全部定出.
2.2嘴部处于张开状态
嘴部张开时,共有A,B,C,D,E,F6个
特征点.其中A,B,C,F的定位方法与A,B,
C,F点相同;由于嘴部张开时D,E两点不重
合,根据嘴巴的对称性,D,=,一生,用
两指针从两嘴角连线中点出发,垂直向上,向下移
动,直到遇到嘴唇边缘点时,即为如,和,,至此,
确定了嘴巴张开时的6个特征点.
3眼睛定位及其特征点提取
根据人脸尺寸,以嘴唇的位置为基础,可以对
眼睛进行定位9.由于驾驶员在瞌睡闭眼时,两
只眼睛的闭合状态是一致的.因此只须研究一只
眼睛,可以减少计算量,便于实时在线监测驾驶员
的精神状态.
3.1右眼定位算法
由于嘴巴长度为w,根据面部五官的排列
顺序:
右眼的高度HighofEye为
HighofEye=0.31W;(3)
右眼的长度LengthofEye为
LengthofEye=0.63W;(4)
右眼区域的起始坐标(2,Y2)为
x2=rightx一0.1LengthofEye,
Y2=righty=1.35W.(5)
3.2右眼特征点的提取
推算出右眼的范围后,考虑到人脸的长度和
宽度不一样,且头部可能有一定的水平旋转和深
度旋转问题,由经验参数定出的区域可能与实际
情况有较大的出入,因为眼珠呈天然的黑色,利用
与嘴唇区域提取类似的方法,取为295.,确定出
眼睛的准确区域.采用与嘴唇特征点相同的定位
算法,对眼睛特征点进行定位.当驾驶员眼睛处于
张开状态时,定位出5个特征点,左右眼角点,上,
下眼皮中心点,眼睛中心点;当驾驶员眼睛处于闭
合状态时,定位出三个特征点,定位结果如图5所
示.
图5眼睛区域的投影图特征点
Fig.5Projectedimagefeaturepointsineyeregion
4脸部特征点定位实验及结果分析
为了适应不同光线分别把测试车辆停在实验
室附近,选择阳光均匀直射;车辆处于遮避状态,
光线被遮避不均匀;多云天气,光线不均匀且较暗
和黄昏光线昏暗四种照度状态.把CCD摄像机安
装在驾驶室内,采集”驾驶员”脸部图像.
P
东北大学(自然科学版)第28卷
测试对象分别来自东北大学本科和硕士生的
男女自愿者,每人分别采集闭嘴,打哈欠,睁眼和
闭眼4幅图像,共采集176人次,图像704幅.采
用上述嘴唇和眼睛区域的特征点定位算法对上述
图像进行分析处理,定位结果如图6所示,其中识
别结果为正确的图像总数为638幅,占全部图像
的86.2%.实验计算结果与原图像对比如表1所
示.可见,驾驶室内的光线亮度是影响识别准确率
的主要因素,但是只要有一定的亮度,无论光线是
否均匀,该算法的准确率可达到94.3%以上,即
克服了光线不均匀对图像分析的影响;但在黄昏
时分,光线非常昏暗时,识别的准确率急剧下降.
对于不同性别的驾驶员,识别准确率也有所不同,
女性略微高于男性,主要原因是女性嘴唇的红色
素较男性多.
表1实验计算结果与原始图像对比
Table1Computedresultscomparedwith
堕!塑
驾驶室内正确图像数/图像总数准确率/%
光线状况男生女生男生女生
光线充足均匀直射118/12075/7698.398.7
光线被遮避不均匀112/11666/6896.697.1
光线不均匀较暗83/8876/8094.395.0
光线昏暗78/11230/4469.768.2
图6面部特征点定位图与驾驶员觉醒状态
Fig.6Locationoffacefeaturepointsshowing
driver’sstateoftiredness
实验结果表明,采用彩色图像亮度规一化处
理后,由于只保留了色彩信息,所以光照不均匀,
对结果影响不大,但若光线昏暗,则错误率提高.
5结论
唇色是人脸彩色图像中数据量相对集中且稳
定的区域,利用唇色来检测图像中驾驶员嘴巴,尤
其在121型识别中,具有简便易行的特点.这种基于
唇色的快速面部定位和跟踪方法,通过彩色图像
的亮度规一化,使得不同人之间,甚至同一人在不
同的光照条件,不同的服饰条件下,唇色的差异明
显减弱,因此用色度表示面部特征,具有姿态不变
性,且特征相对稳定,不受繁杂背景的影响.实验
结果表明,该方法可以有效去除嘴唇和眼睛周围
的阴影干扰,有效地克服了驾驶室内由于光照不
均匀,驾驶员面部特征难以准确识别的缺点,无论
光线是否均匀,该算法的准确率达到94.3%以
上;但在黄昏时分,光线非常昏暗时,识别的准确
率下降.进一步研究应考虑亮度信息对驾驶员面
部特征点定位的影响,以及如何适当确定亮度信
息的作用.本文采用的基于色素分布的面部特征
点定位方法可以快速,准确,实时地对人脸特征点
进行定位,算法简单,满足实时监测系统对于人脸
检测的要求,因此,该方法在驾驶员疲劳监测系统
中具有重要的应用价值.
参考文献:
【1】Rein-lienH,Abdel—mottaleb,JainAK.Facedetectionin
colorimages【J】IEEETransPAM1,2002,24(5):696—
706.
【2】TerrillonJC,ShiraziMN.FukamachiH.Comparative
performanceofdifferentskinchrominancemodelsand
c~nancespacesfortheautomaticdetectionofhumanfaces
incolorimages【C】//ProcIEEEInternationalConferenceon
61. FaceandGestureRecognition.Grenoble,2000:54—
【3】ChungJK,HuangRS,LinTG.3一Dfacialmodelestimation
fromsinglefront—viewfacialirnage[J】.IEEETramCircuits
Systen~VideoTechnology,2002,12(3):183—192.
【4】姚鸿勋,刘明宝.基于彩色图像的色系坐标变换的面部定
位与跟踪法【J】.计算机,2000,23(2):158,165.
(YaoHong-xun,LiuMing-bao.Methodoffacelocatingand
trackingbasedonchromaticcoordinatestransformationofcolor
images[J】.JournalofComputer,2000,23(2):158—165.)
【5】YangMH,KriegrnanD.Detectingfacesinimages[J】.IEEE
TransPatternAnalysisandMachineIntelligence,2002,24
(1):34—58.
【6】TangCY,ChenZ,HuangYP.Automaticdetectionand
trackingofhumanheadsusinganactivestereosystem【J】.
InternationalJournalofPatternRecognitionandArtificial
lntelligenee,2000,14(2):137—166.
【7】ShahSG,CaoB,GaoW.Extendedfisherfaeeforface
recognitionfromasingleexampleimageperperson[J】.IEEE
InternationalS3mlpodumonCircuitsandSyae,ns,2002,2:
81—84.
【8】王荣本,郭克友,储江伟.适用驾驶员疲劳状态监测的人眼
定位方法研究【J】.公路交通科技,2003,20(5):111—114.
(WangRong-ben,GuoKe-you,ChuJiang-wei.Studyonthe
eyelocationmethodindriverfatiguestatesurveillance【J】.
114.) RoadandTransportTechnology,2003,20(5):111—
【9】陆继祥,张增芳,李陶深.基于24位彩色人脸图像嘴唇的
分割和提取【J】.计算机工程,2003,29(2):2—4.
(LuJi—xiang,ZhangZeng-fang,LiTao-shen.Segmentation
andextractionofhumanmouthb~sedon24bitcolorimage
【J】.ComputerEngineering,2003,29(2):2—4.)