一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法
【專利摘要】本發(fā)明提出一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，它有七大步驟。在經(jīng)典均值偏移算法框架體系下，對人眼區(qū)域的顏色特征及邊緣特征分別建立空間直方圖模型，目標區(qū)域模型與候選區(qū)域模型在顏色特征空間與邊緣特征空間中各自的相似度由巴氏系數(shù)衡量，綜合相似度為兩子特征的加權和。利用由新的綜合相似度推導得出的迭代公式計算均值偏移向量進行人眼實時跟蹤。本發(fā)明對于快速運動人眼及眨動人眼的跟蹤有實時性好，魯棒性強的優(yōu)點。
【專利說明】一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法

【技術領域】
[0001]本發(fā)明涉及計算機視覺技術在駕駛員疲勞檢測系統(tǒng)中的應用，特別涉及一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法。

【背景技術】
[0002]在基于圖像處理的駕駛員疲勞檢測系統(tǒng)中，駕駛員眼睛的狀態(tài)是判斷疲勞的重要依據(jù)。在第一幀成功定位眼睛的基礎之上，為了滿足實時性的要求，對于后續(xù)幀的處理，大多采用視頻目標跟蹤算法來跟蹤眼睛的位置。當駕駛員在正常駕駛汽車時，大部分時間眼睛注釋前方路況，頭部有輕微晃動，當頭部左右轉動時，時間較短，因此人眼跟蹤算法應該能滿足頭部的快速轉動的要求，另外，還需要考慮到光照變化及眼睛眨動的影響。
[0003]基于近年來對于人眼跟蹤的研究，提出了一些有效的跟蹤算法。有用眼睛模板在模板匹配算法框架下對人眼進行跟蹤，有用粒子濾波算法跟蹤眼睛的位置。基于窮盡搜索的模板匹配算法和基于大量粒子采樣的粒子濾波算法計算量較大，在實時運行時對硬件的要求高。而在目標跟蹤領域，均值偏移算法因其迭代向量計算簡單，實時性好并且對于目標的部分遮擋和旋轉的魯棒性強的優(yōu)點被廣泛應用研究。在實際應用中，為了取得更好的跟蹤效果，研究者對傳統(tǒng)均值偏移算法進行了改進。有將均值偏移與卡爾曼濾波相結合來跟蹤人眼，但是人眼的運動并非線性高斯過程，跟蹤精度無法保證。有將粒子濾波器與均值偏移相結合，粒子濾波的跟蹤精度較好但是降低了實時性。以上采用均值偏移算法的人眼跟蹤只基于顏色直方圖對目標區(qū)域建模，這種只考慮顏色分布信息而沒有考慮空間分布信息的算法，在光照變化或背景較復雜時，跟蹤效果往往不令人滿意。


【發(fā)明內(nèi)容】

[0004]為解決上述技術問題，本發(fā)明提出一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，該方法在基于空間直方圖均值偏移跟蹤算法的基礎上，將受光照變化影響弱的邊緣特征與顏色特征聯(lián)合建模，用兩個子特征的綜合相似度衡量候選區(qū)域與目標區(qū)域的相似程度，用基于綜合相似度推導出的均值偏移向量計算公式進行迭代運算，在滿足實時性要求光照變化魯棒性要求的同時，提高了對于快速移動人眼和眨動人眼的跟蹤精度。
[0005]本發(fā)明不涉及人眼檢測部分，在初始圖像中，人眼目標區(qū)域為一已確定位置和大小的矩形區(qū)域。
[0006]本發(fā)明一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤方法，該方法具體步驟包括:
[0007]步驟1.目標區(qū)域建模。利用Soble算子對初始幀中人眼區(qū)域進行邊緣提取，計算目標區(qū)域的顏色空間直方圖h?！瓦吘壙臻g直方圖V。
[0008]步驟2.候選區(qū)域建模。在當前幀中，初始搜索位置Ytl定為上一幀中眼睛的位置，計算候選區(qū)域的顏色空間直方圖&(%)和邊緣空間直方圖he(ytl)。
[0009]步驟3.計算目標區(qū)域與候選區(qū)域相似度。計算各個特征空間中的目標模型與候選模型的相似度和特征權重值，從而計算聯(lián)合相似度P (%)。
[0010]步驟4.計算均值偏移向量。計算每個采樣點的權值，從而得到當前搜索位置處的均值偏移向量，若IIyryciII > ε (ε為衡量均值偏移向量不為O的最小閥值)，則該向量指向被跟蹤目標的新位置Y1，若I IyrytlI I ( ε，則停止搜索。
[0011]步驟5.相似度比較。將搜索窗口移動到步驟4中的新位置Y1處，更新候選模型，即計算Y1處的顏色空間直方圖1iJy1)和邊緣空間直方圖he(yi)。
[0012]步驟6.計算Y1處的聯(lián)合相似度P (Y1) ο
[0013]步驟7.若P (Y1) < P (yQ)，則新位置為

【權利要求】
1.一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:該方法具體步驟包括: 步驟1.目標區(qū)域建模；利用Soble算子對初始幀中人眼區(qū)域進行邊緣提取，計算目標區(qū)域的顏色空間直方圖h?！瓦吘壙臻g直方圖he’ ； 步驟2.候選區(qū)域建模；在當前幀中，初始搜索位置％定為上一幀中眼睛的位置，計算候選區(qū)域的顏色空間直方圖1iJytl)和邊緣空間直方圖he(ytl)； 步驟3.計算目標區(qū)域與候選區(qū)域相似度；計算各個特征空間中的目標模型與候選模型的相似度和特征權重值，從而計算聯(lián)合相似度P (Y0); 步驟4.計算均值偏移向量；計算每個采樣點的權值，從而得到當前搜索位置處的均值偏移向量，若I IyrytlI I > ε，ε為衡量均值偏移向量不為O的最小閥值，則該向量指向被跟蹤目標的新位置Y1，若I IyrycJ I≤ ε，則停止搜索； 步驟5.相似度比較；將搜索窗口移動到步驟4中的新位置yi處，更新候選模型，即計算Y1處的顏色空間直方圖hjy)和邊緣空間直方圖he(yi)； 步驟6.計算Y1處的聯(lián)合相似度P (Y1)； 步驟7.若P (Y1) < P (yQ),則新位置為Jr1 1/2(yi _+_y?)，否則yQ — Y1,轉到步驟4。
2.根據(jù)權利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟I中，進行邊緣提取的Soble算子水平和垂直梯度模板分別為:
利用梯度模板與3X3圖像矩陣卷積得水平垂直梯度Gx和Gy，則梯度幅值G和梯度方向Θ由公式(I)計算出；
目標區(qū)域顏色空間直方圖h?！?= <nc), με), Σ->的計算步驟為:將RGB顏色空間均分為N。個區(qū)間，首先計算落入第b個區(qū)間的像素加權個數(shù)"，接著計算落入第b個區(qū)間的像素點的坐標均值向量％和坐標協(xié)方差矩陣Σc'b，計算方法由公式(2)給出；
公式(2)中，點IxJi =卜N為初始幀人眼矩形區(qū)域中的N個采樣像素點，Xtl為矩形區(qū)域中心；k(.)為核函數(shù),選取Epanechnikov核函數(shù)，h為核窗寬；若第i個采樣點Xi落入第b個區(qū)間則δ ib為1，否則為O ;C為歸一化常數(shù):
目標區(qū)域的邊緣空間直方圖h/ = <ne), μ' Σ”>計算方法為，根據(jù)梯度幅值G≥T將像素點分為邊緣像素點和非邊緣像素點，閥值T由最大類間方差法得出，對邊緣像素點，根據(jù)梯度方向Θ分為個Ne區(qū)間，分別計算落入每個區(qū)間的邊緣像素點的加權個數(shù)，坐標均值向量和協(xié)方差矩陣，計算方法與計算顏色空間直方圖同理。
3.根據(jù)權利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟2中，當前幀的起始搜索位置與初始幀中眼睛位置相同，矩形搜索窗口的大小不變，用上述方法提取搜索窗口區(qū)域的邊緣點，并計算候選模型的顏色空間直方圖hc (y0) = <nc (y0), μ c (y0), Σc (y0) > 和邊緣空間直方圖 he (y0) = <ne (y0), μ e (y0), 2e(y0)>。
4.根據(jù)權利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟3中，目標模型與候選模型在顏色空間的相似度P ?為:
公式(3)中，表示空間相似度，η為高斯歸一化常數(shù)， 同理，目標模型與候選模型在邊緣空間的相似度為Pjytl) =BHe, 則特征權重ω,和綜合相似度P (y0)為:
5.根據(jù)權利要求1所述的一種基于邊緣及顏色雙特征空間直方圖的人眼跟蹤算法，其特征在于:在步驟4中，搜索窗口中每個采樣點的權值λ i和個特征空間偏移向量Vk為:
公式(5)中，k分別代表邊緣e和顏色C，則當前搜索點處的均值偏移向量由下式計算:
計算結果即為新位置yi。
【文檔編號】G06T7/00GK104166996SQ201410382238
【公開日】2014年11月26日 申請日期:2014年8月6日 優(yōu)先權日:2014年8月6日
【發(fā)明者】王建, 陳洪, 趙云波, 周文立 申請人:北京航空航天大學