基于嘴部Gabor小波特征和线性判别分析的疲劳检测  

Yawning Detection Based on Gabor Wavelets and LDA

作　　者：范晓[1] 尹宝才[1] 孙艳丰[1] 

机构地区：[1]北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室,北京100124

出　　处：《北京工业大学学报》2009年第3期409-413,432,共6页Journal of Beijing University of Technology

基　　金：国家自然科学基金资助项目(60533030);北京市自然科学基金资助项目(4061001);北京市属市管高等学校人才强教计划资助项目.

摘　　要：为了提高驾驶的安全性,提出一种通过摄像头定位驾驶员的嘴部,利用嘴角的纹理特征检测打哈欠的方法.在人脸检测的基础上,用灰度投影定位左右嘴角,采用Gabor小波提取嘴角的纹理特征,通过线性判别分析(linear discriminant analysis,LDA)判定是否打哈欠.试验数据为30人的3 000幅图像,数据中包含了光照、姿态、面部饰物(眼镜)等变化.试验结果表明,该方法符合实时打哈欠分析的需要;Gabor小波特征比几何特征更适合描述打哈欠时嘴部的变化;算法的平均识别率为91.97%,比嘴部宽高比的几何特征有较大提高.To improve driving safety,the authors propose an approach to locate a driver s mouth by a web camera and extract texture features from mouth comers for monitoring drivers yawning.Firstly,it detects drivers left and right mouth corners by gray projection based on the result of driver face detection,and then it extracts texture features of drivers mouth corners by Gabor wavelets.Finally,LDA is used to classify Gabor features for yawning detection.The proposed approach is tested on 3 000 images from thirty ...

关 键 词：计算机视觉 疲劳 GABOR小波 线性判别分析 

分 类 号：TP274.4[自动化与计算机技术—检测技术与自动化装置]