摘要：為了滿足基于計算機(jī)視覺的疲勞駕駛監(jiān)測中眼睛定位的實時性和準(zhǔn)確性的需要，提出了疲勞駕駛視頻監(jiān)測背景下的快速人臉定位方法。依據(jù)疲勞駕駛監(jiān)測中獲取的視頻背景相對固定的特點，將背景減除法引入到駕駛員人臉檢測當(dāng)中，與灰度投影法相結(jié)合實現(xiàn)快速人臉定位。實驗表明此方法快速、有效，且對光照變化以及駕駛員人臉姿態(tài)的變化具有較好的魯棒性。
關(guān)鍵詞：疲勞駕駛；人臉定位；背景戰(zhàn)除法；灰度投影

    目前，已存在許多疲勞駕駛監(jiān)測技術(shù)，如測試駕駛員適宜度的方法、腦電圖法、檢測車輛行駛軌跡的方法及基于計算機(jī)視覺的方法等，其中基于計算機(jī)視覺的方法因其非接觸性、實時性和便于實現(xiàn)而得到了廣泛的關(guān)注。統(tǒng)計表明，駕駛員獲取的外界信息大約有90％是通過視覺得到的，因此測量眼睛的閉合、運動或視覺生理是一種很好的檢測駕駛員疲勞度的方法，且當(dāng)前國際公認(rèn)的PERCLOS理論是以眼睛的狀態(tài)信息為基礎(chǔ)的。因此，駕駛員眼睛的定位是基于計算機(jī)視覺的疲勞駕駛監(jiān)測的關(guān)鍵之一。
    一般情況下，駕駛員臉部在獲得的圖像序列中占的比例較小，這就意味著有很大一部分圖像數(shù)據(jù)對后面人眼定位和特征提取是沒有任何貢獻(xiàn)的；且人臉以外的區(qū)域可能存在類似人眼的物體，也會給人眼定位造成干擾。因此絕大多數(shù)文獻(xiàn)中，均是在定位眼睛之前先對人臉進(jìn)行定位，然而這些文獻(xiàn)中的人臉檢測方法都是引用的已存在的獨立的人臉檢測方法，并非為疲勞駕駛視頻監(jiān)測系統(tǒng)量身定做，這就難免造成一些不必要的計算開銷，進(jìn)而影響監(jiān)測系統(tǒng)的實時性。
    因此，本文提出疲勞駕駛視頻監(jiān)測中的快速人臉定位方法，充分利用疲勞駕駛視頻監(jiān)測中背景相對固定的實際特點，引入背景減除法，并結(jié)合灰度投影法快速且準(zhǔn)確的檢測定位人臉。

1 相關(guān)理論方法
1．1 背景減除法
    背景減除法是在靜止背景下檢測運動物體的常用方法之一。該方法是利用當(dāng)前圖像與背景圖像的差分來檢測出運動區(qū)域的一種技術(shù)。該方法通過圖像序列中的靜止物體創(chuàng)建背景幀，將當(dāng)前幀與背景幀進(jìn)行比較，然后通過閥值分割不同灰度值的區(qū)域塊從而獲取感興趣區(qū)域。
    假設(shè)有背景圖bk與當(dāng)前幀圖像fk。首先利用公式(1)計算背景圖像bk與當(dāng)前幀圖像fk的差，然后可以依據(jù)公式(1)對差分圖像Dk進(jìn)行二值化和形態(tài)學(xué)濾波處理，并對所得結(jié)果Rk進(jìn)行區(qū)域連通性分析，當(dāng)某一連通區(qū)域的面積大于某一給定閥值，則成為檢測目標(biāo)，并認(rèn)為該區(qū)域即為目標(biāo)的區(qū)域范圍。
   
    其中Dk(x，y)為背景圖像減去當(dāng)前圖像所得到的差分圖像，T是目標(biāo)分割時設(shè)定的閥值。
1．2 灰度投影法
    灰度投影法可以得到所獲取圖像的灰度值總體分布規(guī)律?；叶韧队胺?，就是對輸入的圖像經(jīng)過預(yù)處理后，把其灰度值映射成兩個獨立的一維波形，即把二維圖像信息用兩個獨立的一維信息來表示，其投影方法可用公式表示如下：
   
    其中，G(i)為圖像第i行的灰度值，G(i，j)為圖像上(i，j)位置處的像素灰度值；G(j)為圖像第j列的灰度值。即將圖像第i行各個像素的灰度值映射為一個值G(i)，同理，將第j列各個像素的灰度值映射為一個值G(j)。

2 快速人臉定位方法
2．1 方法原理
    該方法原理簡單。利用背景基本固定的特點，對采集到的駕駛員視頻圖像進(jìn)行背景減除，然后對得到的圖像分別進(jìn)行水平和垂直方向的投影，根據(jù)投影曲線的峰值變化即可快速確定人臉區(qū)域。
2．2 可行性分析
    疲勞駕駛視頻監(jiān)測系統(tǒng)通過視頻采集設(shè)備獲得駕駛員的實時圖像，并基于采集的視頻自動分析駕駛員的相關(guān)特征信息來確定駕駛員精神狀態(tài)。
    背景減除法和灰度投影法相結(jié)合以快速定位人臉功能的實現(xiàn)，是基于疲勞駕駛視頻監(jiān)測的以下幾個特點：
    1)系統(tǒng)的視頻采集設(shè)備通常是固定在車輛儀表盤上方等位置，與車輛形成一個整體，因此無論車輛怎樣運動，兩者都會保持相對靜止?fàn)顟B(tài)，從而采集的視頻背景除光照變化或物體遮擋外基本保持固定不變。
    2)光照引起的背景圖像變化或偶爾的物體遮擋，在灰度投影下相對于駕駛員身體的投影曲線峰值較小，可較明顯的區(qū)分。
    3)車輛駕駛過程中，駕駛員兩肩在采集的視頻圖像中基本保持水平，因此，無論駕駛員頭部怎樣運動，在進(jìn)行水平方向灰度投影時均可根據(jù)兩肩處的峰值變化來正確區(qū)分駕駛員頭部和軀干部分。
    4)駕駛員在駕駛車輛過程中，面部朝向基本保持向前，因此確定了頭部區(qū)域便大概確定了人臉區(qū)域。
    基于以上4點，就可以得到準(zhǔn)確的，并且對光照和人臉姿態(tài)變化具有較好魯棒性的人臉定位方法。
2．3 方法實現(xiàn)
    方法分4個步驟：1)背景獲?。?)背景減除；3)灰度投影，先進(jìn)行水平方向投影將人臉區(qū)域與軀干區(qū)域分開，然后在人臉?biāo)趫D像的水平區(qū)域內(nèi)進(jìn)行垂直方向的投影；4)水平投影和垂直投影所得到的區(qū)域交集，即為人臉區(qū)域。
    方法的偽代碼如下：
    輸入：A，駕駛員人臉圖像
          B，背景圖像
    輸出：F，駕駛員人臉區(qū)域
    描述：
   
    為便于理解，本節(jié)對采集到的一張帶人臉的圖像如圖1所示，及其背景如圖2所示。采用本文所提出的方法進(jìn)行處理，以詳細(xì)展示該方法的具體流程。

    首先利用背景減除法去除圖1的背景，得到圖3(a)，對得到的圖像首先進(jìn)行水平灰度投影，投影曲線如圖3(b)所示。根據(jù)水平投影曲線確定人臉?biāo)诘膱D像水平區(qū)域，如圖3(d)，然后在水平區(qū)域內(nèi)進(jìn)行垂直投影，投影曲線如圖3(c)。最終根據(jù)投影曲線確定人臉?biāo)趨^(qū)域。

3 實驗結(jié)果及分析
    本章節(jié)進(jìn)行實驗以驗證本文所提方法的實時性以及對光照和人臉姿態(tài)變化的魯棒性。
    實驗平臺采用的計算機(jī)CPU為Intel(R)CPU@2．13 GHz，內(nèi)存1 GB；軟件平臺為Windows XP；圖像處理程序由MATLAB編制。待處理圖像為事先獲取的模擬光照變化及人臉姿態(tài)變化的駕駛員圖像，大小統(tǒng)一設(shè)置為320x240像素，如圖4所示。

    1)對圖4中的圖像進(jìn)行實驗，均準(zhǔn)確的得到了人臉區(qū)域，因此可以得出本方法對光照和人臉姿態(tài)的變化具有良好的魯棒性。
    圖5展示了與圖3不同光照不同人臉姿態(tài)下的人臉定位效果。

    2)通過對圖4中8幅圖像進(jìn)行實驗，得出本方法對320×240像素大小的圖像處理所需時間為94ms。
    綜合1)、2)可知，該方法定位準(zhǔn)確、魯棒性好，且定位速度快，為系統(tǒng)的實時性以及下一步的檢測和跟蹤人眼打下了良好的基礎(chǔ)。

4 結(jié)論
    本文緊密結(jié)合疲勞駕駛視頻監(jiān)測過程中視頻背景基本保持不變的實際特點，引入背景減除法結(jié)合灰度投影來實現(xiàn)快速人臉定位。實驗證明，本文所提出的方法準(zhǔn)確、快速且對光照和人臉姿態(tài)變化魯棒性好，為下一步實時、準(zhǔn)確地判斷駕駛疲勞狀態(tài)，打下了良好的基礎(chǔ)。然而本文所提出的方法適用于圖像中存在駕駛員的情況，且僅限于可明顯觀察到駕駛員的光照條件，在光線太弱時難以發(fā)揮作用，仍然需要進(jìn)一步的工作以發(fā)現(xiàn)更好的快速人臉定位方法。