导读:本文包含了人眼状态论文开题报告文献综述及选题提纲参考文献，主要关键词:集成学习,Viola-Jones算法,人眼定位,头部状态检测
人眼状态论文文献综述
吴迎年,贺梦嘉,项伟[1]（2019）在《基于集成学习的人眼定位和头部状态检测研究》一文中研究指出针对人眼定位中的实时性检测问题,设计了基于Viola-Jones算法的人眼实时检测系统,通过MATLAB控制外接或网络摄像头对检测到的人眼图片进行实时读取和实时定位,通过正面图、侧视图、俯仰图的检测,表明人眼实时定位系统检测效果较好并具有很好的鲁棒性。针对小数据集对头部状态的分类效果较差的情况,使用随机森林算法将俯仰角和偏航角的分别用HOG-LBP融合特征和Haar-like特征分类,再将得到的俯仰角和偏转角进行融合,在Pointing'04数据集上对比直接分类准确率提升了4.5%。(本文来源于《系统仿真学报》期刊2019年11期）
王帅,赵鲁阳,何为,李凤荣[2]（2019）在《基于改进ASM算法的列车司机人眼状态检测》一文中研究指出为解决列车司机疲劳状态检测问题,提出了一种改进的主动形状模型(ASM)算法,并设计了一种基于支持向量机(SVM)的人眼状态判定机制,实现了对于司机驾驶过程中的人眼状态进行有效地检测。改进的ASM算法是通过利用多尺度二值模型(MB-LBP)算子来提取局部特征向量,提高了算法在复杂光线环境下的鲁棒性。并将第一步提取出来的眼睛比例作为SVM分类器的输入,用于人眼状态的检测分类。结果表明:改进的ASM算法有效地提高了人脸关键点定位的准确性,设计的判定机制在使用真实数据样本集的测试中达到了80%以上的准确度。(本文来源于《传感器与微系统》期刊2019年05期）
张颜[3]（2019）在《基于计算机视觉的人眼状态识别方法研究》一文中研究指出人眼输出信息是一种极其稳定的人体特征信息,很多学者在人眼检测及状态识别领域投入了大量且深入的研究。在日常生活、医疗、安全等各个场景下,人眼状态检测与模式识别等技术结合,给众多实际场景的应用提供了重要的特征信息,使鲁棒的人眼状态识别在应用工程中彰显出巨大的价值。过去的研究中,眼部状态识别方法大多结合专业设备采集的高分辨率眼部图像进行处理,而在移动场景逐渐成为主流的趋势下,研究成果无法很好地进行应用。因此,对“无约束”人眼状态识别方法的学术研究还值得更多探讨。本文基于图像处理和机器学习分类方法,围绕自然光图像中人眼状态识别的一系列问题进行了研究。本文主要工作如下:1.基于改进的Adaboost算法对人眼检测展开研究。Adaboost分类器进行训练时,临界处正负样本在迭代次数逐渐增多的情况下会因多次错分而存在权重紊乱现象。本文改进了Adaboost算法,并结合肤色分割设计了多层级分类器模型,有效解决了人眼检测中样本的漏检、误检问题,具备更好的鲁棒性。2.研究了瞳孔中心定位问题。针对眼图采用人眼区域粗定位结合中心点定位的方法实现快速获取瞳孔中心坐标。首先采用积分投影粗定位人眼区域,然后在其结果上,采用基于灰度值和圆特性的改进Hough变换快速定位瞳孔中心。与传统方法相比,系统的运算速度提升约40%,满足了应用场景的实时性响应需求。3.定义了8种眼动状态,将获取的瞳孔中心点坐标序列作为输入数据实现眼动状态识别。针对多状态的分类问题,利用支持向量机在多分类问题上的推广,采用了纠错输出编码支持向量机分类算法进行数据的分类,结合纠错输出编码的容错性达到了很好的识别效果,所定义8类状态的识别率均能达到90%以上;并对眼晴的睁、闭眼和眨眼行为进行了判断。为了验证本文算法的性能,论文给出了详细的实验方法和结果分析。实验结果表明,本文提出的方法能够实现精确地人眼状态识别,检测与识别的结果可作为输出信号在各种场景发挥实际应用价值。(本文来源于《重庆邮电大学》期刊2019-03-25）
黄洁媛,岑翼刚,张琳娜,阚世超,梁列全[4]（2018）在《基于卷积神经网络的人眼状态检测》一文中研究指出提出了一种基于卷积神经网络(CNN)的人眼检测及眼睛睁闭状态分类的方法.首先,训练1个用于检测人眼中心点的卷积神经网络,当输入人脸图像时,网络能快速检测到双眼中心点,并输出中心点对应的坐标值;根据中心点坐标值可以确定眼睛区域,得到人眼图像;然后将人眼图像输入到1个用于判断眼睛睁闭状态的分类网络,得到眼睛的睁闭状态.试验结果表明:本文提出的方法有效可行,眼睛定位的准确率可达96%,状态分类准确率可达97.07%.相比传统方法,该方法具有较好的鲁棒性和应用前景.(本文来源于《扬州大学学报(自然科学版)》期刊2018年03期）
田全,王蕴哲[5]（2018）在《基于图像灰度特征的人眼定位及状态识别》一文中研究指出针对眉毛和眼镜框等区域对人眼定位造成较大影响的问题,根据人眼周围区域各部位灰度值变化特征,提出了一种新的人眼定位及开闭状态识别算法。该算法利用Ada Boost算法对人眼进行粗定位,通过图像水平积分法,根据积分极值点特征完成人眼特征的精确定位,实现人眼部位条状区域的分割。最后利用投影法得出人眼的开闭状态。实验结果表明,该文提出的方法能够有效准确的实现人眼部位的精确定位,对人眼开闭状态识别率能够满足实际需求,且对图像中的各种干扰因素具有较强的鲁棒性。(本文来源于《电脑知识与技术》期刊2018年03期）
李杏清,王志兵[6]（2017）在《一种基于人眼状态的疲劳驾驶检测系统研究》一文中研究指出笔者提出了一种基于人眼状态的疲劳驾驶检测方法,对常用疲劳监测方法进行分析对比,并和人眼状态监测方法进行比较,进一步提高人眼状态监测方法的实用性和及时性;完善基于人眼状态的疲劳驾驶检测算法,提取视频图像的边缘特征并进行二值化处理,利用Hough变换来检验瞳孔轮廓,最后达到降低噪声和边缘间断影响的目的;实现基于人眼状态的疲劳驾驶检测系统,使其更适合车辆运行时多变的光照情况及高频低幅振动的环境,进一步达到实时检测和识别的要求。(本文来源于《信息与电脑(理论版)》期刊2017年23期）
蔡伽[7]（2017）在《基于人眼状态检测的疲劳驾驶识别研究》一文中研究指出随着人类生活水平的提高,机动车使用量逐年增加,伴随而来的是各类交通事故的发生,安全驾驶已成为社会关注的问题之一,其中,因疲劳驾驶而导致的交通事故占很大比例,因此,研究出一套使用方便、实时高效、检测准确的疲劳驾驶识别算法成为减少事故的重点。在所有的外在特征中,人眼状态是最能够反应疲劳状态的,所以本文通过对人眼状态的检测来实现疲劳驾驶的判定。本文对疲劳驾驶识别的研究做了以下四部分工作:1)图像预处理,首先对图像进行自动白平衡处理,使得图像色彩跟物体真实的色彩保持一致,便于计算机识别;再通过基于拉普拉斯算子的图像增强,使得物体的轮廓更加明显,人脸更便于识别。2)人脸检测,在前人研究较成熟的基于Gentle-Adaboost算法的人脸检测基础上进行改进,Gentle-Adaboost算法与haar特征识别相结合,以保证识别率,然后引入均值哈希算法的概念,将人脸信息转换为哈希指纹信息,用哈希指纹信息的对比代替人脸检测,再利用缓存数据库来存储相似图片的哈希指纹,这样不仅能够得到脸部的精确定位而且平均识别时间也减少了原检测时间的80%。3)人眼识别,分为人眼定位和人眼状态识别,该部分提出一种基于寻找最小阈值的改进方案来确定人眼状态,使用模板匹配的方法寻找疲劳状态时的人眼位置,进而缩短人眼识别时间。4)疲劳判定,采用PERCLOS疲劳判定准则。根据此准则判断驾驶员是否处于疲劳状态,如果是,及时对疲劳状态进行预警,减少行车事故。通过多次实验证明,改进后的疲劳检测平均用时33.29ms,同部分文献中的改进算法相比,用时最少。实验证明,改进后的算法能够高效检测出驾驶员的疲劳状态,平均识别时间大幅度减少,达到了预期实验目标。(本文来源于《河北科技大学》期刊2017-12-01）
徐恺,贾志刚,房丰洲[8]（2018）在《人眼实际观察状态下的自由曲面眼镜片的透射波前像差测量》一文中研究指出基于人眼-镜片联合模型提出了一种实际观察状态下测量自由曲面镜片波前像差的方法,该方法不同于焦度计及现有的哈特曼-夏克波前像差传感器测量眼镜片后表面波前像差的方法。阐述了一种在实际观察状态下眼镜片顶球面上的波前像差测量方法的原理。基于该原理设计、研制了相应的测量装置,并使用该测量装置自动扫描测量得到眼镜片顶球面上的波前像差和配戴者屈光度参数。实验结果验证了该测量装量可以实现模拟实际观察状态下自由曲面镜片波前像差的测量,有助于评价自由曲面镜片的成像质量和加工质量,以及指导镜片的设计和优化。(本文来源于《光学学报》期刊2018年02期）
王剑楠,潘文平,李英浩[9]（2016）在《飞行员疲劳监测中的人眼定位及状态判别研究》一文中研究指出飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测,其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼,根据模糊综合评价思想,判定人眼睁开闭合状态,根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明,改进的人眼定位方法具有更高的精确度和鲁棒性,提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。(本文来源于《航空计算技术》期刊2016年04期）
付雅慧,欧阳纯萍,刘志明[10]（2016）在《基于LBP模板匹配的人眼状态检测》一文中研究指出提出一种基于LBP算子模板匹配的人眼状态检测方法。首先,对实验中用到的图像进行LBP算子计算,对样本图像和原始图像的各个像素点进行相似度计算,得相似度矩阵。之后再通过模板匹配,得出眼睛的精确区域。最后根据一定的比例系数和相应的公式来识别眼睛的状态。实验表明,基于LBP算子的模板匹配可以更好突出眼睛的纹理特征,从而得到更高的正确率。(本文来源于《现代计算机(专业版)》期刊2016年21期）
人眼状态论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决列车司机疲劳状态检测问题,提出了一种改进的主动形状模型(ASM)算法,并设计了一种基于支持向量机(SVM)的人眼状态判定机制,实现了对于司机驾驶过程中的人眼状态进行有效地检测。改进的ASM算法是通过利用多尺度二值模型(MB-LBP)算子来提取局部特征向量,提高了算法在复杂光线环境下的鲁棒性。并将第一步提取出来的眼睛比例作为SVM分类器的输入,用于人眼状态的检测分类。结果表明:改进的ASM算法有效地提高了人脸关键点定位的准确性,设计的判定机制在使用真实数据样本集的测试中达到了80%以上的准确度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人眼状态论文参考文献
[1].吴迎年,贺梦嘉,项伟.基于集成学习的人眼定位和头部状态检测研究[J].系统仿真学报.2019
[2].王帅,赵鲁阳,何为,李凤荣.基于改进ASM算法的列车司机人眼状态检测[J].传感器与微系统.2019
[3].张颜.基于计算机视觉的人眼状态识别方法研究[D].重庆邮电大学.2019
[4].黄洁媛,岑翼刚,张琳娜,阚世超,梁列全.基于卷积神经网络的人眼状态检测[J].扬州大学学报(自然科学版).2018
[5].田全,王蕴哲.基于图像灰度特征的人眼定位及状态识别[J].电脑知识与技术.2018
[6].李杏清,王志兵.一种基于人眼状态的疲劳驾驶检测系统研究[J].信息与电脑(理论版).2017
[7].蔡伽.基于人眼状态检测的疲劳驾驶识别研究[D].河北科技大学.2017
[8].徐恺,贾志刚,房丰洲.人眼实际观察状态下的自由曲面眼镜片的透射波前像差测量[J].光学学报.2018
[9].王剑楠,潘文平,李英浩.飞行员疲劳监测中的人眼定位及状态判别研究[J].航空计算技术.2016
[10].付雅慧,欧阳纯萍,刘志明.基于LBP模板匹配的人眼状态检测[J].现代计算机(专业版).2016
标签：集成学习; Viola-Jones算法; 人眼定位; 头部状态检测;