导读:本文包含了眼睛特征检测论文开题报告文献综述及选题提纲参考文献，主要关键词:色彩空间,眼睛定位,人眼状态判断,PERCLOS算法
眼睛特征检测论文文献综述
王鑫磊,王辛岩,田中轩,张娅婷[1]（2018）在《眼睛特征下的疲劳检测与研究》一文中研究指出对于道路交通安全问题,国内外学者对驾驶行为模型,驾驶心理状况,交通安全风险,曲线轨迹分布特征,对曲线速度特性和道路基础设施等进行了大量研究,但很少从驾驶员行为中做出较多研究。结合Haar相关特征模板,识别和检测人脸;采用几何法实际测量人脸相关数据进而定位人眼;PERCLOS算法用于定位和检测驾驶员的眼睛状态。(本文来源于《绿色环保建材》期刊2018年12期）
杨非,庞玉,刘宗强[2]（2017）在《驾驶员疲劳检测中眼睛特征提取算法研究》一文中研究指出针对当前驾驶员疲劳检测过程中眼睛特征提取方法鲁棒性较差,且定位不准的问题,提出了一种驾驶员疲劳检测中眼睛特征提取方法。首先通过基于图像增强的ASM算法对人脸特征进行定位,利用模型中的定位点提取眼睛区域,在眼睛初步定位的基础上,分别利用加权混合投影算法和多特征融合的方法对内外眼角进行精确定位;然后根据内外眼角确定瞳孔区域,采用基于灰度分布的加权积分投影算法对瞳孔中心进行粗定位,利用形态学原理对瞳孔中心进行校正,从而得到瞳孔的精确位置;最后根据准确定位提取眼睛中点的上下眼睑点,从而获取眼睛开度的大小。试验表明,该算法能准确定位瞳孔和眼角位置,并利用定位点正确提取眼睛特征。(本文来源于《机电一体化》期刊2017年07期）
廖才满[3]（2017）在《多姿态人脸特征点检测算法研究及其在眼睛定位中的应用》一文中研究指出人脸图像包含了大量信息,这些基本信息可以加工成更高级的用户信息,可用于了解人的情感与行为、人机交互等机器视觉领域,而要获取这些信息,通常需要先对人脸特征点进行检测。然而,在头部姿态变化的情况下,人脸的形状、尺度等特性发生很大的变动,给特征点的检测带来很大的挑战。因此,本文针对头部姿势变化下的特征点检测问题进行深入研究,提出一种能满足多姿态变化的人脸特征点检测算法,并将其应用在眼睛定位上,主要工作内容如下:(1)多姿态人脸特征点初始化。针对人脸特征点初始化对姿态变化敏感的问题,本文通过对不同人脸朝向的特征点分布趋势进行分析,提出一种基于人脸朝向分类的特征点初始化方法,对不同朝向的人脸采取不同的初始化策略。对于每一个待进行特征点检测的人脸图像,首先提取人脸图像的HOG(HistogramofOrientedGradient)特征,输入到已经训练好的随机森林决策树进行投票,得到其朝向分类标签。而后,不同的朝向选取对应训练子集中样本特征点的均值作为其初始化值。(2)对姿态变化不敏感的姿势索引特征的提取。为了增强多姿态变化下人脸特征点检测的鲁棒性,本文将传统的基于级联回归模型的人脸特征点框架拓展为正朝向、左朝向、右朝向叁个方向,同时在对应的朝向下提出一种对姿势变化不敏感的特征——基于类内区域均值的姿势索引特征。首先,对人脸中关键部位的特征点进行聚类,随机取类内的特征点组成叁角形区域模板集,接着在每个区域模板中选取若干个参考点,并计算其均值作为类内局部区域的输出,最后根据特征相关性分析得到局部区域特征对,作为姿势索引特征。本文提出的基于人脸朝向分类的特征点初始化方法,在不同朝向的姿势下取得很好的分类效果,在CAS-PEAL数据库和Helen-LFPW-300W混合数据库平均分类准确率分别达到95.8%、93.8%,同时得到的特征点平均定位误差要低于传统的随机初始化方法;基于类内区域均值的姿势索引特征,在Helen-LFPW-300W混合数据库中检测得到的人脸特征点平均定位误差要低于传统的姿势索引特征;同时将人脸特征点检测应用在眼睛定位上,得到的眼睛定位误差要低于传统统计学习的方法。实验结果证明,本文提出的初始化算法和姿势索引特征能较好的解决多姿态变化带来的问题。(本文来源于《华南理工大学》期刊2017-04-17）
陈中胜[4]（2015）在《基于红外视频图像眼睛信息特征的疲劳检测》一文中研究指出如今,随着我国社会主义现代化国家的建设不断向前推进,道路交通基础设施逐步完善,汽车及汽车驾驶人数量迅速增加,随之而来的是道路交通事故的增加,人类面临道路交通事故的威胁也越来越严重。造成交通故事因素有很多,其中最重要的因素是疲劳驾驶和超速驾驶,这两者是导致交通事故频发的罪魁祸首。随着越来越多的城市提出要建设智慧城市,智能交通也是其中的组成部分,利用信息技术来减少诸如疲劳驾驶的事故发生,提高行车安全变得极其有意义的课题。本文对近红外视频图像下疲劳驾车识别算法开展了应用性的研究,主要做了以下工作:1.特征提取及其人脸检测。针对传统AdaBoost级联算法训练耗时、泛化能力较差等问题,通过引入Q统计量对分类器之间相关性进行衡量,提出了一种能减少Haar特征的特征预处理方法。当统计量Q大时,说明此特征与彼特征具有相似的分类性能,因此可以选择分类性能好的特征,从而能减少Haar特征数量,减少训练时间,提高训练速度。本文提出融合混沌算法,构建自适应、混沌粒子群的AdaBoost人脸检测算法,能有效提高人脸检测精确度、泛化误差等方面的性能,与传统的AdaBoost算法对比在弱分类器数量为100个时能达到90%的检测率。2.人脸跟踪定位。针对传统的Mean-Shift算法进行人脸跟踪时,计算的是开始帧人脸直方图分布,在经过一段时间间隔之后,候选人脸会偏离开始的人脸模型,而人脸模型并没有随时更新,这会导致人脸跟踪失败。并且Mean-Shift算法在人脸目标快速移动的跟踪中存在缺陷,而卡尔曼滤波器在线性预测方面有预测准确,运算速度快等优点,因此提出结合卡尔曼滤波的改进Mean-Shift人脸跟踪算法,实验结果表明,与传统的算法相比跟踪速度和精度得到了提高。3.人眼定位和人眼状态识别。首先自行建立近红外睁闭眼图像库,然后以Haar特征结合AdaBoost算法进行眼睛检测和定位;在进行眼睛睁闭状态识别之前,先融合经PCA降维的HOG和伪Zernike矩特征建立SVM眼睛净闭不同状态的识别模型,再对检测到的人眼进行识别,最后利用PERCLOS原理进行疲劳检测。利用本文的算法在自建的数据库中睁眼和闭眼识别率能分别达到90.27%和92.4%,能达到实际应用的要求。(本文来源于《广西科技大学》期刊2015-05-23）
田建华[5]（2011）在《基于灰度信息和Harris角点检测的眼睛特征提取》一文中研究指出笔者在此提出了一种基于灰度信息和Harris角点检测的眼睛特征提取算法,首先利用眼睛区域的灰度信息,提取出瞳孔的位置和大小,然后利用Harris角点检测算法找到眼角点,最后利用曲线拟合算法拟合出眼睛的轮廓。结果表明Harris角点检测能够有效地提取眼睛特征。(本文来源于《新课程(教育学术)》期刊2011年04期）
陈佳[6]（2008）在《基于眼睛特征图的眼睛检测系统的设计与实现》一文中研究指出给出一种基于眼睛特征图的眼睛定位方法。首先通过肤色检测得到人脸区域,然后在限定的人脸区域内建立眼睛色度图,并利用眼睛在人脸区域内的几何分布对眼睛区域进行局部的光线补偿,突出眼睛的色度信息,得到眼睛的二值图像,最终利用灰度投影算法定位眼睛。(本文来源于《南阳师范学院学报》期刊2008年06期）
宋尚玲,王长宇,梅良模[7]（2006）在《基于自定义特征检测模板的快速眼睛定位方法》一文中研究指出眼睛准确定位是虹膜识别和人脸识别的重要步骤.介绍了一种适合实时处理的快速眼睛定位方法.利用数学形态学提取头部图像,提出一种新的特征检测模板,再结合投影算法和人脸结构特征定位眼睛.试验结果表明此算法具有很好的实时性、准确性和鲁棒性.(本文来源于《山东大学学报(工学版)》期刊2006年01期）
王学武,石跃祥[8]（2006）在《基于眼睛特征的人脸检测方法》一文中研究指出由于眼球的灰度级较低,而眼球周围白色区域的灰度级较高,因此在其交界处灰度级产生强烈突变。利用这一特征先从图像中找出可能的眼睛对,定位可能的人脸区域,通过计算其对称性来确定各种人脸特征的存在,更进一步验证可能的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。(本文来源于《计算机应用研究》期刊2006年01期）
石跃祥,蔡自兴,B,Benhabib,王学武[9]（2005）在《基于眼睛梯度对特征的人脸检测方法》一文中研究指出该文提出了一种利用眼睛灰度变化梯度对特征来检测人脸的方法。在分析人脸图像中发现,眼球的灰度级较低,而眼球周围白色区域的灰度级较高,两个区域在其交界处灰度级产生强烈突变。该文利用图像灰度变化梯度值构造梯度和特性值,通过寻找相等的梯度和特性值来实现从图像中找出对应眼睛的位置,定位可能的人脸区域,再计算其对称性后确定人脸特征的存在,更进一步验证检测的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。(本文来源于《计算机工程与应用》期刊2005年26期）
王学武[10]（2005）在《眼睛梯度特征的人脸检测及Fisher人脸识别技术的应用》一文中研究指出基于生物特征的识别技术是一门利用人类特有的个体特征来证实个人身份的科学,它提供了一种基于唯一的、高可靠性和稳定的人体生物特征的新的身份鉴别途径,是身份识别的一种最安全的方式。人脸是人类视觉中最为普遍的模式,人的面部所表现的视觉信息在社会交流和交往中有着重要的作用和意义。虽然近几十年来出现了大量的人脸检测与识别的算法,但识别率、识别速度以及算法鲁棒性等方面还是不够理想。因此本文对人脸检测与识别进行了深入地研究,主要工作如下:1、概述了生物特征识别技术及其优势、特点和发展方向,重点介绍了人脸检测与识别技术的研究内容、方法及应用范围。2、针对复杂背景中的人脸检测问题,本文提出了一种利用眼睛梯度特征来检测人脸的方法。实验证明,此方法能迅速准确地检测出处于复杂背景中任何位置的、不同大小的人脸,而且对多人脸图像同样有效。3、详细介绍了K-L 变换和Fisher 线性判别方法。由于人脸识别率受照明条件的影响较大,而各个人脸图像的平均灰度值各不相同,所以必须对人脸图像进行灰度归一化。于是本文对主成分分析PCA 方法进行了改进,使之对照明条件不敏感,即具有灰度归一化能力;然后再将改进后的主成分分析法和Fisher 线性判别分析方法组合起来进行人脸识别,在ORL 人脸数据库上进行了实验,识别率得到了明显提高。本文通过对人脸检测与识别技术的研究,提出了一种利用眼睛梯度特征的人脸检测方法并对主成分分析方法做了改进以进行人脸识别。实验证明了这两种方法的优越性。(本文来源于《湘潭大学》期刊2005-05-01）
眼睛特征检测论文开题报告
（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：
针对当前驾驶员疲劳检测过程中眼睛特征提取方法鲁棒性较差,且定位不准的问题,提出了一种驾驶员疲劳检测中眼睛特征提取方法。首先通过基于图像增强的ASM算法对人脸特征进行定位,利用模型中的定位点提取眼睛区域,在眼睛初步定位的基础上,分别利用加权混合投影算法和多特征融合的方法对内外眼角进行精确定位;然后根据内外眼角确定瞳孔区域,采用基于灰度分布的加权积分投影算法对瞳孔中心进行粗定位,利用形态学原理对瞳孔中心进行校正,从而得到瞳孔的精确位置;最后根据准确定位提取眼睛中点的上下眼睑点,从而获取眼睛开度的大小。试验表明,该算法能准确定位瞳孔和眼角位置,并利用定位点正确提取眼睛特征。
（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。
眼睛特征检测论文参考文献
[1].王鑫磊,王辛岩,田中轩,张娅婷.眼睛特征下的疲劳检测与研究[J].绿色环保建材.2018
[2].杨非,庞玉,刘宗强.驾驶员疲劳检测中眼睛特征提取算法研究[J].机电一体化.2017
[3].廖才满.多姿态人脸特征点检测算法研究及其在眼睛定位中的应用[D].华南理工大学.2017
[4].陈中胜.基于红外视频图像眼睛信息特征的疲劳检测[D].广西科技大学.2015
[5].田建华.基于灰度信息和Harris角点检测的眼睛特征提取[J].新课程(教育学术).2011
[6].陈佳.基于眼睛特征图的眼睛检测系统的设计与实现[J].南阳师范学院学报.2008
[7].宋尚玲,王长宇,梅良模.基于自定义特征检测模板的快速眼睛定位方法[J].山东大学学报(工学版).2006
[8].王学武,石跃祥.基于眼睛特征的人脸检测方法[J].计算机应用研究.2006
[9].石跃祥,蔡自兴,B,Benhabib,王学武.基于眼睛梯度对特征的人脸检测方法[J].计算机工程与应用.2005
[10].王学武.眼睛梯度特征的人脸检测及Fisher人脸识别技术的应用[D].湘潭大学.2005