一种眼睛睁闭状态的检测方法及系统技术方案

本发明专利技术公开一种眼睛睁闭状态的检测方法及系统，通过构建构建用于检测眼睛睁闭状态的级联式强分类器，提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器，由基本检测线性强分类器进行初次检测判断，由遮挡检测线性强根据扩大的特征提取区域提取的眼睛局部特征来判断基本检测线性强分类器误判的眼睛目标，从而提高了眼睛状态检测的精确性，且由于级联式强分类器采用线性强分类器，使是本发明专利技术的级联式强分类器具有模型小、速度快和泛化能力强的优点。

【技术实现步骤摘要】

本专利技术属于人脸识别检测
，具体涉及一种眼睛睁闭状态的检测方法及系统。
技术介绍
人工智能是二十一世纪最受人关注的一项科学技术，人工智能将把人们热爱的影视剧中的科幻情节，变成我们现实生活中的一部分。在人工智能大系统中，计算机视觉无疑是其中非常重要的一个环节，计算机视觉无论在设计的机器人还是当今火热的无人车驾驶中，其地位是毋庸置疑的，计算机视觉就像其名字一样，它是人工智能中的眼睛，它将接受外界各种情景来进行识别，没有计算机视觉，人工智能就像一个没有眼睛的盲人。计算机视觉是备受人们关注的，无论是静态的图像还是动态的视频，都是世界专家深度研究的领域，在计算机视觉中ImageNet比赛更是受到商界和科研界的积极参与。在计算机视觉大领域中识别人脸是当今无人不知的一项技术，尤其在2015年马云向德国总理演示了刷脸支付技术后，商界把人脸技术应用推向了一个新的高峰。在人脸识别的技术中，识别人脸眼睛睁闭状态是人们比较关注的，无论是从计算机视觉的宏观角度还是眼睛睁闭状态的活体检测，识别人脸眼睛睁闭状态无疑是计算机视觉中的第一步，但现实环境中干扰因素太多，复杂环境中的干扰不仅多，而且是多变的，这使得在实验研究领域识别性能非常好的睁闭状态检测，在实际的应用中会出现效果下降，甚至不能使用的情况。人脸眼睛睁闭状态的检测是计算机视觉领域非常受关注的一个课题，同时也是一项非常有使用价值的技术，如在机器人中机器人识别一个人的眼睛睁闭状态是最基本的一个要求，或者最近如火如荼的人脸识别技术中，对人脸活体没有分辨能力，此时可以利用眼睛睁闭状态进行活体检测，将照片和活体分辨出来。在此之前国内外领域专家已经在眼睛睁闭状态方面开展相关研究，但其效果通常是实验室中测 试数据取得的，而现实环境是复杂多变的，如光照的明暗，使用人员头部姿态的变化以及有无遮挡等，这些因素都影响着眼睛状态检测结果。现实中的干扰因素太多，往往比预计的要多的多。现阶段如果简单收集各种干扰数据，利用分类器进行分类，其效果通常比我们预计的要差很多。利用一种分类器来解决现实中的各种情况的检测方法有许多缺点，其主要缺点为：一、现实环境是复杂多变的，往往比事先预计的要复杂，并且随着使用环境的改变，干扰因素同时会跟着改变，其导致此种方法的可扩展性变差；其二在各种干扰中，由于其干扰因素的不同，导致图像数据不同，如果将各种过多的异样数据混杂在一起，其结果往往会导致最终的训练模型过于庞大和过拟合，导致在现实使用中泛化能力很差。
技术实现思路
本专利技术的目的在于解决上述的技术问题而提供一种眼睛睁闭状态的检测方法及系统，其能针对现实使用环境中的每种干扰情况进行处理，最终有效地检测出眼睛睁闭状态且易于扩展。本专利技术是这样实现的，一种眼睛睁闭状态的检测方法，包括以下步骤：构建用于检测眼睛睁闭状态的级联式强分类器：提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器的基本检测线性强分类器，由该基本检测线性强分类器判断眼睛目标是处于睁眼状态还是闭眼状态；若判断为闭眼状态，则将判断为闭眼状态的眼睛目标对应的眼睛图片数据的特征提取区域扩大，在扩大的特征提取区域提取眼睛局部特征，将在所述扩大的特征提取区域提取的眼睛局部特征送入干扰检测线性强分类器，由该干扰检测线性强分类器判断该眼睛目标是处于睁眼状态还是闭眼状态。所述基本检测线性强分类器包括一个线性强分类器，所述干扰检测线性强分类器包括至少一个干扰检测线性强分类器。所述干扰检测线性强分类器包括至少一个遮挡检测强分类器。所述基本检测线性强分类器与干扰检测线性强分类器采用支持向量机SVM、logistic回归和贝叶斯分类器的一种，所述眼睛局部特征包括LBP、Gabor、HOG特征的一种。所述眼睛局部特征包括LBP特征，所述基本检测线性强分类器与干扰检测线性强分类器采用SVM分类器。本专利技术的目的还在于提供一种眼睛睁闭状态的检测系统，包括：级联式强分类器，所述级联式强分类包括一个基本检测线性强分类器以及级联在该基本检测线性强分类器后面的干扰检测线性强分类器；所述基本检测线性强分类器，用于提取需要判断的眼睛图片数据的眼睛局部特征判断眼睛目标是处于睁眼状态还是闭眼状态；所述干扰检测线性强分类器，用于将判断为闭眼状态的眼睛目标对应的眼睛图片数据的特征提取区域扩大，在扩大的特征提取区域提取眼睛局部特征，判断该眼睛目标是处于睁眼状态还是闭眼状态。本专利技术通过构建构建用于检测眼睛睁闭状态的级联式强分类器，提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器，由基本检测线性强分类器进行初次检测判断，由遮挡检测线性强根据扩大的特征提取区域提取的眼睛局部特征来判断基本检测线性强分类器误判的眼睛目标，从而提高了眼睛状态检测的精确性，且由于级联式强分类器采用线性强分类器，使是本专利技术的级联式强分类器具有模型小、速度快和泛化能力强的优点。附图说明图1为本专利技术实施例提供的眼睛状态检测方法的检测流程图；图2为本专利技术实施例提供的眼睛状态检测系统的示意图。具体实施方式下面将结合本附图，对本专利技术技术方案进行清楚、完整地描述， 显然所描述的实施例仅仅是本专利技术部分实施例，而不是全部实施例。本专利技术是以级联的方式将各种强分类器进行级联，从而使每种分类器解决现实使用环境中的各种干扰，最终将眼睛的睁闭状态检测出来。参见图1所示，一种眼睛睁闭状态的检测方法，包括以下步骤：构建用于检测眼睛睁闭状态的级联式强分类器：提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器的基本检测线性强分类器，由该基本检测线性强分类器判断眼睛目标是处于睁眼状态还是闭眼状态；若判断为闭眼状态，则将判断为闭眼状态的眼睛目标对应的眼睛图片数据的特征提取区域扩大，在扩大的特征提取区域提取眼睛局部特征，将在所述扩大的特征提取区域提取的眼睛局部特征送入干扰检测线性强分类器，由该干扰检测线性强分类器判断该眼睛目标是处于睁眼状态还是闭眼状态。需要说明的是，基本检测线性强分类器与干扰检测线性强分类器包括两部分构成，一个特征提取，一个是分类；所述特征提取是将输入图像转化为人工设计的某种数字编码，这样可以有效提取图像中的特征，来进行图像的表示；如果将图像直接送入分类器，由于其特征表示能力差，往往会导致模型训练效果差或者泛化能力差。本专利技术中，所述基本检测线性强分类器包括一个线性强分类器，主要用于对眼睛目标的基本检测判断，基本判断眼睛目标是睁眼状态还是闭眼状态，非专门对受环境干扰的眼睛目标的睁闭状态检测，所述干扰检测线性强分类器包括至少一个线性强分类器，主要用于对基本检测线性强分类器检测后判断为闭眼状态的眼睛目标进行排除环境干扰因素后检测，从而可以在基本检测线性强分类强在误判或无法判断睁闭状态的情况下，对眼睛目标的睁闭状态进一步的检测判断，以达到精确判断眼睛目标的睁闭状态情况。本专利技术中，所述干扰检测线性强分类器包括至少一个干扰检测线性强分类器，也就是所述干扰检测线性强分类器的强分类器可以是一个，两个，三个甚至是多个，具体不限。具体实现上，所述干扰检测线性强分类器中的每一个干扰检测强分类器可以是根据适应不同干扰环境或不同干扰因素训练而设计成的不同的强分类器，它们分别实现对相应的干扰环境或干扰因素的排除，以检测眼睛目标的睁闭状态，每一本文档来自技高网...

【技术保护点】
一种眼睛睁闭状态的检测方法，其特征在于，包括以下步骤：构建用于检测眼睛睁闭状态的级联式强分类器：提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器的基本检测线性强分类器，由该基本检测线性强分类器判断眼睛目标是处于睁眼状态还是闭眼状态；若判断为闭眼状态，则将判断为闭眼状态的眼睛目标对应的眼睛图片数据的特征提取区域扩大，在扩大的特征提取区域提取眼睛局部特征，将在所述扩大的特征提取区域提取的眼睛局部特征送入干扰检测线性强分类器，由该干扰检测线性强分类器判断该眼睛目标是处于睁眼状态还是闭眼状态。

【技术特征摘要】
1.一种眼睛睁闭状态的检测方法，其特征在于，包括以下步骤：构建用于检测眼睛睁闭状态的级联式强分类器：提取需要判断的眼睛图片数据的眼睛局部特征送入所述级联式强分类器的基本检测线性强分类器，由该基本检测线性强分类器判断眼睛目标是处于睁眼状态还是闭眼状态；若判断为闭眼状态，则将判断为闭眼状态的眼睛目标对应的眼睛图片数据的特征提取区域扩大，在扩大的特征提取区域提取眼睛局部特征，将在所述扩大的特征提取区域提取的眼睛局部特征送入干扰检测线性强分类器，由该干扰检测线性强分类器判断该眼睛目标是处于睁眼状态还是闭眼状态。2.根据权利要求1所述眼睛睁闭状态的检测方法，其特征在于，所述基本检测线性强分类器包括一个线性强分类器，所述干扰检测线性强分类器包括至少一个干扰检测线性强分类器。3.根据权利要求1所述眼睛睁闭状态的检测方法，其特征在于，所述干扰检测线性强分类器包括至少一个遮挡检测强分类器。4.根据权利要求3所述眼睛睁闭状态的检测方法，其特征在于，所述基本检测线性强分类器与干扰检测线性强分类器采用支持向量机SVM、logistic回归和贝叶斯分类器的一种，所述眼睛局部特征包括LBP、Gabor、HOG特征的一种。5.根据权利要求4所述眼睛睁闭状态的检测方法，其特征在于，所述眼睛局部特征包括LBP特征，所述基本检测线性强分类器与干扰检测线性...

【专利技术属性】
技术研发人员：孙哲南，赫然，谭铁牛，宋凌霄，曹冬，李琦，
申请(专利权)人：天津中科智能识别产业技术研究院有限公司，
类型：发明
国别省市：天津;12