基于区域最匹配特征点的头部状态监测方法技术

本发明专利技术公开了一种基于区域最匹配特征点的头部状态监测方法，本方法包括如下步骤：步骤1、采集红外视频帧并进行人脸检测；步骤2、在最大人脸框的基础上规划特征点检测区域；步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；步骤4、提取监测帧检测区域的SURF特征点，选出与模板最匹配的三对特征点；步骤5、通过最匹配的三对特征点的位置信息判断监测帧的头部状态。其特征在于：1）实时性好，仅需单帧红外图像，仅采用三对最匹配特征点进行计算，降低了算法的复杂度；2）可靠性高，规划特征点检测区域可以减少误匹配，提取三对最匹配特征点可避免单一匹配带来的随机性，并有效避免特征点丢失的情况。

【技术实现步骤摘要】
基于区域最匹配特征点的头部状态监测方法
本专利技术属于计算机视觉领域，特别涉及一种基于区域最匹配特征点的头部状态监测方法。
技术介绍
随着计算机视觉技术的发展，智能视频监控技术可逐步实现汽车辅助驾驶的应用，疲劳驾驶的监测是行车辅助驾驶系统的重要部分，引起了国内外众多研究机构和人员的广泛关注，并已取得部分研究成果。比如比亚迪装备的“疲劳驾驶预警系统”、大众汽车的“疲劳识别系统”、奔驰“注意力辅助系统”、沃尔沃“驾驶员安全警告系统”。这些疲劳监测方法总体分为两种：（1）通过摄像头基于机器视觉监测人的面部、表情、行为等活动；（2）通过传感器监测驾驶员的心率、车的行驶路线等参数。但在实际的测试和使用过程中，暴露出诸如漏检率和误检率过高、对环境的适应性差、实时性不足等问题，难以满足实际的需求，因此对其进一步的研究具有重要意义。在疲劳驾驶的监测中，对驾驶员的行为监测是一个很重要的参考指标。驾驶员长时间的偏头、低头等不正确状态会造成对路况判断不全面，容易导致交通事故的发生。头部状态的监测可用于监测驾驶员的注意力是否集中，对保障行车安全具有重要的作用。目前基于视频对驾驶员行为的监测有以下几种方法：贝叶斯分类器方法、神经网络方法、结合运动目标的投影信息的PCA方法、肤色模型方法等。贝叶斯分类器及神经网络的方法样本需求量大，样本量及样本代表性对识别准确度的影响很大，且达不到实时更新的要求；PCA方法及肤色模型等方法也存在识别准确度不够高、实时性不好、算法复杂、鲁棒性及适应性不够好的问题。
技术实现思路
为了实时可靠地监测驾驶员的头部状态，本专利技术提出了一种基于区域最匹配特征点的头部状态监测方法，该方法基于主动红外视频，在人脸检测的基础上规划出头部的检测区域，实时提取检测区域的SURF特征点，然后与正确头部状态下的人脸（模板）检测区域中的SURF特征点做匹配，并选出三对最匹配的SURF特征点，根据它们之间的位置关系建立一种判别头部状态正确与否的方法，判别的可靠性高，速度能满足实时性要求。本专利技术的技术解决方案包括如下步骤：步骤1、采集红外视频帧，利用AdaBoost算法进行人脸检测，提取最大人脸框；步骤2、在最大人脸框的基础上规划特征点检测区域，得到所需的重点检测区域；步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；步骤4、提取监测帧检测区域的SURF特征点，选出与模板最匹配的三对特征点；步骤5、通过最匹配的三对特征点的位置信息判断监测帧的头部状态。步骤1中的红外视频相对于可见光视频受光照的影响较小。在相同条件下，红外视频的特征点少于可见光视频，因此特征点间的匹配次数减少，有利于提高计算速度。步骤2特征点的检测区域是按照人脸检测框的比例来规划的，设人脸检测框的宽和高分别为Wf和Hf，为了保证在接近正确状态下所提取的特征点都是来自于人脸，则规划区域的中心点与最大人脸检测框的中心点位置相同，其宽度是在最大人脸检测框的基础上两边各去掉Wf/5，其高度与最大人脸检测框的高度相同，这种策略可以减少误判，提高该方法的可靠性。步骤3提取SURF特征用于主动红外视频中头部状态监测，不同于将SURF特征用于现有的图像拼接、跟踪和检索等。步骤4选出与模板最匹配的三对特征点是分别将监测帧和模板检测区域所有SURF特征点的特征向量两两求内积，选择内积最大的三对SURF特征点，这是为了提高监测的可靠性，避免单一匹配带来的随机性，而且内积大的特征点对更可能是真实的匹配点。步骤5判断监测帧头部状态的方法是首先定义三对最匹配特征点间的平行度M和归一化整体偏离距离D，并设定相应的阈值TM和TD，然后进行决策级的融合并得到决策融合参数R，最后将连续10帧R的累加量Rs与阈值TR比较，就可以区分头部状态正确与否。在（接近）正确状态下，监测帧与模板检测区域的匹配点多是正确的，最匹配点间的连线大致平行，因此可将平行度M作为判别指标之一，而归一化整体偏移距离D则可以定量更加准确，结合二者的决策融合可更加可靠地判断头部状态。该方法有别于一般的用几个固定的特征点（如眼睛、鼻子等）进行匹配和头部状态监测的方法，其可靠性和灵活度更高，因为本方法中最匹配的SURF特征点是变化的，可以有效避免特征点丢失的情况。本专利技术与现有技术相比，其显著优点是：1）本专利技术方法实时性好，不需要大规模的样本统计，仅需单帧红外图像，仅采用三对最匹配SURF特征点进行平行度和归一化整体偏移距离的计算，降低了算法的复杂度；2）本专利技术方法可靠性高，在最大人脸框的基础上规划了特征点检测区域可以减少误匹配，提取了三对最匹配特征点可避免单一匹配带来的随机性，并有效避免特征点丢失的情况，结合最匹配特征点间的平行度和归一化整体偏离距离进行决策级的融合并判断。附图说明图1为本专利技术的头部状态判别流程图；图2为本专利技术的特征点检测区域规划示意图；图3为本专利技术的在原始图像上提取SIFT和SURF特征点的耗时实验；图4为本专利技术的在人脸框与检测区域中提取SURF特征点的耗时实验；图5为本专利技术的模板与不同监测帧检测区内三对最匹配特征点的实验图；图6为本专利技术的模板与监测帧检测区域合并成一个坐标示意图；图7为本专利技术的模板与监测帧检测区域分开的坐标示意图；图8为本专利技术的头部状态监测实验结果。具体实施方式下面结合附图及具体实例对本专利技术方案作进一步说明。基于区域最匹配特征点的头部状态监测方法，流程图如图1，包括红外图像采集、人脸检测、特征点检测区域规划、提取模板和监测帧SURF特征、选出区域最匹配特征点和头部状态判别。具体步骤如下：步骤1、采集红外图像，利用AdaBoost算法进行人脸检测，提取最大人脸框；通过主动红外摄像头获取视频帧，在摄像头周围有6个红外补光二极管，摄像头滤波片的中心波长为850nm。步骤2、在最大人脸框的基础上进行特征点检测区域的规划，排除大部分干扰信息，得到所需的重点检测区域，具体的规划方法为：如图2所示，特征点的检测区域是按照人脸检测框的比例来规划的，设人脸检测框的宽和高分别为Wf和Hf，为了保证在接近正确状态下所提取的特征点都是来自于人脸，则规划区域的中心点与最大人脸检测框的中心点位置相同，其宽度是在最大人脸检测框的基础上两边各去掉Wf/5，其高度与最大人脸检测框的高度相同，这种策略可以减少误判，提高该方法的可靠性，即最终获得的重点检测区域的宽和高分别为3Wf/5和Hf。步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；采用SURF算法对模板检测区域进行特征点检测，经过了基于Hessian矩阵的特征点检测、尺度空间表示和特征点定位三个步骤；最终对特征点的方向角度进行分配并且用基于Haar小波的特征点描述符来描述特征点，该算法除了具有高重复性的检测器和可区分性好的描述符特点外，还具有很强的鲁棒性和更高的运算速度。图3是在一段视频中连续10帧原始图像（每帧图像大小为640*480）上提取SIFT和SURF特征点的耗时实验。提取SIFT特征的平均用时为559ms，提取SURF特征的平均用时仅为96ms，提取SURF特征的速度是SIFT特征的5.8倍之多。图4是在人脸框与检测区域中提取SURF特征点的耗时实验。由实验结果可知，根据人脸框规划出检测区域之后，不本文档来自技高网...

【技术保护点】
1.一种基于区域最匹配特征点的头部状态监测方法，其特征在于：1）实时性好，不需要大规模的样本统计，仅需单帧红外图像，仅采用三对最匹配SURF特征点进行平行度和归一化整体偏移距离的计算，降低了算法的复杂度；2）可靠性高，在最大人脸框的基础上规划了特征点检测区域可以减少误匹配，提取三对最匹配特征点可避免单一匹配带来的随机性，并有效避免特征点丢失的情况，结合最匹配特征点间的平行度和归一化整体偏离距离进行决策级的融合和判断，本方法包括如下步骤：步骤1、采集红外视频帧，利用AdaBoost算法进行人脸检测，提取最大人脸框；步骤2、在最大人脸框的基础上规划特征点检测区域，得到所需的重点检测区域；步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；步骤4、提取监测帧检测区域的SURF特征点，选出与模板最匹配的三对特征点；步骤5、通过最匹配的三对特征点的位置信息判断监测帧的头部状态。

【技术特征摘要】
1.一种基于区域最匹配特征点的头部状态监测方法，其特征在于：1）实时性好，不需要大规模的样本统计，仅需单帧红外图像，仅采用三对最匹配SURF特征点进行平行度和归一化整体偏移距离的计算，降低了算法的复杂度；2）可靠性高，在最大人脸框的基础上规划了特征点检测区域可以减少误匹配，提取三对最匹配特征点可避免单一匹配带来的随机性，并有效避免特征点丢失的情况，结合最匹配特征点间的平行度和归一化整体偏离距离进行决策级的融合和判断，本方法包括如下步骤：步骤1、采集红外视频帧，利用AdaBoost算法进行人脸检测，提取最大人脸框；步骤2、在最大人脸框的基础上规划特征点检测区域，得到所需的重点检测区域；步骤3、选取正确头部状态时的人脸作为模板，提取模板检测区域的所有SURF特征点；步骤4、提取监测帧检测区域的SURF特征点，选出与模板最匹配的三对特征点；步骤5、通过最匹配的三对特征点的位置信息判断监测帧的头部状态。2.根据权利要求1所述的方法，其特征在于，步骤2特征点的检测区域是按照人脸检测框的比例来规划的，设人脸检测框的宽和高分别为Wf和Hf，则规划区域的中心点与最大人脸检测框的中心点位置相同，其宽度是在最大人脸检测框的基础上两边各去掉Wf/5，其高度与最大人脸检测框的高度相同。3.根据权利要求1所述的方法，其特征在于，步骤4选出与模板最匹配的三对特征点是分别将监测帧与模板检测区域所有SURF特征点的特征向量两两求内积，选择内积最大的三对SURF特征点。4.根据权利要求1所述的方法，其特征在于，步骤5判断监测帧头部状态的方...

【专利技术属性】
技术研发人员：李小霞，张宇，李菲，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：四川,51