疲劳驾驶预警系统对保障驾驶员的安全驾驶具有十分重要的作用。以驾驶员人眼图像信息处理为基础，建立了离散单位时间内非正常状态时间所占百分比疲劳判断模型，实现了对驾驶员疲劳状态的监控与预警。通过近红外光源对人眼主动照明，采用互补金属氧化物半导体摄像头实现对人眼图像信息的采集，基于Adaboost 算法实现人眼准确定位，利用Harris 强角点检测人眼中心区域，得到眼睛的视线状态信息，根据疲劳判断模型，设计可调的预警阈值，实现驾驶员疲劳状态的分级预警。实验结果表明：在一定条件下，系统判断响应时间为1.5 s，虚警率为4%，具有抗干扰性强和实时性好等特点。

眼睛位置的快速准确定位是利用机器视觉方法对驾驶员的状态进行监测以及预警的前提。为了检测出眼睛的位置，采用一种基于红外差分和灰度积分投影的方法进行了驾驶员眼睛的定位。首先利用瞳孔在近轴和远轴红外光分别照射下的不同状态，采集到瞳孔亮暗程度不同的两幅图像，然后将采集到的奇偶帧图像进行差分等相关形态学处理，获得了只包含瞳孔的二值化图像，最后分别对左右眼进行垂直和水平投影，获得左右眼的精确横竖坐标。对该方法进行了理论分析和实验验证，取得了很好的效果。结果表明，该方法具有较高的准确率和实时性。这一结果对下一步驾驶员的疲劳检测是有很大帮助的。

人体表面特征点三维空间坐标的实时监测是实现自然高效、非接触的智能化人机交互的关键技术。算法在提取肤色区域外轮廓的基础上, 依据手指和手势的多种形状约束特征实现指尖定位。基于Adaboost算法确定人脸区域, 针对是否佩戴强干扰性眼镜, 采用不同的灰度及空间结构特征实现人眼中心的准确定位。对左右内眼角点或是黑框眼镜内框曲率点进行改良性的光流跟踪。通过多尺度逐级定位算法提升特征点的定位精度。基于双目立体视觉原理实现特征点的三维空间坐标重构, 并依靠三维信息反馈有效重启跟踪错误的光流算法。算法将特征与统计方法相结合, 通过多尺度以及多信息(灰度、色调、空间结构、三维)的综合运用, 相对于传统算法进一步提升了算法的时间处理效率和复杂背景中多状态下(强干扰佩戴物、较大角度的姿态变化、遮挡、光照)目标特征点的检测正确率。

提出了一种新的图像中人眼检测算法。在一幅已知人脸图像区域中,首先采用中值滤波除去噪声点,然后选取灰度变化最大的几块区域作为眉眼候选区域。最后利用SIFT方法在候选区域中最终定位眼睛的精确位置、尺度和方向。实验结果证明,本文所提出的算法具有准确率高和计算量小的优点。

利用人脸几何特征和图像分割原理,提出了一种在有背景的灰度和彩色人脸图像中自动检测与定位人眼的新算法.首先,基于人脸器官几何分布先验知识建立人眼位置判定准则;其次对人眼的分割阈值范围进行粗估计;然后采用分割阈值递增法,并结合人眼位置判定准则判定分割图像中双眼黑块是否出现;最后利用二维相关系数作为对称相似性测度,检验检测到的双眼的真实性.为了避免图像背景对人眼检测的干扰,还运用了肤色分割原理来缩小检测人眼的搜索区域,从而进一步提高人眼定位的准确性.实验验证表明,所提出的人眼检测与定位方法在速度和准确性方面具有良好的性能.