摘要:基于机器视觉的驾驶人面部特征识别受光照的影响很大。为克服由于动态光照引起的背景干扰,面部特征弱化的问题,采用一种基于KalmanFiltering的光照自适应AKF算法,通过高斯概率密度函数建立Gi(i,j)算子,实现驾驶室背景的分割;在HSI色彩空间中通过闽值分割算法提取面部肤色区域,最终建立了眼鼻坐标搜索模型;进行了不同的照度与头部姿态下的AKF—HSI算法试验,测试统计前景分割率Kfrontground、肤色分割率kski.与眼鼻识别率δ,在2×10~10×10^4lx的照度下,眼鼻的平均识别率艿达到82%-92%。结果表明AKF—HSI融合算法对动态光照下眼鼻识别具有较好的鲁棒性,照度E、头部姿态与硬件设备AGC是眼鼻识别的最主要影响因素。
关键词:交通工程 眼鼻特征 机器视觉 照度
单位:长安大学汽车运输安全保障技术交通行业重点实验室 陕西西安710064 西安工业大学机电工程学院 陕西西安710032
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社