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