張軍 郝萬兵 白小麗

摘要摘要：提出一種基于高清面部圖像的人臉疲勞檢測方法，針對現(xiàn)有疲勞檢測技術(shù)的不足，提出將面部彩色圖像處理與紋理特征相結(jié)合的一種新型疲勞分析方法。采集不同測試者早（健康狀態(tài)）、晚（疲勞狀態(tài)）大量面部圖像，據(jù)此建立面部圖像數(shù)據(jù)庫，數(shù)據(jù)庫劃分為P（疲勞圖）、Z（正常圖）、R（結(jié)果）3類。根據(jù)數(shù)據(jù)庫數(shù)據(jù)顏色特征向量和紋理特征向量構(gòu)建疲勞判定標(biāo)準(zhǔn)，即量化疲勞程度評價標(biāo)準(zhǔn)和分類標(biāo)準(zhǔn)。將標(biāo)準(zhǔn)與分析方法及處理算法融合，利用MATLAB設(shè)計圖形用戶界面，再將其編譯成完全獨立于MATLAB環(huán)境的可執(zhí)行程序（EXE文件）。該用戶界面可以方便大眾及時進行疲勞檢測，預(yù)防亞健康，及時提醒身體疲勞情況，并為就醫(yī)提供參考依據(jù)。該系統(tǒng)應(yīng)用于智能手機，能夠大大減少就醫(yī)壓力，促進便攜式醫(yī)療檢測設(shè)備的發(fā)展，具有很好的應(yīng)用前景。

關(guān)鍵詞關(guān)鍵詞：疲勞檢測；面部圖像數(shù)據(jù)庫；紋理特征；用戶界面

DOIDOI：10.11907/rjdk.151832

中圖分類號：TP319

文獻標(biāo)識碼：A文章編號文章

編號：16727800（2015）011010002

基金項目基金項目：

作者簡介作者簡介：張軍（1989-），男，陜西富平人，西安電子工程研究所碩士研究生，研究方向為雷達(dá)信號處理；郝萬兵（1991-），男，陜西綏德人，西安電子工程研究所碩士研究生，研究方向為電子對抗技術(shù)；白小麗（1990-），女，陜西子長人，中國兵器工業(yè)集團214研究所蘇州研發(fā)中心碩士研究生，研究方向為MEMS加速度計技術(shù)。

0引言

容易疲勞是人們緊張生活狀態(tài)下的一個真實反映，可被稱為現(xiàn)代文明病，其發(fā)病人數(shù)正逐年遞增，工業(yè)化發(fā)達(dá)國家的情況更為嚴(yán)重，美國疾控中心稱之為21世紀(jì)人類健康的主要問題之一[1]。本文通過基于圖像特征的分析方法采集人體面部圖像，與健康狀態(tài)下的面部圖像特征進行比對來判斷用戶的健康狀況，向用戶提供人性化的建議。

根據(jù)以上思想，先設(shè)計面部圖像彩色及紋理處理算法，然后利用MATLAB實現(xiàn)完整的交互軟件，最后實現(xiàn)MATLAB與其它編程語言的接口并向手機移植（暫未實現(xiàn)）。提出完善視覺人體疲勞度檢測與評價方法并實現(xiàn)應(yīng)用軟件系統(tǒng)[2]。

該系統(tǒng)可方便用戶及時進行疲勞檢測，預(yù)防亞健康狀態(tài)，及時提醒身體疲勞情況，并為就醫(yī)提供參考。該系統(tǒng)應(yīng)用于智能手機等設(shè)備，能夠大大減輕就醫(yī)壓力，促進便攜式醫(yī)療檢測設(shè)備的發(fā)展，具有很好的應(yīng)用前景。

1特征向量

1.1彩色特征

（1）色度（Hue）。與光波的波長有關(guān)，它表示人的感官對不同顏色的感受，如紅色、綠色、藍(lán)色等，也可表示一定范圍的顏色，如暖色、冷色等。

（2）飽和度（Saturation）。表示顏色的純度，純光譜色是完全飽和的，加入白光會稀釋飽和度。飽和度越大，顏色看起來就會越鮮艷，反之亦然[4]。

（3）亮度 （Intensity）。對應(yīng)成像亮度和圖像灰度，反映顏色的明亮程度。

1.2紋理特征

紋理特征如下：①角二階矩（能量）：反映灰度分布均勻程度和紋理粗細(xì)度[5]；②對比度（慣性矩）：其大小反映皮膚紋理的深度和密度；③相關(guān)性：相關(guān)值大小反映圖像中局部灰度相關(guān)性；④熵：熵度量圖像紋理的隨機性，熵的值大顯示圖像中灰度分布非常隨機；⑤逆差矩：度量圖像紋理局部的變化。其值大說明圖像紋理不同區(qū)域間缺少變化，局部非常均勻?？梢缘玫竭@些特征所反映的皮膚紋理的密度、深度和粗細(xì)度變化[6]。

1.3疲勞評價體系構(gòu)建

各種評價方法如表1所示。

1.4特征選取

采用人臉多特征點提取方法，通過計算得到彩色特征值（色度、飽和度、亮度、合成圖像方差、合成圖像標(biāo)準(zhǔn)差）及紋理特征值（能量、熵、慣性矩、相關(guān)性），利用BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，并優(yōu)化選取特征量的均值，基于均值對疲勞進行分類，以此建立疲勞判定標(biāo)準(zhǔn)。

2量化的疲勞評價特征

判定：將差異百分比（D=abs（P-Z）/max（P，Z））（D代表差異、P代表疲勞、Z代表正常）之和sum=∑D作為彩色標(biāo)準(zhǔn)，測試時隨機選取面部圖片，計算其彩色特征向量及與該用戶正常特征向量的差異百分比之和testsum，與sum比較得到疲勞程度。將用戶界面程序中c=testsum/sum的值作為判定疲勞程度的依據(jù)。彩色和紋理特征統(tǒng)計分析結(jié)果如圖1所示。

2.1用戶界面設(shè)計

用戶界面由8個模塊構(gòu)成，每個模塊包括菜單、按鈕、坐標(biāo)系與靜態(tài)文本框。其中，菜單下拉后顯示所選項目；按鈕實現(xiàn)執(zhí)行作用，點擊即開始調(diào)用模塊中對應(yīng)的函數(shù)進行分析處理；坐標(biāo)系中顯示處理后的圖像及繪制的特征量坐標(biāo)；靜態(tài)文本框中顯示相應(yīng)的特征向量（彩色或紋理）

2.2用戶界面功能

運行用戶界面程序，選擇疲勞、健康數(shù)據(jù)庫對應(yīng)的圖片，輸入程序中，計算出特征值及顯示需要的特征圖。運行及判定結(jié)果如圖2所示，該用戶界面從左向右，從上到下依次分為1～8模塊，這8個模塊所包含的項目均在下拉菜單中進行顯示，每個模塊主要功能在按鈕上也有顯示，具體模塊選取及功能如下：

（1）模塊1：點擊選取用戶正常面部圖像，剪切選取特征比較明顯的區(qū)域，在右側(cè)的灰色文本框中顯示所選區(qū)域的特征向量。

（2）模塊2：點擊選取用戶疲勞面部圖像，剪切選取與模塊1中對應(yīng)的區(qū)域，注意差別不可太大，在右側(cè)灰色文本框中顯示所選區(qū)域的特征向量。

（3）模塊3：包括正常與疲勞的差圖、差圖的亮度反轉(zhuǎn)、差圖色差及差圖輪廓4部分。

（4）模塊4：包括差圖亮度拉伸、差圖RGB→HSI、差圖的灰度亮度直方圖均衡化、差圖的合成圖亮度直方圖均衡化。

（5）模塊5：包括色差區(qū)域的uint8和double兩種格式。

（6）模塊6：主要為各處理后圖像的紋理特征。

（7）模塊7：對差圖的R、G、B三個分量及合成圖濾波并顯示對應(yīng)特征向量。

（8）模塊8：在坐標(biāo)系中顯示特征向量的統(tǒng)計曲線，在右側(cè)紫色靜態(tài)文本框中顯示用戶的疲勞程度，評價標(biāo)準(zhǔn)在用戶界面程序代碼中包含。

3結(jié)語

本文主要探討了人臉識別用戶界面設(shè)計與實現(xiàn)，進行了疲勞評價體系搭建、評價標(biāo)準(zhǔn)量化及用戶界面搭建。評價體系包括主觀評價、客觀評價和人臉多特征點提取。根據(jù)面部批處理程序?qū)?shù)據(jù)庫的檢索計算所有數(shù)據(jù)的特征量。然后計算得出所有特征量的平均值，將差異百分比之和作為標(biāo)準(zhǔn)值，利用大量數(shù)據(jù)進行分類測試，確定疲勞量化區(qū)域。

參考文獻參考文獻：

[1]岡薩雷斯.數(shù)字圖像處理（MATLAB版）[M] .阮秋琦，等，譯.北京：電子工業(yè)出版社，2006.

[2]MORIMOTO C，F(xiàn)LICKNER M.Realtime multiple face detection using active illumination[J].Proceedings of the Fourth International Conference on Automatic Face and Gesture Recognition， 2001：2630.

[3]王映輝.人臉識別—原理、方法與技術(shù)[M].北京：科學(xué)出版社，2010.

[4]ANDREAS KOSCHAN， MONGI ABIDI.彩色數(shù)字圖像處理[M].章毓晉，譯.北京：清華大學(xué)出版社， 2010.

[5]YANG G，HUANG T S.Human face detection in complex background[J].Pattern Recognition， 1994，27 （1）：5363.

[6]MARTIN H，HUNKE H.Locating and tracking of human faces with neural networks[J].Techn.Rep CMUCS，1994：94155.

責(zé)任編輯（責(zé)任編輯：陳福時）