CN107423684A - 一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 - Google Patents
一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 Download PDFInfo
- Publication number
- CN107423684A CN107423684A CN201710435953.4A CN201710435953A CN107423684A CN 107423684 A CN107423684 A CN 107423684A CN 201710435953 A CN201710435953 A CN 201710435953A CN 107423684 A CN107423684 A CN 107423684A
- Authority
- CN
- China
- Prior art keywords
- face
- driver
- image
- frame
- tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种应用于驾驶员疲劳检测的快速人脸定位方法及系统,对驾驶员图像进行人脸检测获取人脸矩形框后,即开始对驾驶员图像进行人脸跟踪,人脸检测配合人脸跟踪提高了人脸定位的实时性;人脸跟踪的过程中,监测人脸跟踪的结果,如果跟踪的当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果是非正脸,则进行人脸重新定位,解决了人脸跟踪出现非正脸情况时的漂移问题;在人脸重新定位时,在驾驶员图像中以第一中心坐标为中心的预设范围内检测是否存在包含人脸的人脸矩形框,检测的范围相比驾驶员图像全部区域大大缩小了,同时检测范围更加准确,且间隔预设帧数进行检测,减少了算法的计算量,提高了人脸定位的实时性、准确性。
Description
技术领域
本发明涉及计算机视觉处理技术领域,尤其是涉及一种应用于驾驶员疲劳检测的快速人脸定位方法及系统。
背景技术
随着社会的进步与人们生活水平的提高,越来越多的家庭拥有私家车,随之而来的交通安全问题令人担忧,其中“疲劳驾驶”的问题尤为严重,每年导致大量的车辆碰撞和重大的人员伤亡。通常,驾驶员疲劳检测的关键是通过检测人脸面部的一些特征从而判断驾驶员是否疲劳,因此,研究应用于驾驶员疲劳检测的快速人脸定位方法具有重要意义。
目前,在人脸定位的主要方法中,基于几何特征的方法仅适用于简单背景下的正面单个人脸检测,在复杂光照或者背景环境下或者有遮挡的情况监测效果不理想,基于肤色模型方法简单快捷,适用于单调背景,在复杂光照或者复杂背景下的检测效果不理想,基于统计理论的方法利用分类器进行人脸检测,此方法的鲁棒性与准确率较高,因此也更为可靠,是近年来人脸定位的研究热点与主要方法,其中Viola人脸检测算法有着较高的准确率,同时能处理复杂背景,因此应用最为广泛,但是计算复杂度较高,仅仅使用Viola人脸检测算法会出现漏检与误检的情况,同时其实时性得不到保证。
发明内容
本发明的目的在于克服上述技术不足,提出一种应用于驾驶员疲劳检测的快速人脸定位方法及系统,解决现有技术中的上述技术问题。
为达到上述技术目的,本发明的技术方案提供一种应用于驾驶员疲劳检测的快速人脸定位方法,包括:
S1、实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框和该人脸矩形框的第一中心坐标;
S2、人脸跟踪:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
S3、跟踪结果监测:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行步骤S4;
S4、驾驶员人脸重新定位:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行S4的前述步骤。
本发明还提供一种应用于驾驶员疲劳检测的快速人脸定位系统,包括:
人脸检测模块:实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框和该人脸矩形框的第一中心坐标;
人脸跟踪模块:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
跟踪结果监测模块:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行人脸重新定位模块的操作;
人脸重新定位模块:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行人脸重新定位模块的前述操作。
与现有技术相比,本发明的有益效果包括:人脸检测获取人脸矩形框后,即开始对驾驶员图像进行人脸跟踪,由于人脸检测的速度较慢,对每帧图像都进行人脸检测将花费大量的时间,人脸检测配合人脸跟踪提高了人脸定位的实时性;人脸跟踪的过程中,监测人脸跟踪的结果,如果跟踪的当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果是非正脸,则进行人脸重新定位,重新定位到人脸矩形框后再次开始人脸跟踪,解决了人脸跟踪出现非正脸情况时的漂移问题,提高了人脸定位的准确性;在人脸重新定位时,在驾驶员图像中以第一中心坐标为中心的预设范围内检测是否存在包含人脸的人脸矩形框,检测的范围相比驾驶员图像全部区域大大缩小了,同时检测范围更加准确,且间隔预设帧数进行检测,减少了算法的计算量,提高了人脸定位的实时性、准确性。
附图说明
图1是本发明提供的一种应用于驾驶员疲劳检测的快速人脸定位方法流程图;
图2是本发明提供的一种应用于驾驶员疲劳检测的快速人脸定位系统结构框图。
附图中:1、应用于驾驶员疲劳检测的快速人脸定位系统,11、人脸检测模块,12、人脸跟踪模块,13、跟踪结果监测模块,14、人脸重新定位模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种应用于驾驶员疲劳检测的快速人脸定位方法,包括:
S1、实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框P和该人脸矩形框P的第一中心坐标P(x,y);
S2、人脸跟踪:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
S3、跟踪结果监测:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行步骤S4;
S4、驾驶员人脸重新定位:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行S4的前述步骤。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S1中对驾驶员图像全部区域进行人脸检测的步骤为:
以矩形框的形式扫描驾驶员图像全部区域并提取各矩形框内图像的haar特征,通过adaboost分类器检测并获取驾驶员图像内包含完整人脸haar特征的一矩形框,获取包含完整人脸haar特征的矩形框的中心坐标为第一中心坐标。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S2中:
利用KCF(High-speed tracking with kernelized correlation filters)算法对驾驶员图像进行人脸跟踪,进行人脸跟踪时先使用S1获取的人脸矩形框中的图像对KCF算法进行初始化,KCF算法根据初始化的人脸矩形框中的图像特征点来跟踪后续驾驶员图像并获取后续驾驶员图像的人脸矩形框。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S3中:
对每一帧的驾驶员图像进行人脸跟踪后均产生一评价指标数据peak_value,peak_value值为0到1的小数,值越大代表跟踪结果的置信度越高,跟踪效果越好;正脸情况下的peak_value值较大,非正脸(转向、点头等)情况下的peak_value值较小;本发明针对评价指标数据peak_value预先设定了一个固定阈值,当评价指标数据大小高于预设阈值时,判断评价指标数据对应的一帧驾驶员图像为正脸,当评价指标数据大小低于或等于预设阈值时,判断评价指标数据对应的一帧驾驶员图像为非正脸;当跟踪的一帧驾驶员图像为非正脸时,则不再继续进行人脸跟踪,如果继续跟踪,由于非正脸情况下的漂移最为严重,会导致后续所有帧的驾驶员图像人脸定位错误,此时应该进行人脸重新定位,重新定位到人脸矩形框后,再根据重新定位到的人脸矩形框内的图像开始人脸跟踪。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S4中:
每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标P(x,y)为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,优选的,预设范围为以P(x,y)为中心,大小为步骤S1获取的人脸矩形框P二倍大小的矩形框。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S4中的人脸重新定位,如果在驾驶员图像中以第一中心坐标为中心的预设范围内检测不到包含人脸的人脸矩形框,说明这一帧驾驶员图像是非正脸状态,接着对后续驾驶员图像再次进行S4中的检测,直到在驾驶员图像中以第一中心坐标为中心的预设范围内检测到了包含人脸的人脸矩形框,说明这一帧驾驶员图像是正脸状态,则可以对正脸状态的这一帧驾驶员图像进行人脸跟踪。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,步骤S4中:
如果一帧驾驶员图像中以第一中心坐标为中心的预设范围内检测到包含人脸的人脸矩形框,在对这一帧驾驶员图像后续的驾驶员图像进行KCF算法人脸跟踪时,先使用这一帧驾驶员图像中检测到的人脸矩形框中的图像对KCF算法进行初始化。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位方法,对于驾驶员图像的人脸检测、人脸重新定位采用了改进的Viola人脸检测算法,人脸检测找到了一帧驾驶员图像中的人脸矩形框后,即开始对驾驶员图像进行人脸跟踪,当发现人脸跟踪的一帧驾驶员图像是非正脸后,开始人脸重新定位,此时,只在驾驶员图像中以第一中心坐标为中心的预设范围内检测是否存在包含人脸的人脸矩形框,人脸重新定位具体过程为:以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并提取各矩形框内图像的haar特征,通过adaboost分类器检测并获取扫描的各矩形框中包含完整人脸haar特征的一矩形框,实现了重新定位到人脸。Viola人脸检测算法在检测人脸时,以矩形框扫描所有驾驶员图像的全部区域,计算量很大,本发明对于Viola人脸检测算法的改进在于缩小了矩形框扫描的范围,使得计算量更小,扫描的范围更加准确,使得人脸定位更加准确。
本发明还提供一种应用于驾驶员疲劳检测的快速人脸定位系统1,包括:
人脸检测模块11:实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框和该人脸矩形框的第一中心坐标;
人脸跟踪模块12:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
跟踪结果监测模块13:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行人脸重新定位模块的操作;
人脸重新定位模块14:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行人脸重新定位模块的前述操作。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位系统1,人脸检测模块11中:
以矩形框的形式扫描驾驶员图像全部区域并提取各矩形框内图像的haar特征,通过adaboost分类器检测并获取驾驶员图像内包含完整人脸haar特征的一矩形框,获取包含完整人脸haar特征的矩形框的中心坐标为第一中心坐标。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位系统1,人脸跟踪模块12中:
利用KCF算法对驾驶员图像进行人脸跟踪,进行人脸跟踪时先使用人脸检测模块中获取的人脸矩形框中的图像对KCF算法进行初始化,KCF算法根据初始化的人脸矩形框中的图像特征点来跟踪后续驾驶员图像并获取后续驾驶员图像的人脸矩形框。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位系统1,跟踪结果监测模块13中:
对每一帧的驾驶员图像进行人脸跟踪后均产生一评价指标数据,当评价指标数据大小高于预设阈值时,判断评价指标数据对应的一帧驾驶员图像为正脸,当评价指标数据大小低于或等于预设阈值时,判断评价指标数据对应的一帧驾驶员图像为非正脸。
本发明所述的应用于驾驶员疲劳检测的快速人脸定位系统1,人脸重新定位模块14中:
如果一帧驾驶员图像中以第一中心坐标为中心的预设范围内检测到包含人脸的人脸矩形框,在对这一帧驾驶员图像后续的驾驶员图像进行KCF算法人脸跟踪时,先使用这一帧驾驶员图像中检测到的人脸矩形框中的图像对KCF算法进行初始化。
与现有技术相比,本发明的有益效果包括:人脸检测获取人脸矩形框后,即开始对驾驶员图像进行人脸跟踪,由于人脸检测的速度较慢,对每帧图像都进行人脸检测将花费大量的时间,人脸检测配合人脸跟踪提高了人脸定位的实时性;人脸跟踪的过程中,监测人脸跟踪的结果,如果跟踪的当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果是非正脸,则进行人脸重新定位,重新定位到人脸矩形框后再次开始人脸跟踪,解决了人脸跟踪出现非正脸情况时的漂移问题,提高了人脸定位的准确性;在人脸重新定位时,在驾驶员图像中以第一中心坐标为中心的预设范围内检测是否存在包含人脸的人脸矩形框,检测的范围相比驾驶员图像全部区域大大缩小了,同时检测范围更加准确,且间隔预设帧数进行检测,减少了算法的计算量,提高了人脸定位的实时性、准确性;实际应用中人脸定位的速度至少需要达到100+FPS才能保证驾驶员疲劳检测达到实时的要求,本发明采用的快速人脸定位方法在inter(R)core(TM)i5-4570CPU@3.20GHz,内存4GB,64位操作系统配置的电脑上,准确率高达98%,速度平均能达到105FPS,性能良好,准确率高、漏检率低。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种应用于驾驶员疲劳检测的快速人脸定位方法,其特征在于,包括:
S1、实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框和该人脸矩形框的第一中心坐标;
S2、人脸跟踪:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
S3、跟踪结果监测:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行步骤S4;
S4、驾驶员人脸重新定位:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以所述第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行S4的前述步骤。
2.如权利要求1所述的应用于驾驶员疲劳检测的快速人脸定位方法,其特征在于,步骤S1中对驾驶员图像全部区域进行人脸检测的步骤为:
以矩形框的形式扫描驾驶员图像全部区域并提取各矩形框内图像的haar特征,通过adaboost分类器检测并获取驾驶员图像内包含完整人脸haar特征的一矩形框,获取包含完整人脸haar特征的矩形框的中心坐标为所述第一中心坐标。
3.如权利要求1所述的应用于驾驶员疲劳检测的快速人脸定位方法,其特征在于,步骤S2中:
利用KCF算法对驾驶员图像进行人脸跟踪,进行人脸跟踪时先使用S1获取的人脸矩形框中的图像对KCF算法进行初始化,KCF算法根据初始化的人脸矩形框中的图像特征点来跟踪后续驾驶员图像并获取后续驾驶员图像的人脸矩形框。
4.如权利要求1所述的应用于驾驶员疲劳检测的快速人脸定位方法,其特征在于,步骤S3中:
对每一帧的驾驶员图像进行人脸跟踪后均产生一评价指标数据,当所述评价指标数据大小高于预设阈值时,判断所述评价指标数据对应的一帧驾驶员图像为正脸,当所述评价指标数据大小低于或等于预设阈值时,判断所述评价指标数据对应的一帧驾驶员图像为非正脸。
5.如权利要求3所述的应用于驾驶员疲劳检测的快速人脸定位方法,其特征在于,步骤S4中:
如果一帧驾驶员图像中以所述第一中心坐标为中心的预设范围内检测到包含人脸的人脸矩形框,在对这一帧驾驶员图像后续的驾驶员图像进行KCF算法人脸跟踪时,先使用这一帧驾驶员图像中检测到的人脸矩形框中的图像对KCF算法进行初始化。
6.一种应用于驾驶员疲劳检测的快速人脸定位系统,其特征在于,包括:
人脸检测模块:实时获取驾驶员图像,对驾驶员图像全部区域进行人脸检测:以矩形框的形式扫描驾驶员图像全部区域并找到包含人脸的人脸矩形框和该人脸矩形框的所述第一中心坐标;
人脸跟踪模块:对驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
跟踪结果监测模块:监测人脸跟踪的结果,如果人脸跟踪结果显示当前帧驾驶员图像为正脸,则继续进行人脸跟踪,如果人脸跟踪结果显示当前帧驾驶员图像为非正脸,则停止人脸跟踪并进行人脸重新定位模块的操作;
人脸重新定位模块:每间隔预设帧数,以矩形框的形式扫描驾驶员图像中以第一中心坐标为中心的预设范围,并检测是否存在包含人脸的人脸矩形框,如果存在则开始对驾驶员图像进行人脸跟踪,如果不存在则对后续的驾驶员图像执行人脸重新定位模块的前述操作。
7.如权利要求6所述的应用于驾驶员疲劳检测的快速人脸定位系统,其特征在于,人脸检测模块中:
以矩形框的形式扫描驾驶员图像全部区域并提取各矩形框内图像的haar特征,通过adaboost分类器检测并获取驾驶员图像内包含完整人脸haar特征的一矩形框,获取包含完整人脸haar特征的矩形框的中心坐标为第一中心坐标。
8.如权利要求6所述的应用于驾驶员疲劳检测的快速人脸定位系统,其特征在于,人脸跟踪模块中:
利用KCF算法对驾驶员图像进行人脸跟踪,进行人脸跟踪时先使用人脸检测模块中获取的人脸矩形框中的图像对KCF算法进行初始化,KCF算法根据初始化的人脸矩形框中的图像特征点来跟踪后续驾驶员图像并获取后续驾驶员图像的人脸矩形框。
9.如权利要求6所述的应用于驾驶员疲劳检测的快速人脸定位系统,其特征在于,跟踪结果监测模块中:
对每一帧的驾驶员图像进行人脸跟踪后均产生一所述评价指标数据,当所述评价指标数据大小高于预设阈值时,判断所述评价指标数据对应的一帧驾驶员图像为正脸,当所述评价指标数据大小低于或等于预设阈值时,判断所述评价指标数据对应的一帧驾驶员图像为非正脸。
10.如权利要求8所述的应用于驾驶员疲劳检测的快速人脸定位系统,其特征在于,人脸重新定位模块中:
如果一帧驾驶员图像中以所述第一中心坐标为中心的预设范围内检测到包含人脸的人脸矩形框,在对这一帧驾驶员图像后续的驾驶员图像进行KCF算法人脸跟踪时,先使用这一帧驾驶员图像中检测到的人脸矩形框中的图像对KCF算法进行初始化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710435953.4A CN107423684A (zh) | 2017-06-09 | 2017-06-09 | 一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710435953.4A CN107423684A (zh) | 2017-06-09 | 2017-06-09 | 一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107423684A true CN107423684A (zh) | 2017-12-01 |
Family
ID=60429259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710435953.4A Pending CN107423684A (zh) | 2017-06-09 | 2017-06-09 | 一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107423684A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922005A (zh) * | 2018-09-04 | 2018-11-30 | 北京诚志重科海图科技有限公司 | 一种基于人脸识别的通行控制系统及方法 |
CN112242061A (zh) * | 2019-07-17 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种基于人脸分析的车辆管理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030316A (zh) * | 2007-04-17 | 2007-09-05 | 北京中星微电子有限公司 | 一种汽车安全驾驶监控系统和方法 |
CN103605971A (zh) * | 2013-12-04 | 2014-02-26 | 深圳市捷顺科技实业股份有限公司 | 一种捕获人脸图像的方法及装置 |
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN105488815A (zh) * | 2015-11-26 | 2016-04-13 | 北京航空航天大学 | 一种支持目标尺寸变化的实时对象跟踪方法 |
CN105893946A (zh) * | 2016-03-29 | 2016-08-24 | 中国科学院上海高等研究院 | 一种正面人脸图像的检测方法 |
CN105931276A (zh) * | 2016-06-15 | 2016-09-07 | 广州尚云在线科技有限公司 | 一种基于巡逻机器人智能云平台的长时间人脸跟踪方法 |
CN106023248A (zh) * | 2016-05-13 | 2016-10-12 | 上海宝宏软件有限公司 | 一种实时的视频跟踪方法 |
US20160342837A1 (en) * | 2015-05-19 | 2016-11-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Apparatus and method for object tracking |
CN106204649A (zh) * | 2016-07-05 | 2016-12-07 | 西安电子科技大学 | 一种基于tld算法的目标跟踪方法 |
CN106683110A (zh) * | 2015-11-09 | 2017-05-17 | 展讯通信(天津)有限公司 | 用户终端及其目标跟踪方法及装置 |
-
2017
- 2017-06-09 CN CN201710435953.4A patent/CN107423684A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030316A (zh) * | 2007-04-17 | 2007-09-05 | 北京中星微电子有限公司 | 一种汽车安全驾驶监控系统和方法 |
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN103605971A (zh) * | 2013-12-04 | 2014-02-26 | 深圳市捷顺科技实业股份有限公司 | 一种捕获人脸图像的方法及装置 |
US20160342837A1 (en) * | 2015-05-19 | 2016-11-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Apparatus and method for object tracking |
CN106683110A (zh) * | 2015-11-09 | 2017-05-17 | 展讯通信(天津)有限公司 | 用户终端及其目标跟踪方法及装置 |
CN105488815A (zh) * | 2015-11-26 | 2016-04-13 | 北京航空航天大学 | 一种支持目标尺寸变化的实时对象跟踪方法 |
CN105893946A (zh) * | 2016-03-29 | 2016-08-24 | 中国科学院上海高等研究院 | 一种正面人脸图像的检测方法 |
CN106023248A (zh) * | 2016-05-13 | 2016-10-12 | 上海宝宏软件有限公司 | 一种实时的视频跟踪方法 |
CN105931276A (zh) * | 2016-06-15 | 2016-09-07 | 广州尚云在线科技有限公司 | 一种基于巡逻机器人智能云平台的长时间人脸跟踪方法 |
CN106204649A (zh) * | 2016-07-05 | 2016-12-07 | 西安电子科技大学 | 一种基于tld算法的目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
JOAO F. HENRIQUES ET AL: "High-Speed Tracking with Kernelized Correlation Filters", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922005A (zh) * | 2018-09-04 | 2018-11-30 | 北京诚志重科海图科技有限公司 | 一种基于人脸识别的通行控制系统及方法 |
CN112242061A (zh) * | 2019-07-17 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种基于人脸分析的车辆管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292251B (zh) | 一种基于人眼状态的驾驶员疲劳检测方法及系统 | |
CN105260705B (zh) | 一种适用于多姿态下的驾驶人员接打电话行为检测方法 | |
Fuhl et al. | Eyes wide open? eyelid location and eye aperture estimation for pervasive eye tracking in real-world scenarios | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN102289660B (zh) | 一种基于手部姿态跟踪的违规驾驶行为检测方法 | |
CN105354985B (zh) | 疲劳驾驶监控装置及方法 | |
CN1225375C (zh) | 基于多特征融合的困倦驾驶检测方法 | |
CN104123549B (zh) | 一种用于疲劳驾驶实时监测的眼睛定位方法 | |
CN101593352A (zh) | 基于面部朝向和视觉焦点的驾驶安全监测系统 | |
CN102982316A (zh) | 一种对驾驶员非正常驾驶行为的识别装置和方法 | |
CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
CN111553214B (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
CN105389553A (zh) | 一种活体检测方法和装置 | |
CN108960067A (zh) | 基于深度学习的实时的列车驾驶员动作识别系统和方法 | |
US20180208201A1 (en) | System and method for a full lane change aid system with augmented reality technology | |
CN112381870B (zh) | 一种基于双目视觉的船舶识别与航速测量系统及方法 | |
Ji et al. | Integrating visual selective attention model with HOG features for traffic light detection and recognition | |
CN104881956A (zh) | 一种疲劳驾驶预警系统 | |
Romera et al. | A Real-Time Multi-scale Vehicle Detection and Tracking Approach for Smartphones. | |
CN106096512A (zh) | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 | |
CN106022242B (zh) | 智能交通系统中的驾驶员接打电话识别方法 | |
CN102610104B (zh) | 一种车载的前方车辆检测方法 | |
CN104200199A (zh) | 基于tof相机的不良驾驶行为检测方法 | |
CN111079675A (zh) | 基于目标检测与目标跟踪的行驶行为分析方法 | |
CN107423684A (zh) | 一种应用于驾驶员疲劳检测的快速人脸定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |