基于神经网络的眼睛检测方法

驾驶辅助系统，如汽车导航系统，正变得普遍，并在多个方面为驾驶员提供支持。基于眨眼计数和眼睛导向指令控制的非侵入式疲劳和困倦检测方法，有助于防止因疲劳驾驶导致的碰撞。在各种条件下（如光照、背景、面部对齐和面部表情）的眼睛检测和跟踪使问题变得复杂。本文提出了一种基于神经网络的算法来高效检测眼睛。在所提出的算法中，首先使用Gabor滤波器和支持向量机训练神经网络以拒绝非眼睛区域，基于具有眼睛特征的图像和具有非眼睛特征的图像，以降低维度并高效分类。在算法中，首先使用L*a*b颜色空间分割面部，然后使用HSV和神经网络方法检测眼睛。该算法在近100张不同条件下不同人的图像上进行了测试，结果令人满意，成功率达到98%。神经网络使用Gabor滤波器对50张非眼睛图像和50张不同角度的眼睛图像进行训练。本文是印度政府科技部在新德里Vignan理工学院和科学学院Vignan Hills海德拉巴资助的“开发用于实时监测和预测驾驶员疲劳和困倦的非侵入式系统”研究项目的一部分。