用于疲勞檢測中人眼定位算法測試的軟件系統設計

摘要:該文設計了兩款圖像及視頻處理軟件，用以研究基于機器視覺的疲勞檢測人眼定位算法。這兩款軟件是基于模塊化的設計理念，并且算法模塊可以在兩款軟件中相互移植，方便算法的更新與改進。它們在我們的研究中起到了關鍵的、決定性的作用。

關鍵詞:批處理;模塊化;接口

中圖分類號:TP18 文獻標識碼:A文章編號:1009-3044(2010)02-391-03

Two Software Systems Designed For Eye Locting Arithmetic In Fatigue Detect

HOU Hai-yan， FU Zhi-peng， ZHAO Ling

(College of Medical Technology and Engineering， Henan University of Science and Technology， Luoyang 471003， China)

Abstract: In this paper we designed two software systems for eye locating arithmetic in fatigue detection research. They are designed through modularization method， the arithmetic module can be implanted into both of the software systems， and can be updated. The two software is critically important in our research.

Key words: batch processing; modularization; interface

檢測和預防駕駛疲勞，是當今學界的一個研究焦點。基于機器視覺的檢測方法是最為流行的方法，對駕駛員幾乎沒有影響，PERCLOS參數是衡量疲勞程度的重要標準，其核心是計算眼睛閉合程度，人眼定位是其中最為核心的部分。如何有效的測試人眼的定位效果，成為算法設計的核心。本文設計了兩套軟件系統，用以實現海量靜態圖像數據的處理與保存工作以及視頻數據處理測試工作，極大地方便了人眼定位算法的研究工作。

1 軟件設計概要

本文設計了一套專門的圖像批處理軟件，可以同時處理批量圖像數據，統計圖像的數量以及定位人眼所用時間;在該程序的算法模塊，設計了較為完善的算法接口，可以方便的添加、刪除以及修改算法，對以后實驗室的算法研究也提供了一個良好的實現與測試平臺。

此外，本文還設計了一個讀取、處理視頻文件或對攝像頭采集的視頻進行處理的軟件，可以對動態的人臉視頻流進行處理，從而可以方便直觀的觀察算法的執行效果，該程序的算法模塊也是友好可擴展的。

以上所描述的算法評價、測試軟件利用了opencv[1-2]計算機視覺庫這一工具，在Visual C++平臺上設計實現。下文就兩款軟件的設計做詳細描述。

2 批處理軟件

由于人眼定位算法需要在大量的圖像數據庫上進行測試與評價，而數據庫中圖像的數量極其巨大，如本實驗室的自建庫中圖像數量就達3762張，如果一張一張進行處理，那么將是一件幾乎不可能完成的任務。因此，就需要設計一個軟件能夠一次處理大批量的圖像數據。本文正是出于這一目的，設計了圖像批處理軟件。

2.1 總體設計

需求規定

主要功能包括批量圖像文件的讀取與處理，處理結果的存儲，算法的添加與刪除。

基本設計概念和處理流程及程序結構模塊如圖1，圖2和表1所示。

2.2 接口設計

接口主要包括:圖像加載與控制模塊內的函數接口，參數傳遞類型;算法模塊內圖像對象接口，傳遞參數類型以及返回值類型的設計;兩個模塊之間的數據對象接口。

2.2.1 圖像加載與控制模塊接口

Opendir(“路徑”); 獲取圖像文件所在路徑

cvLoad(文件名); 獲得圖像數據

返回IplImage結構

將其復制到另一個IplImage結構的對象中，處理后得到算法模塊所返回的IplImage對象作為結果。

以上所得到的IplImage結構的對象是圖像處理的基本單元。

2.2.2 算法模塊

與顯示控制模塊的接口:IplImage結構的對象作為算法處理函數的輸入參數

處理的圖像格式:IplImage結構的對象

函數傳遞的參數及函數接口:IplImage結構的對象作為傳遞參數，最終的返回值也使用IplImage結構的對象

2.2.3 模塊間接口

將從控制模塊得到的圖像數據通過CvCreateImage函數加載到IplImage結構中，通過CvImageSeparate函數得到單通道或者多通道灰度圖像作為算法模塊的基本處理對象。

2.3 數據結構

Bmp位圖;

IplImage IPL 圖像頭;

Region 區域;

Roi定義在IplImage上的感興趣區域;

2.4 數據結構與程序的關系

IplImage從CvLoad 得到bmp圖像存儲到IplImage中，作為相關算法處理的基本對象，region則為IplImage上的局部區域(roi)，作為算法的輸入及輸出。

2.5 程序運行界面

圖3為程序運行界面及說明。

3 視頻流處理軟件

由于我們是為了對疲勞駕駛進行檢測，因此測試眼睛定位算法的實時運行效果是十分必要的，本軟件可直接對視頻數據進行處理，擺脫演示及車載時攜帶、安裝圖像采集設備時的不便。此平臺還可作為進一步開發算法的測試平臺。

3.1 總體設計

3.1.1 需求規定

主要功能包括:視頻文件的讀取或從攝像頭獲取視頻流、視頻文件的實時處理、處理結果的顯示、算法模塊的添加與刪除。

3.1.2 基本設計概念和處理流程及程序結構模塊

如圖4，圖5和表2所示。

3.2 接口設計

主要包括:圖像顯示控制模塊內的函數接口，參數傳遞類型;算法模塊內圖像對象接口、傳遞參數類型以及返回值類型的設計;兩個模塊之間的數據對象接口。

1) 顯示控制模塊接口:視頻文件格式avi

2) 軟件關鍵函數功能及顯示流程:

capture cvCaptureFromAVI( “文件名及路徑”); 讀取avi文件

cvCaptureFromCAM(0); 從攝像頭獲得視頻數據

cvGrabFrame( capture ); 獲得當前楨

cvQueryFrame(capture);返回由函數cvGrabFrame 抓取的圖像的指針

capture 為cvCapture結構

cvQueryFrame(capture)返回IplImage結構將其復制到另一個IplImage結構的對象中進行處理后得到算法模塊所返回的IplImage對象作為顯示的結果在顯示窗口顯示。

上面所得到的IplImage結構的對象作為圖像處理的基本單元。

3) 算法模塊:

與顯示控制模塊的接口:IplImage結構的對象作為算法處理函數的輸入參數

處理的圖像格式:IplImage結構的對象

函數傳遞的參數及函數接口:IplImage結構的對象作為產地參數，最終的返回值也使用IplImage結構的對象

4) 模塊間接口:將從顯示控制模塊得到的視頻對象結構cvCapture，數據通過cvRetrieveFrame返回IplImage結構，通過CvImageSeparate函數得到單通道或者多通道灰度圖像作為算法模塊的基本處理對象。

3.3 數據結構

Bmp位圖;

IplImage IPL 圖像頭;

CvCapture 視頻獲取結構;

Region區域(用于選定圖像中的感興趣區域);

Roi 定義在IplImage上的感興趣區域;

3.4 數據結構與程序的關系

CvCapture:為視頻讀取avi文件后創建的視頻捕獲對象，它作為視頻相關處理函數的一個關鍵參數。

IplImage:從CvCapture 得到的圖象楨存儲到IplImage中，作為相關算法處理的基本對象，region則為IplImage上的局部區域(roi)，作為算法的輸入及輸出。

3.5 程序運行界面

圖6為運行界面。

4 總結

本文介紹了兩種算法測試與評價軟件的設計，詳細介紹了它們的設計思路與流程，也突出了這兩款軟件算法模塊的可移植性以及作為今后工作算法驗證平臺的優勢。 通過實驗室一段時間的使用與改進，取得了良好的實驗效果。

參考文獻:

[1] 百度百科[EB/OL].http://baike.baidu.com/view/1343775.htm.

[2] opencv中文論壇[EB/OL].http://www.opencv.org.cn.

[3] Viola P， Jones M J. Robust Real-Time Face Detection[J].International Journal of Computer Vision，2004，57(2):137-154.

[4] Viola P. Rapid object detection using a Boosted cascade of simple features[C].Proc IEEE Conference on Computer Vision and Pattern Recognition，2001:511-518.

[5] Viola P， Jones M. Robust real time object detection Technical Report[R].CRL 2001/01， Compaq Cambridge Research Laboratory，2001.