基于嘴巴特征点曲线拟合的哈欠检测

J4 ›› 2014, Vol. 36 ›› Issue (04): 731-736.

基于嘴巴特征点曲线拟合的哈欠检测

谢国波，陈云华，张灵，丁伍洋

（广东工业大学计算机学院，广东广州 510006）

收稿日期:2012-08-27 修回日期:2012-12-30 出版日期:2014-04-25 发布日期:2014-04-25
基金资助:
广东省教育部产学研项目（2012B091000058）;广东省重点实验室建设专项项目（2011A091000046）

Yawning detection based on mouth feature point curve fitting

XIE Guobo,CHEN Yunhua,ZHANG Ling,DING Wuyang

(College of Computer,Guangdong University of Technology,Guangzhou 510006,China)

Received:2012-08-27 Revised:2012-12-30 Online:2014-04-25 Published:2014-04-25

摘要/Abstract

摘要：

针对疲劳分析中哈欠检测具有嘴角点定位困难、嘴巴张开大小及持续时间因人而异的特点，提出一种基于嘴巴内轮廓角点检测与曲线拟合的哈欠检测方法。首先利用角点检测获取嘴巴内轮廓上的若干点，对这些点进行曲线拟合建立嘴唇内轮廓数学模型；然后再对张口度曲线进行时间维度的分析，对哈欠进行二次判决。实验结果表明，该方法不仅能够更精确地获取开口度的大小，而且还能够降低哈欠的误检率。

关键词: 角点检测, 轮廓提取, 曲线拟合, 哈欠检测

Abstract:

In yawning detection for fatigue analysis,it is difficult to get the exact location of the two mouth corners,the open size and open duration varies for different individuals.For this problem, it proposes a yawning detection method based on mouth inner contour corner detection and curve fitting of those corner points. Firstly,several points are located on the contour of the mouth by corner detection.Secondly,the mathematical model of the mouth inner contour is established by curve fitting to those points.Thirdly,the mouth openness curve is analyzed in the time sequence to identify the yawning twice.Experimental results show that this method can obtain more precise mouth openness,and reduce false detection rate of yawning.

Key words: corner detection;contour extraction;curve fitting;yawning detection

谢国波，陈云华，张灵，丁伍洋. 基于嘴巴特征点曲线拟合的哈欠检测[J]. J4, 2014, 36(04): 731-736.

XIE Guobo,CHEN Yunhua,ZHANG Ling,DING Wuyang. Yawning detection based on mouth feature point curve fitting [J]. J4, 2014, 36(04): 731-736.

[1]	李海丰, 吴治龙, 聂晶晶. 强干扰条件下机场道面细小裂缝自动识别算法[J]. 计算机工程与科学, 2020, 42(11): 2020-2029.
[2]	马建设，魏云峰，苏萍. 基于轮廓提取与深度筛选的双目三维重构技术[J]. 计算机工程与科学, 2018, 40(04): 665-672.
[3]	倪尧，鲍宇. 基于目标轮廓几何特征的电容元件定位方法[J]. 计算机工程与科学, 2017, 39(08): 1476-1482.
[4]	陈泳希1，刘任任1，陈益强2，王双全2，蒋鑫龙2. 情境自适应的RSSI分段异构拟合定位方法[J]. 计算机工程与科学, 2017, 39(07): 1288-1294.
[5]	王洪1,2,戴瑜兴1,3,谭彦杰2,李丹4 . 基于加权支持向量机的凸轮升程误差拟合方法[J]. J4, 2016, 38(05): 1057-1065.
[6]	何金辉1，薛月菊1，毛亮1，李鸿生2，林焕凯1，张晓1. 基于角点光流与SVM的增氧机工作状态检测[J]. J4, 2015, 37(08): 1566-1572.
[7]	侯昉,陆寄远,黄承惠. 多维浮点数据的曲线拟合压缩存储方法[J]. J4, 2014, 36(06): 1028-1033.
[8]	刘燕1,2，高云1. 利用角点历史信息的异常行为识别算法[J]. J4, 2014, 36(06): 1127-1131.
[9]	张聚梅1,王洪伦2. 基于遗传算法和模拟退火算法的B样条曲线拟合[J]. J4, 2011, 33(3): 191-193.
[10]	何丰,胡俊,马浩,吴艳秋. 基于弧思想的改进的角点检测算法[J]. J4, 2011, 33(2): 108-111.
[11]	周德龙,刘〓迎,吴巾一. 基于二维Gabor小波变换的角点匹配算法[J]. J4, 2011, 33(12): 61-65.
[12]	关雪梅. 简笔画的自动生成方法研究[J]. J4, 2010, 32(5): 136-139.
[13]	赵小琴,王玉玫. 基于图像分析的军队标号绘制自动化测试方法研究[J]. J4, 2010, 32(11): 66-70.
[14]	雷明涛达飞鹏谭小洪郑君立. 杂乱点云的快速曲线拟合算法研究[J]. J4, 2004, 26(1): 31-33.
[15]	胡云飞[1] 秦严严[2] 戴国忠[2]. 基于曲线拟合的笔迹存储和绘制方法的研究[J]. J4, 2003, 25(5): 42-45.