基于肤色与Haar-like扩展集的驾驶员人脸检测算法

摘要

针对疲劳驾驶预警系统中人脸检测准确率低、误检率高的问题,提出一种基于肤色与Haar-like扩展集的驾驶员人脸检测算法.首先根据驾驶员人脸肤色在YCbCr色彩空间的聚类性、脸部特征及驾驶环境,筛选人脸肤色作为候选区;然后在传统基于Haar-like特征的AdaBoost算法中,加入两组新的符合人脸特征分布的Haar-like特征进行驾驶员人脸检测.以MIT人脸库和拍摄的驾驶员人脸图像作为训练与检测样本,与传统AdaBoost算法进行对比实验.结果表明,该算法对正面人脸和侧面人脸(倾斜角度小于45°)检测准确率分别提高1.25%和5.00%,误检率降低2.81%和4.50%,人脸检测准确率得到较大提高.