Journal of the Institute of Electronics and Information Engineers (전자공학회논문지)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on an Open/Closed Eye Detection Algorithm for Drowsy Driver Detection

운전자 졸음 검출을 위한 눈 개폐 검출 알고리즘 연구

  • Kim, TaeHyeong (Department of Embedded SW Engineering, Kwangwoon University) ;
  • Lim, Woong (Department of Computer Engineering, Kwangwoon University) ;
  • Sim, Donggyu (Department of Computer Engineering, Kwangwoon University)
  • 김태형 (광운대학교 임베디드SW공학과) ;
  • 임웅 (광운대학교 컴퓨터공학과) ;
  • 심동규 (광운대학교 컴퓨터공학과)
  • Received : 2016.05.04
  • Accepted : 2016.07.05
  • Published : 2016.07.25
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose an algorithm for open/closed eye detection based on modified Hausdorff distance. The proposed algorithm consists of two parts, face detection and open/closed eye detection parts. To detect faces in an image, MCT (Modified Census Transform) is employed based on characteristics of the local structure which uses relative pixel values in the area with fixed size. Then, the coordinates of eyes are found and open/closed eyes are detected using MHD (Modified Hausdorff Distance) in the detected face region. Firstly, face detection process creates an MCT image in terms of various face images and extract criteria features by PCA(Principle Component Analysis) on offline. After extraction of criteria features, it detects a face region via the process which compares features newly extracted from the input face image and criteria features by using Euclidean distance. Afterward, the process finds out the coordinates of eyes and detects open/closed eye using template matching based on MHD in each eye region. In performance evaluation, the proposed algorithm achieved 94.04% accuracy in average for open/closed eye detection in terms of test video sequences of gray scale with 30FPS/$320{\times}180$ resolution.

본 논문에서는 변형된 하우스더프 거리 (MDH: Modified Hausdorff Distance)를 이용한 눈 개폐 감지 알고리즘을 제안한다. 제안하는 알고리즘은 얼굴 검출과 눈 개폐 감지로 크게 구분된다. 얼굴 영역의 검출을 위하여 고정 크기의 영역 내에서 픽셀 값을 이용하는 지역 구조특성의 MCT (Modified Census Transform)특징기반 방법을 사용하였다. 이후, 검출된 얼굴 영역 내에서 MHD를 이용하여 눈의 위치 및 개폐를 판단한다. 얼굴 검출의 처리절차는 먼저, 오프라인에서 다양한 얼굴 영상에 대해 MCT 이미지를 생성하고, 이를 기반으로 PCA를 이용하여 기준이 되는 특징벡터들을 추출한다. 다음으로, 온라인에서는 입력되는 실험 영상 내에서 새롭게 추출된 특징벡터들과 기준이 되는 특징 벡터들 간의 유클리드 거리를 이용하여 얼굴 영역을 검출하는 순서로 진행된다. 이후, 검출된 얼굴 영역 내에서 MHD 기반의 눈 영역 검출과 템플릿 매칭을 수행하여 눈의 개폐를 감지한다. 제안하는 방법의 성능 검증을 위하여 그레이 스케일 영상 (30FPS, $320{\times}180$)을 입력으로 실험을 수행한 결과, 눈 계폐 검출율에서 평균 94.04%의 정확도를 달성하였다.

Keywords

References

  1. 최선영, "2015 교통사고 통계", 도로교통공단, 2015.
  2. http://taas.koroad.or.kr/sta/acs/exs/typical.do?menuId=WEB_KMP_STA_UAS_ASA, "'10-'14 사회적 교통사고비용", 교통사고분석시스템, 도로교통공단, 2015.
  3. Zhi-Hua Zhou, Xin Geng, "Projection Functions for Eye Detection", Pattern Recognition, pp. 1049-1056, Vol. 37, no. 5, May 2004. https://doi.org/10.1016/j.patcog.2003.09.006
  4. S. M. Kang, Y. M. Yang, and K. M. Huh, "Development of Drowsiness Checking System for Driver using eyes Image Histogram", Journal of Institute of control, Robotics and System, Vol. 21, no. 4, pp. 300-335, Apr 2015.
  5. J. I. Jo, J. H. Kim, and K. R. Park, "A method to classify eye status(open/close) in drowsy driver detection system", The Institute of Electronics Engineers of Korea, Vol. 34, no. 1, pp. 1154-1156, Jun 2011.
  6. T. Danisman, I. M. Bilasco, C. Djeraba, N. Ihaddadene, "Drowsy Driver Detection System Using Eye Blink Patterns", IEEE Machine and Intelligence (ICMWI), International Conference on, pp. 230-233, Oct 2010.
  7. D. P. Huttenlocher, G. A. Klanderman, and W. J. Rucklidge, "Comparing Image Using the Hausdorff Distance", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 15, no. 9, pp. 850-863, Sep 1993. https://doi.org/10.1109/34.232073
  8. Marie-Pierre Dubuisson, A. K. Jain, "A Modified Hausdorff Distance for Object Matching", Proc. International Conference on Pattern Recognition, Vol. 1, pp. 566-568, Oct 1994.
  9. M. Turk, and A. Pentland, "Face recognition using eigenfaces", Proc. IEEE Conference on Computer Vision and Pattern Recognition, pp. 586-591, Jun 1991.
  10. T. F. Cootes, G. J. Edwards, and C. J. Taylor, "Active Appearance Models", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, no. 6, pp. 681-685, Jun 2001. https://doi.org/10.1109/34.927467
  11. E. Osuna, R. Freund, and F. Girosi, "Training Support Vector Machines: an Application to Face Detection", CVPR '97, pp. 130-136, Jun 1997.
  12. G. S. Cho, S. K. Park, S. Y. Lee, and D. G. Sim, "Real-Time Face Recognition System Based on Illumination-insensitive MCT and Frame Consistency", Institute of Electronics Engineers of Korea, Vol. 45, no. 3, pp. 123-134, May 2008.
  13. Y. J. Jung, D. I. Kim, and J. H. Kim, "Eye Detection for Eyeglass Wearers in Iris Recognition", Consumer Electronics (ISCE 2014), The 18th IEEE International Symposium on, pp. 1-2, Jun 2014.