基于Gabor小波变换的人脸疲劳模式识别

计算机应用 ›› 2011, Vol. 31 ›› Issue (08): 2119-2122.

基于Gabor小波变换的人脸疲劳模式识别

成奋华¹,杨海燕²

1. 湖南科技职业学院电子信息工程与技术系，长沙410004
2. 中南大学信息科学与工程学院,长沙410083

收稿日期:2011-01-31 修回日期:2011-03-14 发布日期:2011-08-01 出版日期:2011-08-01
通讯作者: 成奋华
作者简介:成奋华(1969-),男,湖南长沙人,副教授,硕士,主要研究方向：计算机网络、软件工程；杨海燕(1980-),女,湖南益阳人,博士,讲师,主要研究方向：计算机网络、软件工程。

Fatigue pattern recognition of human face based on Gabor wavelet transform

Fen-hua CHENG¹,Hai-yan YANG²

1. Department of Electronic Information Engineering and Technology, Hunan Vocational College of Science and Technology, Changsha Hunan 410004, China
2. School of Information Science and Engineering, Central South University, Changsha Hunan 410083, China

Received:2011-01-31 Revised:2011-03-14 Online:2011-08-01 Published:2011-08-01
Contact: Fen-hua CHENG

摘要/Abstract

摘要： 疲劳是造成交通事故的主因之一，提出了一种基于Gabor小波变换的疲劳监控新方法。首先，在训练阶段采用频繁模式挖掘算法对疲劳脸部图像序列集进行疲劳模式挖掘；然后，在疲劳识别阶段，将待检测的脸部图像序列基于Gabor小波变换表示为融合特征序列；最后，采用分类算法进行人脸序列的疲劳检测。对自行收集的一天内500幅疲劳图像的仿真结果表明，所提方法正确检测率达到92.8%，错误检测率达到0.02%，优于比较算法。

关键词: 疲劳模式, Gabor小波变换, 频繁模式, 图像序列

Abstract: Fatigue is one of the main factors that cause traffic accidents. A new method for monitoring fatigue state based on Gabor wavelet transform was proposed. In this method, the frequent patterns mining algorithm was designed to mine the fatigue patterns of fatigue facial image sequences during the training phase first. And then, during the fatigue recognition phase, the face image sequence to be detected was represented by fused feature sequence through Gabor wavelet transform. Afterwards, the classification algorithm was used for fatigue detection of the human face sequence. The simulation results on 500 fatigue images sampled by the authors show that the proposed algorithm achieves 92.8% in right detection rate and 0.02% in error detection rate, and outperforms than some similar method.

Key words: fatigue pattern, Gabor wavelet transform, frequent pattern, image sequence

中图分类号:

TP391.413

成奋华杨海燕. 基于Gabor小波变换的人脸疲劳模式识别[J]. 计算机应用, 2011, 31(08): 2119-2122.

Fen-hua CHENG Hai-yan YANG. Fatigue pattern recognition of human face based on Gabor wavelet transform[J]. Journal of Computer Applications, 2011, 31(08): 2119-2122.

[1]	韩萌, 丁剑. 数据流频繁模式挖掘综述[J]. 计算机应用, 2019, 39(3): 719-727.
[2]	施炜杰, 董一鸿, 王雄, 潘剑飞. 基于索引的子图查询技术研究进展[J]. 计算机应用, 2019, 39(1): 39-45.
[3]	叶远征, 李小霞, 李旻择. 基于MS-KCF模型的图像序列中人脸快速稳定检测[J]. 计算机应用, 2018, 38(8): 2192-2197.
[4]	胡晓红, 王红, 任衍具, 周莹. 多重因素下基于多模态特征的网页广告效果[J]. 计算机应用, 2018, 38(4): 987-994.
[5]	顾军华, 武君艳, 许馨匀, 谢志坚, 张素琪. 基于Spark的并行FP-Growth算法优化及实现[J]. 计算机应用, 2018, 38(11): 3069-3074.
[6]	李海林, 邬先利. 基于频繁模式发现的时间序列异常检测方法[J]. 计算机应用, 2018, 38(11): 3204-3210.
[7]	张亚玲, 王婷, 王尚平. 增量式隐私保护频繁模式挖掘算法[J]. 计算机应用, 2018, 38(1): 176-181.
[8]	秦琦冰, 谭龙. 基于中医方剂数据库的Top-Rank-k频繁模式挖掘算法[J]. 计算机应用, 2017, 37(2): 329-334.
[9]	金凯忠, 彭慧丽, 张啸剑. 基于差分隐私的轨迹模式挖掘算法[J]. 计算机应用, 2017, 37(10): 2938-2945.
[10]	徐永秀, 刘旭敏, 徐维祥. 基于间隔链表改进的频繁项集挖掘算法[J]. 计算机应用, 2016, 36(4): 997-1001.
[11]	王敬华, 罗相洲, 吴倩. 基于效用表的快速高平均效用挖掘算法[J]. 计算机应用, 2016, 36(11): 3062-3066.
[12]	王乐, 常艳芬, 王水. 基于模式增长的不确定数据的频繁模式挖掘算法[J]. 计算机应用, 2015, 35(7): 1921-1926.
[13]	刘浩然, 刘方爱, 李旭, 王记伟. 有效的不确定数据概率频繁项集挖掘算法[J]. 计算机应用, 2015, 35(6): 1757-1761.
[14]	杨鹏坤, 彭慧, 周晓锋, 孙玉庆. 改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA[J]. 计算机应用, 2015, 35(3): 775-778.
[15]	冯勇尹洁娜徐红艳. 基于垂直频繁模式树带有负载均衡的分布关联规则挖掘算法[J]. 计算机应用, 2014, 34(2): 396-400.