基于Adaboost算法的驾驶员眨眼识别

结语

　　本文通过实验，提出了一种新的负样本选择方法，这样给我们扩展训练样本量提供了很大的帮助，即应用一个负样本截取软件，通过载入先前训练好的分类器，不断的收集误检的部分来添加进负样本中，作为下次训练的新的负样本，训练新的分类器。不断循环重复这个步骤，直到达到能产生有满意效果的分类器。从三个实验结果看出误检率逐渐减少，证明了方法的有效性。在以后的实验中继续采用层层迭代的方式，不断利用训练好的新的分类器来增加负样本，直到训练出更加精确的分类器，为后续判断汽车驾驶员疲劳检测做铺垫。

　　参考文献：

　　[1] Karson C, Spontaneou eye-blink rates and dopaminergic systems[J].Brain, vol. 106, pp.643-653, 1983

　　[2] Tsubota K, Tear Dynamics and Dry Eye[J]. Progress inRetinal and EyeResearch, vol.17, no.4,pp565-596, 1998

　　[3] Viola P, Jones M. Rapid object detection using a Boosted cascade of simple features[C]. Proc. of IEEE Conf. on CVPR 2001. 511- 518

　　[4] Yong Ma, Xiaoqing Ding, Zhenger Wang, Ning Wang. Robust precise eye location under probabilistic framework[C]. Proceedings of the sixth IEEE International Conference on Automatic Face and Gesture

　　[5] 赵江,徐鲁安. 基于 AdaBoost算法的目标检测 [J]. 计算机工程,2004(2)

　　[6] Martinez A.M. and Benavente R. The AR Face Database[R]. CVC Technical Report #24, June 1998

　　[7] Gao W, Cao B, Shan S G, Zhou D L, Zhang X H, Zhao D B. The CAS-PEAL large-scale Chinese face database and evaluation protocols[R]. Technical report No.JDLTR04 F R001, Joint Research & Development Laboratory, CAS, 2004

　　[8]Gang Pan,Lin Sun,Zhaohui Wu,Shihong Lao.Eyelink-based Anti-spoofing in Face Recognition from a Generic Webcamera[R].The 11th IEEE International Conference on Computer Vision(ICCV’07),Rio de Janeiro,Brazil,October 14-20,2007