李　东　彭亦功

(华东理工大学信息科学与工程学院，上海　200237)



一种基于HSV和LBP特征融合的眼疲劳诊断方法

李东彭亦功

(华东理工大学信息科学与工程学院，上海200237)

针对色调饱和度亮度(HSV)颜色空间特征提取方法在低光照条件下人眼状态识别率低、局部二值模式(LBP)特征提取方法在复杂光照下鲁棒性不强的问题，根据人眼在不确定光照情况下的状态识别需求，提出了基于HSV颜色特征和LBP纹理特征融合的眼疲劳诊断方法。仿真试验表明，该方法可有效提高单独使用HSV和LBP特征提取方法仿真时的人眼状态识别率和眼疲劳诊断精度，具有很好的眼疲劳诊断效果，应用前景广泛。

特征提取 HSVLBP鲁棒性特征融合眼疲劳诊断状态识别

0　引言

近年来，因用眼过度引起的健康问题越来越多，因眼疲劳引起的交通意外造成了诸多人员伤害和社会危害[1-2]。因此，人眼状态识别和诊断方法的研究引起了众多专家、学者的关注[3-4]。基于颜色空间(hue saturation value,HSV)和局部二值模式(local binary pattern,LBP)是人眼状态识别和诊断常用的特征提取方法。HSV是将图像从红绿蓝(red green blue，RGB)颜色空间转换到HSV颜色空间提取特征的方法[5]，其在低光照条件下的识别率较低[6-8]；LBP是一种提取图像局部纹理的算子，用于描述局部像素间的对比度[9]，但其在复杂光照下的鲁棒性不强[10-12]。

本文在具体分析HSV和LBP特征提取方法基础上，提出基于HSV和LBP特征融合的眼疲劳诊断方法，并对相关仿真试验进行分析、对比。仿真结果表明：基于特征融合的方法弥补了单一特征提取方法的不足，其人眼状态识别率和眼疲劳诊断精度较HSV和LBP有明显提高。……