牟　亞,聶亞洲,付發(fā)威,周銀平（華北電力大學(xué),北京　昌平　102206）

基于模式識(shí)別的自適應(yīng)燈具

牟亞,聶亞洲,付發(fā)威,周銀平
（華北電力大學(xué),北京昌平102206）

摘要：模式識(shí)別技術(shù)自20世紀(jì)60年代提出以來(lái)，一直都因?yàn)槠渚薮蟮陌l(fā)展?jié)摿ξ吮姸嘌芯空叩纳钊胩剿骱脱芯?。這些年來(lái)，模式識(shí)別在人臉識(shí)別、疲勞檢測(cè)、人機(jī)交互等領(lǐng)域取得了巨大進(jìn)展。本文研究的目的是設(shè)計(jì)一套可以自動(dòng)檢測(cè)人眼狀態(tài)并作出相應(yīng)調(diào)光反饋的燈光系統(tǒng)，這套系統(tǒng)可以最大程度上減輕視疲勞，保護(hù)眼睛。當(dāng)光有微小的變化，眼睛就會(huì)做出相應(yīng)的變化。當(dāng)眼睛處于一個(gè)舒適的狀態(tài)，光就處于一個(gè)合適的值。本文使用的軟件主要是VS2013與OpenCV相結(jié)合，通過(guò)調(diào)用OpenCV庫(kù)函數(shù)，建立該燈具系統(tǒng)。本文采用了級(jí)聯(lián)Adaboost算法，用于人臉檢測(cè)、人眼檢測(cè)和瞳孔定位。對(duì)輸入圖像進(jìn)行人臉檢測(cè)，在人臉檢測(cè)的基礎(chǔ)上進(jìn)行人眼檢測(cè)并定位瞳孔，從而找到瞳孔直徑以及虹膜直徑。通過(guò)串口，把瞳孔直徑與虹膜直徑的比值按照一定的映射關(guān)系傳給數(shù)模轉(zhuǎn)換模塊，輸出不同的電壓來(lái)控制LED的亮度。再輔以反饋調(diào)節(jié)機(jī)制，確保燈具發(fā)出的光照是最符合人眼需求的光照。

關(guān)鍵詞：模式識(shí)別；級(jí)聯(lián)Adaboost算法；OpenCV ；人眼檢測(cè)

1　作品背景

信息大數(shù)據(jù)時(shí)代，由于人們經(jīng)常在不合適的光線下過(guò)度使用電子產(chǎn)品，導(dǎo)致眼部疾病發(fā)病率直線上升。解決問(wèn)題的根源在于將不合適的光線調(diào)節(jié)為適合眼睛的光線。而目前世界上關(guān)于適合光照還沒(méi)有一個(gè)公認(rèn)的標(biāo)準(zhǔn)，在這種狀況下，人為地界定一個(gè)光線亮度，光線被動(dòng)的調(diào)節(jié)，并不能改善目前電子產(chǎn)品過(guò)度使用，眼部疾病發(fā)病率逐年攀升的現(xiàn)狀。我們立足于健康生活的理念，將模式識(shí)別技術(shù)運(yùn)用到燈具上，致力于研究自適應(yīng)性燈具。臺(tái)燈可以根據(jù)環(huán)境光線的變化和人眼的狀態(tài)來(lái)自動(dòng)調(diào)節(jié)，達(dá)到使人眼感到舒適的狀態(tài)，從而減少對(duì)眼睛的傷害，提高眼睛的健康狀況。

2　總體設(shè)計(jì)

在實(shí)現(xiàn)燈光自適應(yīng)調(diào)節(jié)的過(guò)程中，主要應(yīng)用了模式識(shí)別領(lǐng)域中的Adaboost算法和級(jí)聯(lián)分類(lèi)器。

2.1模式識(shí)別

模式識(shí)別是一個(gè)樣本的類(lèi)別屬性（模式類(lèi)）的確定過(guò)程，即把某一個(gè)樣本歸屬于多個(gè)類(lèi)型中的某個(gè)類(lèi)型，從20世紀(jì)20年代發(fā)展至今，目前它已經(jīng)運(yùn)用到生物認(rèn)證、指紋識(shí)別、聲紋識(shí)別、語(yǔ)音識(shí)別、數(shù)字水印等領(lǐng)域。模式識(shí)別技術(shù)是人工智能的基礎(chǔ)，我們利用攝像頭拍攝出的照片，通過(guò)Adaboost算法和級(jí)聯(lián)分類(lèi)器識(shí)別出眼睛的狀態(tài)，確定眼睛對(duì)光照的需求。

2.2Haar積分圖

將紅外背光攝像頭拍攝的照片轉(zhuǎn)化為灰度圖，為了得到灰度圖的特征值，需要對(duì)輸入圖像進(jìn)行逐點(diǎn)掃描。設(shè)i(x,y)為輸入圖像中像素點(diǎn)(x,y)的像素灰度值，那么假定一個(gè)圖像，在某一點(diǎn)(x,y)處，求該點(diǎn)像素的灰度值之和，要計(jì)算縱坐標(biāo)小于等于Y的所有像素點(diǎn)。定義該像素灰度值的和為s(x,y)，利用遞推公式，求取待測(cè)圖像的積分圖:

圖1　具體點(diǎn)積分圖

其中x和y從0開(kāi)始，s(x,y-1)=0，ii(x-1,y)=0?？梢酝ㄟ^(guò)積分圖快速求得矩形特征區(qū)域內(nèi)的所有像素點(diǎn)的灰度積分。點(diǎn)1處的積分圖ii1為：ii1=sum(A)，具體積分范圍如圖1所示。

根據(jù)上圖可以按順序分別計(jì)算點(diǎn)2，點(diǎn)3，點(diǎn)4的特征值：

根據(jù)上式，在積分圖示例中計(jì)算出的每個(gè)端點(diǎn)處的值代表一個(gè)矩形特征值，再將每個(gè)端點(diǎn)處的值做加減運(yùn)算。所要計(jì)算的矩形大小和位置都與計(jì)算時(shí)間無(wú)關(guān)，即這個(gè)計(jì)算時(shí)間是一個(gè)常數(shù)，這是積分圖計(jì)算的最大優(yōu)點(diǎn)。

2.3Adaboost算法與級(jí)聯(lián)分類(lèi)器

Adaboost算法是一種分類(lèi)器算法，在1995年由Freund和Robert E.Schapire提出的，其主要思想是利用大量分類(lèi)能力較弱的簡(jiǎn)單分類(lèi)器(weakerclassifier)通過(guò)一定方法疊加(boost)起來(lái)，構(gòu)成一個(gè)具有強(qiáng)分類(lèi)能力的強(qiáng)分類(lèi)器。

2.3.1由擴(kuò)展的Haar特征生成弱分類(lèi)器

將紅外背光攝像頭拍攝出的照片轉(zhuǎn)化為灰度圖，利用灰度圖的特征值訓(xùn)練弱分類(lèi)器。弱分類(lèi)器可以使一個(gè)任何單一特征或組合特征的分類(lèi)器，它的主要功能是對(duì)候選區(qū)域做二值判斷。具體定義如下：

其中x為檢測(cè)窗口，f(x)為計(jì)算矩形特征值的函數(shù)，θ為通過(guò)訓(xùn)練的弱分類(lèi)器的閾值，p用來(lái)表示不等式的方向，取值為+1。對(duì)圖中的每個(gè)特征f，訓(xùn)練得到對(duì)應(yīng)的一個(gè)弱分類(lèi)器h(x,f,p,θ)，確定得到最優(yōu)閾值，使得這個(gè)弱分類(lèi)器h(x,f,p,θ)對(duì)所有的訓(xùn)練樣本的分類(lèi)誤差率最低。

弱分類(lèi)器訓(xùn)練的過(guò)程大致如下:

（1）計(jì)算每個(gè)特征f1（i=1...m為特征總數(shù)）對(duì)應(yīng)的訓(xùn)練樣本的特征值；

（2）將所有特征值排序；

（3）對(duì)排好序的每個(gè)元素：

計(jì)算全部正例的T+和權(quán)重;

計(jì)算全部負(fù)例的T_和權(quán)重;

（4）選取當(dāng)前元素的特征值Fki和它前面的一個(gè)特征值Fki-1之間的值作為閾值，該分類(lèi)器的分類(lèi)誤差為：

（5）計(jì)算最小的弱分類(lèi)器誤差，同時(shí)記錄此時(shí)若分類(lèi)器的方向符號(hào)和閾值以及分類(lèi)器的矩形特征。

特別說(shuō)明：在前期準(zhǔn)備訓(xùn)練樣本的時(shí)候，需要將樣本歸一化和灰度化到20*20的大小，這樣每個(gè)灰度圖像樣本大小一致，保證了每一個(gè)Haar特征都在一個(gè)樣本內(nèi)。

2.3.2訓(xùn)練強(qiáng)分類(lèi)器

在訓(xùn)練強(qiáng)分類(lèi)器的過(guò)程中，T表示的是強(qiáng)分類(lèi)器中包含的弱分類(lèi)器的個(gè)數(shù)。當(dāng)然，如果是采用級(jí)聯(lián)分類(lèi)器，強(qiáng)分類(lèi)器中的弱分類(lèi)器的個(gè)數(shù)可能會(huì)比較少，多個(gè)強(qiáng)分類(lèi)器再級(jí)聯(lián)起來(lái)。訓(xùn)練強(qiáng)分類(lèi)器的步驟如下：

給定一系列訓(xùn)練樣本(x1,y1).(x2,y2).....(xn,yn)，其中yi=0表示負(fù)樣本（非人臉），yi=1表示正樣本（人臉），為總共的訓(xùn)練樣本數(shù)。

（1）初始化權(quán)重wt,i；

（2）對(duì)t=1....T歸一化權(quán)重，

（3）對(duì)每個(gè)特征f，訓(xùn)練一個(gè)弱分類(lèi)h(x,f,p,θ)：計(jì)算對(duì)應(yīng)特征的若分離器的加權(quán)（q1）錯(cuò)誤率εi。

（4）計(jì)算最小的弱分類(lèi)器誤差εj，并且記錄此時(shí)弱分類(lèi)器的方向符號(hào)p和閾值θ以及分類(lèi)器的矩形特征。

經(jīng)過(guò)T次迭代后，獲得了T個(gè)最佳弱分類(lèi)器h1(x)....hT(x)，可以按照下面的方式組合為一個(gè)強(qiáng)分類(lèi)器：

那么，這個(gè)強(qiáng)分類(lèi)器對(duì)待一副待測(cè)圖像時(shí)，相當(dāng)于讓所有弱分類(lèi)器投票，再對(duì)投票結(jié)果按照弱分類(lèi)器的錯(cuò)誤率加權(quán)求和，將投票加權(quán)求和的結(jié)果和平均投票的結(jié)果相比較，大于則算在強(qiáng)分類(lèi)器里，小于就排除，得到最終的結(jié)果。

平均投票結(jié)果，即假設(shè)所有的弱分類(lèi)器投“贊同”票和“反對(duì)”票的概率相等，求出平均概率，

2.3.3構(gòu)建級(jí)聯(lián)AdaBoost算法

級(jí)聯(lián)AdaBoost的核心是在算法進(jìn)行T次迭代訓(xùn)練過(guò)程中，從每次的迭代訓(xùn)練過(guò)程中的弱分類(lèi)器中挑選出T個(gè)弱分類(lèi)器，按照一定的準(zhǔn)則將其連接起來(lái)，構(gòu)建成一個(gè)強(qiáng)分類(lèi)器。如果弱分類(lèi)器的正確率只提高一點(diǎn)點(diǎn)，那么強(qiáng)分類(lèi)器的正確率就能夠大幅提高。連續(xù)AdaBoost算法的輸出值遍布整個(gè)實(shí)數(shù)域。因此，幾乎能夠模擬全部分類(lèi)器類(lèi)型的概率分布。

級(jí)聯(lián)分類(lèi)器是由連續(xù)AdaBoost算法每層訓(xùn)練的分類(lèi)器組合成的強(qiáng)分類(lèi)器，最后將選取的弱分類(lèi)器按照自身的分類(lèi)性能自動(dòng)將他們組合在一起。

一般來(lái)講，在對(duì)視頻中的圖像進(jìn)行檢測(cè)時(shí)，所要檢測(cè)的目標(biāo)只占待測(cè)圖像的一個(gè)很小的部分，但在待測(cè)圖像中，有很多干擾阻礙了目標(biāo)的檢測(cè)。需要我們極快地去除這些干擾或者非目標(biāo)區(qū)域，留下大部分的時(shí)間去檢測(cè)除去干擾后的目標(biāo)窗口，這樣不僅提高了目標(biāo)檢測(cè)速度，并且提高了目標(biāo)檢測(cè)的準(zhǔn)確率。構(gòu)建級(jí)聯(lián)AdaBoost算法是我們所需要的算法。

2.4調(diào)光原理

圖2　設(shè)備連接圖

利用高清的紅外背光攝像頭，拍攝人的面部照片，借助Intel公司提供的計(jì)算機(jī)視覺(jué)庫(kù)OPEN-CV，通過(guò)近來(lái)提出的具有高精度和快速特點(diǎn)的adaboost算法和級(jí)聯(lián)分類(lèi)器首先找到人臉，進(jìn)一步找到眼睛，最后找到瞳孔。虹膜的大小不隨光照而變化，圖片中虹膜與瞳孔的相對(duì)大小不隨人眼與燈光的距離而改變，因此可以用虹膜為參照物計(jì)算出瞳孔的相對(duì)大小。根據(jù)瞳孔大小和所需光照的對(duì)應(yīng)關(guān)系，輸出一個(gè)合適的值給電壓源模塊，進(jìn)而改變電阻兩端的電壓，改變通過(guò)電阻的電流，通過(guò)三極管對(duì)電流的放大作用，實(shí)現(xiàn)LED臺(tái)燈的合理發(fā)光。此外，為了能反映桌面的絕對(duì)光照強(qiáng)度，LED燈光下還有一個(gè)光敏電阻，光敏電阻感應(yīng)此時(shí)的光照，會(huì)得到一個(gè)相應(yīng)的電阻值，與光敏電阻并聯(lián)的電壓表會(huì)將這個(gè)值通過(guò)數(shù)模轉(zhuǎn)換模塊傳給電腦，電腦判斷是否達(dá)到了眼睛舒適光照的要求，如果沒(méi)達(dá)到，再微調(diào)光強(qiáng)，直到達(dá)到最適合人眼的光照需求。

3　測(cè)試與性能分析

3.1數(shù)值照度關(guān)系

按照實(shí)驗(yàn)電路圖連接好線路，在無(wú)環(huán)境光照的條件下，保持臺(tái)燈到桌面距離一定，打開(kāi)電腦，打開(kāi)照度儀，運(yùn)行相應(yīng)的程序，從600-4000每隔100輸入數(shù)值，記錄相應(yīng)數(shù)據(jù)，可以得出LED燈發(fā)出的光的強(qiáng)度值y/lux與輸入數(shù)模轉(zhuǎn)換器的數(shù)值x成正相關(guān)的關(guān)系，計(jì)算機(jī)擬合二者對(duì)應(yīng)關(guān)系函數(shù)為y=361.1ln(x）-2217.8。LED燈發(fā)出光的強(qiáng)度值y/lux與通過(guò)LED燈珠的電流數(shù)值x/mA成正相關(guān)的關(guān)系，計(jì)算機(jī)擬合二者對(duì)應(yīng)關(guān)系函數(shù)表達(dá)式為y=2.7975x+48.092。

3.2瞳孔直徑與照度

瞳孔的作用就是改變通光量，而光通量是照度的函數(shù)，于是照度和瞳孔直徑之間建立了聯(lián)系，瞳孔直徑R是眼睛處光照度L0的函數(shù)，即R=f（L0）。保持燈光與眼睛距離為50cm不變，以燈光為唯一光源，打開(kāi)照度儀與瞳孔檢測(cè)儀器，連續(xù)調(diào)節(jié)燈光，使瞳孔處照度從100lux-780lux按每40lux為單位遞增，記錄對(duì)應(yīng)的瞳孔直徑于表格，得到相應(yīng)曲線。

從瞳孔直徑與照度關(guān)系圖中可以看到，瞳孔的直徑與LED燈發(fā)出光的強(qiáng)度成負(fù)相關(guān)的關(guān)系，計(jì)算機(jī)擬合二者對(duì)應(yīng)關(guān)系函數(shù)表達(dá)式為。

保持燈光與光敏電阻距離為不變，以燈光為唯一光源，打開(kāi)照度儀，運(yùn)行相應(yīng)的程序，連續(xù)調(diào)節(jié)燈光，使光敏電阻所處照度從按每為單位遞增，關(guān)系如圖4所示。

從照度與數(shù)值關(guān)系圖中可以看到，數(shù)值y與LED燈發(fā)出光的強(qiáng)度負(fù)相關(guān)，計(jì)算機(jī)擬合二者對(duì)應(yīng)關(guān)系函數(shù)表達(dá)式為。

圖3　　瞳孔直徑與照度關(guān)系圖

圖4　光照度與反饋數(shù)值關(guān)系

4　總結(jié)與展望

對(duì)自適應(yīng)燈具的研究邁出了模式識(shí)別應(yīng)用的第一步。人性化的設(shè)計(jì)讓它可以根據(jù)眼部的狀態(tài)實(shí)現(xiàn)光照強(qiáng)度的自動(dòng)調(diào)節(jié)，適合的光照使人眼達(dá)到最舒適的狀態(tài)，更好的保護(hù)眼睛，防止眼部疾病。同樣的原理和算法，可以運(yùn)用到電子產(chǎn)品的屏幕亮度控制中。目前市面上的屏幕亮度調(diào)節(jié)主要通過(guò)光敏原件和光敏感應(yīng)器感應(yīng)，但本論文中提出的構(gòu)想可以實(shí)現(xiàn)了屏幕亮度針對(duì)眼部的自適應(yīng)調(diào)節(jié)，是現(xiàn)有的產(chǎn)品所不能比擬的。

參考文獻(xiàn)：

[1]杭海濱.虹膜定位與識(shí)別的算法研究與實(shí)現(xiàn)[D].上海交通大學(xué),2013.

[2]田啟川,潘泉,程詠梅,張洪才.基于局部邊緣檢測(cè)的虹膜編碼算法研究[J].計(jì)算機(jī)應(yīng)用研究,2005(08):230-232+257.

[3]苑瑋琦,徐露,林忠華.一種基于人眼圖像灰度分布特征的虹膜定位算法[J].光電子·激光,2006(02):226-230.

[4]張錚,王艷平.數(shù)字圖像處理及其視覺(jué)[M].人民郵電出版社,2010.

[5]張宏林.Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐[M].人民郵電出版社,2003.