眼睛狀態決策 (Eyes Status Decision)

藉由在 3.4 節中擷取到的左眼或右眼資訊，使用紋理特徵分佈影像作垂直投 影，再計算平均值、變異數與分群個數，能即時且有效的偵測此眼睛的狀態是開 眼還是闔眼。

圖 14、眼睛狀態決策圖。

紋理特徵分佈影像處理方式為，灰階影像中取一定比例的像素較小值(意為 顏色較深值)，對其的落點分佈位置作為特徵，再二值化後建構出的分佈影像。

分析開眼與闔眼的眼睛狀態(圖 14)，可以發現其紋理特徵分佈落點的特性很不相 同，當闔眼狀態時，會在ｘ軸上平均分佈；但是當開眼狀態時，紋理特徵的落點

是分散且不固定的出現在ｘ軸上，靠著這個分佈落點特性可視為特徵來作接下來 的開眼闔眼分析。

紋理特徵分佈影像的特性為不管影像中畫面是否過暗、過亮、像素平均數大 小、變異數大小得到的結果皆相同，因在影像中深淺的對比關係是不變的，可以 大幅的改善光源、低解析度與眼鏡反光所帶來的影響。把局部取像轉成灰階後，

對灰階影像作紋理特徵分佈影像處理。根據影像整體像素，動態的設立紋理特徵 分佈影像的門檻值來作二值化。

_ｐ

_ｐ

(式 13)

_ｐ為灰階影像每一點像素值， 為紋理特徵分佈影像每一點像素值，

為灰階影像中第 像素小的像素值

圖 15、低解析度下紋理特徵影像結果。(a)為人臉偵測(b)灰階單眼影像(c)眼睛狀 態處理流程圖：眼睛區域、紋理特徵分佈影像、垂直投影、分群影像、變異數。

在應用為遠距離教室低解析度的狀況下，更能傑出的表現紋理特徵分佈的特 性(圖 15)。例如在眼睛區域影像中，因為低解析度的關係，人眼已經不易辨別出 是開眼或是闔眼的狀態，但使用紋理特徵分佈影像處理過後，就能明顯分辨二值 化後影像為平順、破碎狀態或是群集分佈。根據這些二值化影像分佈的特性，使 用垂直投影、分群影像與變異數等來分析，就能有效的辨識眼睛狀態。

取得適量的特徵對於之後的狀態辨別是很重要的，而紋理特徵分佈門檻值影 響著特徵值數量的多寡，過低影像會過度破碎而有高變異數(圖 16)，過高則會有 太多的雜訊，如臥蠶、眼睫毛、魚尾紋或是黑眼珠不明顯與睫毛部分混在一起等，

也會干擾平均值與變異數，故我們需要訂立適中的紋理特徵分佈門檻值。但是對 於眼睛紋路較於不明顯的眼睛來說，還是會有紋理特徵分佈門檻值過高的情形發 生，所以除了會設立紋理特徵分佈門檻值的整體百分比基準之外，會再對灰階圖 統計像素的狀況自動的調整門檻值。

圖 16、紋理特徵分佈門檻值比較圖。

對眼睛區域影像轉成紋理特徵分佈後，當開眼狀態可以得到影像集中在瞳孔

圖 17、眼睛狀態決策流程圖。平均數基準值 、 、 ，變異數基準值 。

接著檢查分群數量是否大於 1，把能看到眼珠的狀態給區分出來。當分群數 量大於 1 時 Stage 3 視為開眼；當分群數量小於等於 1 時有可能為闔眼或開眼。

經過分群數判斷之後，在紋理特徵的數量是固定的狀況下，與尚未被分類出 來的狀態皆只有 1 個群體，其平均值皆會大於多個分群的狀態，故此稍微提高被 視為是闔眼的門檻值 作為依據。當平均值小於 時，視為 Stage 4 闔眼狀

態。

大多數較不明顯的狀況，會使用最後一個判斷條件，決定一個基準值 ，當 變異數小於等於基準值 時，視為分佈狀態較為平均，即判斷為 Stage 5 闔眼狀態；

當變異數大於基準值 時，視為分佈狀態較為不平均，判斷為 Stage 6 開眼狀態。

表 3、眼睛狀態決策流程圖中每一個階段判斷出的結果影像，分析影像中依序是 灰階眼睛影像、紋理特徵分佈影像、垂直投影分群影像、變異數與平均值。

階段

分析 影像

眼睛

狀態 闔眼 開眼 開眼 闔眼 闔眼 開眼

表 3 可以明顯的展示每個階段的用處。Stage 1 能辨識出平均數非常小但分 群數大於 1 的闔眼狀態；Stage 2 能快速的辨識出非常明顯平均數非常大的開眼 狀態；Stage 3 能靠著分群數大於 1 的結果，辨識出變異數與平均數不高的微張 眼睛開眼狀態；Stage 4 能辨識出變異數不低但平均數較低的闔眼狀態；Stage 5 能辨識出平均數不低但是變異數低的闔眼狀態；Stage 6 能辨識出分群數為 1 個，

平均數不高但是變異數高的開眼狀態。