基于輪廓檢測(cè)的眼睛定位方法

西南交通大學(xué)電氣工程學(xué)院 鐵俊波 朱俊星 黃 進(jìn) 唐蘭君

基于輪廓檢測(cè)的眼睛定位方法

西南交通大學(xué)電氣工程學(xué)院 鐵俊波 朱俊星 黃 進(jìn) 唐蘭君

此文是西南交通大學(xué)2009年國(guó)家創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目研究成果，受全國(guó)大學(xué)生創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目資金資助，項(xiàng)目名稱：人臉識(shí)別相關(guān)核心技術(shù)研究及系統(tǒng)實(shí)現(xiàn)，項(xiàng)目編號(hào)091061309

人臉識(shí)別是模式識(shí)別學(xué)科的一大研究熱點(diǎn)，廣泛地應(yīng)用于保密系統(tǒng)、可視電話系統(tǒng)以及人機(jī)交互系統(tǒng)等領(lǐng)域。眼睛定位是人臉識(shí)別中一個(gè)重要的信息，本文根據(jù)人臉中眼睛的灰度及形狀信息，提出了一種新的，基于輪廓檢測(cè)的眼睛定位算法。實(shí)驗(yàn)結(jié)果表明此算法具有較好的準(zhǔn)確性和可行性。

人臉識(shí)別 眼睛定位 算法

1 引言

人臉識(shí)別在保密系統(tǒng)、可視電話系統(tǒng)以及人機(jī)交互系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用前景。

眼睛作為人臉的重要特征，在人臉檢測(cè)和識(shí)別中都發(fā)揮著重要的作用。目前人臉識(shí)別常用方法大致分為基于幾何特征、基于代數(shù)特征的識(shí)別和基本神經(jīng)網(wǎng)絡(luò)的識(shí)別方法。近年來(lái)，研究眼睛定位算法較多，主要有區(qū)域分割法、灰度投影法等，區(qū)域分割法首先對(duì)人臉的二值圖像進(jìn)行區(qū)域分割， 然后設(shè)定一系列經(jīng)驗(yàn)值和支持函數(shù)定位眼睛； 灰度投影法對(duì)人臉圖像進(jìn)行水平和垂直方向的投影，根據(jù)波峰、波谷的分布信息來(lái)定位眼睛；邊緣提取法首先對(duì)人臉圖像進(jìn)行邊緣提取， 然后用霍夫變換檢測(cè)眼球，構(gòu)造一個(gè)眼部模板，用一系列函數(shù)從能量角度找出眼睛；統(tǒng)計(jì)學(xué)習(xí)法將人眼區(qū)域看作一類模式，使用大量不同條件下的人眼與非人眼樣本， 借助統(tǒng)計(jì)分析理論和機(jī)器學(xué)習(xí)方法提取人眼共有的一些特征， 實(shí)現(xiàn)人眼檢測(cè)。上述方法都取得了一定的成功，但普遍存在收斂速度慢、計(jì)算量大、定位不夠準(zhǔn)確等缺陷。

本算法根據(jù)眼睛的兩大結(jié)構(gòu)特征：①在人臉中具有對(duì)稱性；②其灰度值集中在某個(gè)區(qū)域，提出了一種結(jié)合人臉中眼睛的灰度及面積信息的人眼定位新算法，并具體實(shí)現(xiàn)。

二、眼睛定位算法描述

1. 濾除噪聲

通過攝像頭得到的圖像中，一般含有一定的噪聲，為了在后面的眼睛定位中得到更好的效果，在一開始，使用了canny濾波，濾除了一定的噪聲。

2. 基于整個(gè)圖像的灰度值對(duì)圖像進(jìn)行二值化

圖像二值化的目的是使眼部區(qū)域凸顯出來(lái)，而圖像二值化處理的關(guān)鍵是閾值的選擇，閾值選擇的原則是選擇和眼睛較為接近的灰度值，本文選擇一種可變的閾值。

如果將整幅灰度圖像的灰度值從大到小排成數(shù)列：

其中，“T-N,”代表最小的灰度值，“TN,”代表最大的灰度值，我們定義T0為整幅圖的平均灰度值，則為

假設(shè)圖像中白像素點(diǎn)的灰度值為255，黑像素點(diǎn)的灰度值為0，則眼睛的灰度值應(yīng)該是低于整幅圖像的平均灰度值的，所以我們?cè)谟?jì)算出圖像平均值的基礎(chǔ)上，乘上一個(gè)系數(shù)a（0

3. 對(duì)圖像進(jìn)行形態(tài)學(xué)操作

由于二值化并不能夠完全的凸顯出眼睛，因?yàn)槊济?，鼻子和嘴巴的某些部分灰度值與眼睛有些接近，在二值化之后，得到的臉部圖像中，除了得到眼睛之外，還可能存在一部分的眉毛，鼻子和嘴巴的殘余圖像，為了消除這部分噪聲對(duì)后續(xù)眼睛檢測(cè)的影響，我們使用了膨脹和腐蝕兩種形態(tài)學(xué)操作。在對(duì)圖像使用膨脹操作之后，先前存在的眉毛等的殘余圖像明顯消失，但是眼睛區(qū)域也變得十分小，接著我們?cè)偈褂酶g操作，擴(kuò)大眼睛的區(qū)域，使得在后續(xù)檢測(cè)中，方便的檢測(cè)出眼睛。

4. 尋找眼睛位置并定位

由于圖像中的不僅僅有眼睛的輪廓，所以檢測(cè)出的結(jié)果應(yīng)該是一個(gè)輪廓的序列。

假設(shè)該序列為：P={P0,P1,P2...........PN}

由于本文使用opencv實(shí)現(xiàn)算法，在得到的輪廓序列結(jié)構(gòu)中，包含著檢測(cè)出的每一個(gè)輪廓的面積。利用冒泡排序法，將得到的N個(gè)輪廓的面積進(jìn)行排序，可以得到關(guān)于輪廓面積大小的一個(gè)數(shù)列：area[]={area0,area1,.......ar eaN}

我們利用眼睛的結(jié)構(gòu)特征，即兩只眼睛的輪廓的面積是相近的，從最大的輪廓面積開始逐次比較兩個(gè)面積數(shù)組元素，當(dāng)它們的相似度超過相似度閥值時(shí)，可以認(rèn)為找到了兩只眼睛。

經(jīng)過試驗(yàn)發(fā)現(xiàn)，λ取值在1.1~1.3時(shí)，可以得到較好的檢測(cè)效果。

三、程序流程圖

四、實(shí)驗(yàn)結(jié)果

通過實(shí)驗(yàn)驗(yàn)證了本算法定位的準(zhǔn)確性和可行性， 證明了本算法在人臉識(shí)別的眼睛定位上有一定的識(shí)別準(zhǔn)確度，本算法還具有容易實(shí)現(xiàn)、運(yùn)算量少、對(duì)不同光照條件下的人臉圖像有較好的檢測(cè)效果。

五、.結(jié)束語(yǔ)

經(jīng)過實(shí)驗(yàn)，這種算法占內(nèi)存小，能簡(jiǎn)單、快速地應(yīng)用到嵌入式系統(tǒng)中，并能對(duì)多幅圖像進(jìn)行眼睛定位，基本上每幅圖像都能正確定位，取得了滿意的效果，由此說(shuō)明此算法具有較好的準(zhǔn)確性和可行性。但本算法是基于面積的大小，對(duì)于戴眼鏡的人臉圖像，需要調(diào)節(jié)二值化的閾值；當(dāng)圖像中有多個(gè)人臉時(shí)，應(yīng)事先對(duì)圖像進(jìn)行切割，使其成為單個(gè)人臉。通過這些處理，本算法能實(shí)現(xiàn)對(duì)不同人臉的眼睛定位。

[1]章毓晉.圖像處理和分析[M].北京:清華大學(xué)出版社，1990

[2]田捷，沙飛，張新生.實(shí)用圖像分析與處理技術(shù)[M].北京:電子工業(yè)出版社，1995

book=47,ebook=139