一種改進的瞳孔定位方法

楊 敏，徐萬明

（黔東南民族職業(yè)技術(shù)學院，貴州凱里　556000）

一種改進的瞳孔定位方法

楊 敏，徐萬明

（黔東南民族職業(yè)技術(shù)學院，貴州凱里556000）

通過對圖像進行相應的預處理，對有灰度等級的所有像素求取最大類間方差，獲得二值化圖像的最佳閾值，最后采用Hough變換確定瞳孔的中心位置。實驗證明，該方法是一種有效的瞳孔定位方法。

瞳孔定位；圖像預處理；Hough變換

0　引 言

最近幾年，人因工程已經(jīng)成為發(fā)展迅猛的一門重點項目學科。與此同時，針對視線追蹤（eye tracking）［1］的研究日漸增多，而且由于視線追蹤能夠顯著提高人機交互的效率，因此得到了研究學界的廣泛關(guān)注與重視。特別地，瞳孔定位作為視線追蹤的關(guān)鍵環(huán)節(jié)，其有效性和精確度將直接決定著整個人機交互系統(tǒng)的優(yōu)劣和性能實現(xiàn)。

1　實現(xiàn)過程

在研究開展過程中，綜合得到瞳孔檢測的實現(xiàn)流程，具體如圖1所示。

圖1　瞳孔檢測流程圖Fig.1 Flowchart of pupil detection

1.1確定閾值

閾值確定是方法實現(xiàn)過程中的決定性環(huán)節(jié)，因為需要取得區(qū)分瞳孔與周圍區(qū)域的最佳二值化圖像，從而分離出瞳孔區(qū)域。本文采用的是一種比較常用的自適應閾值提取方法—大律法。

1.1.1大律法（OTSU）

大律法又稱最大類間方差法，方法的主要實現(xiàn)原理如下：

假設(shè)圖像尺寸為A?B像素，圖像灰度級為K，像素灰度值大于T的像素個數(shù)記作N1，小于T的像素個數(shù)記作N0，可以得出：

假設(shè)圖像前景和背景的分割閾值為T，w0為前景像素占整個圖像的比例，u0為前景圖像的平均灰度值，w1為背景像素占整個圖像的比例，u1為背景圖像的平均灰度值，可計算得出圖像總體的平均灰度為u。在最小與最大灰度值之間循環(huán)提取T值，直到最大類間方差g的出現(xiàn)，此時的T即為最佳分割閾值。

1.1.2改進的大律法

大律法的適用范圍較為廣泛，但卻仍然存在某些弊端，主要體現(xiàn)為對光照條件的依賴性較強。在光線較弱的情況下，系統(tǒng)采集的眼部圖像整體偏暗，并伴有噪聲，且圖像分離效果也未臻理想。故針對閾值提取，本文提出了一種改進的大律法，步驟如下：

1）圖像預處理。圖像預處理的主要目的是提升圖像亮度和濾除噪聲，這里采用光線補償和中值濾波來實現(xiàn)。

如圖2所示，圖（a）、（b）分別為采集到的人眼原始圖像和經(jīng)過預處理之后的人眼圖像。

圖2　圖像預處理結(jié)果圖Fig.2 Figure of image preprocessing results

對比可以看出，經(jīng)過預處理之后的人眼圖像，更有利于將瞳孔與其周圍區(qū)域區(qū)分開來。

2）剔除圖像中不存在的灰度等級，求取有灰度等級的所有像素的最大類間方差。由圖3可以看出，圖像前后兩端的灰度等級對應的像素個數(shù)都為零，故在使用大律法計算最大類間方差的時候，忽略該部分灰度等級可以提高運算效率。

圖3　直方圖（針對一幅人眼圖像）Fig.3 Histogram of an eye image

根據(jù)文獻［2］提供的方法，可對公式（6）進行如下的推導，以驗證該算法的可行性：

相應地，i表示圖像的各個灰度等級；ni表示圖像的各個灰度等級對應的像素個數(shù)；Pi表示圖像的各個灰度等級出現(xiàn)的概率。

若灰度等級為t′的像素個數(shù)為0，即Pt′=0，選取t′-1為閾值時：

選取t′為閾值時：

得出結(jié)論：gt′-1=gt

如果有連續(xù)灰度等級t1，t2，t3，…，tn的像素個數(shù)為0，仍可得到：

忽略像素個數(shù)為0對應的像素灰度等級，并不影響閾值的最終提取。

由圖4可以看出，瞳孔已獲得了較好分離，接下來就是瞳孔的定位了。

圖4　不同角度下的眼部圖像及采用改進型大律法處理后的效果圖Fig.4 Eye images at different angles and results images using improved OTSU

1.2瞳孔定位

在二值化圖像的基礎(chǔ)上，采用輪廓提?。?］與Hough變換來進行準確的瞳孔定位。

Hough變換是實現(xiàn)圖像邊緣檢測的一種有效方法，其基本思想是將測量空間的一點變換到參量空間中的一條曲線或一個曲面，而具有同一參量特征的點交換后在參量空間中相交，通過判斷交點處的積累程度來完成特征曲線的檢測，同時依據(jù)參量性質(zhì)的不同，Hough變換可以檢測直線、圓、橢圓、雙曲線、拋物線等。在此基礎(chǔ)上，更可將概率論、模糊集理論、分層迭代的思想和級聯(lián)的方法應用于Hough變換的過程中，如此則明顯提升了Hough變換的效率，進而改善了Hough變換的性能。

部分實驗代碼如下：

圖5　瞳孔定位的最終效果圖Fig.5 Final effect image of pupil location

2　結(jié)束語

本文提出了一種基于改進的大律法來實現(xiàn)瞳孔定位的方法，該方法在圖像預處理之后對圖像中存在的像素灰度值計算最大類間方差，求取分離圖像的最佳閾值，最后通過Hough變換實現(xiàn)瞳孔的精確定位。實驗證明，該方法可以快速而高效地實現(xiàn)瞳孔定位。

［1］廖衛(wèi)華，嚴由偉，徐子清.視線跟蹤技術(shù)在人機交互中的研究［J］.長春師范學院學報（自然科學版），2005，24（2）：130-132.

［2］TAKEGAMI T，GOTOH T，OHYAMA G.An algorithm for modelbased stable pupil detection for eye tracking system［J］.Systems and Computers in Japan，2004，35（13）：4，21-31.

［3］吳鳳和.基于計算機視覺測量技術(shù)的圖像輪廓提取方法研究［J］.計量學報，2007，28（1）：18-22.

［4］JUNG J W，SATO T，BIEN Z.Dynamic footprint-based person recognition method using a hidden markov model and a neural network［J］.International Journal Intelligent System，2004，19（11）：1127-1141.

［5］李鑒慶，左坤隆.圖像閾值選取的一種快速算法［J］.計算機與現(xiàn)代化，2001（6）：11-14，19.

［6］OTSU N.A threshold selection method from gray-level histogram［J］. IEEE Trans Actions on SMC，1979（9）：652-655.

［7］黃麗麗，楊帆，王東強，等.基于改進型最大類間方差法的瞳孔定位方法［J］.計算機工程與應用，2013，49（23）：137-140.

［8］徐艷，陳孝威.人臉檢測中的眼睛定位算法研究［J］.計算機與信息技術(shù)，2006（9）：24-28.

An optimized method for pupil location

YANG Min，XU Wanming
（Qiandongnan National Polytechnic，Kaili Guizhou 556000，China）

By certain image preprocessing，the paper calculates the max between-class variance of all pixels which has grey level and get the best threshold of binary image.After that，Hough transformation is used to locate the center of the pupil.Experimental results show that this algorithm is an effective method in pupil location.

pupil location；image preprocessing；Hough transformation

TP391

A

2095-2163（2016）03-0122-03

2016-04-19

楊 敏（1988-），男，碩士，助教，主要研究方向：計算機應用、圖像處理；徐萬明（1983-），男，學士，講師，主要研究方向：單片機技術(shù)應用、職業(yè)技術(shù)教育。