人脸识别中的眼睛定位.pdfVIP

人脸识别中的眼睛定位 朱夏君①王辛刚①冯浩①王守觉。 ①(浙江工业大学智能信息系统研究所310014) ②(中国科学院半导体研究所 100083) 摘要基于人眼灰度变化非常明显这一特征，本文提出了一种人脸识别中人眼定位的新算 法。首先，利用图像的水平灰度投影确定人眼在图象中的大致区域：然后，把此区 域的图像分割成小图像块，根据图像块的复杂度对两眼睛的大概位置进行定位；最 后，根据图像块的结构居中度对眼睛进行准确定位．与其它方法相比，此算法具有 定位准确，运算速度快等特点． 关键词眼睛定位 图像块复杂度 图像块结构居中度 1引言 近年来人脸的自动识别技术在模式识别中是一个非常活跃的研究领域。它的应用范围十 分广泛。如安全系统中的身份认证，视频监控中目标的识别与跟踪，以及表情分析，年龄分 析，智能计算机中的人机交互等【l】。要进行人脸识别首先要对所获得的人脸图像进行预处理， 提取出那些能充分表征人脸特性的特征矢量，而预处理中一个重要的步骤是对眼睛的准确定 位。于是人们研究各种算法来实现眼睛定位，如神经网络，模板匹配，Hough变换等。但都存 在收敛速度慢，计算量大，定位不准确等缺点。 人眼与人脸的其它部分相比，具有灰度变化十分明显的特征。利用这一特性，本文提出 了一种人眼定位的新算法。首先利用图像的水平灰度投影确定人眼在图象中的大致区域，然 后把此区域的图像分割成小图像块，并计算每-d,图像块的复杂度，找出复杂度最大的两小 块，这两小块肯定包含了左右眼睛的一部分，也就是对左右眼睛进行了初次定位。在此基础 上利用搜索的方法对眼睛进行准确定位，即在一定范围内以一个像素为单位移动这两小块， 每移动一像素计算这两小块的结构居中度，使得小块的结构居中度最大，此时小块的中心即 眼睛的中心。该算法快速、简单，可满足弱实时的应用。 2眼睛定位 本文所采用的图象大小为384X288，灰度范围为0-255的单人灰度图像。它是由所拍摄 的24位真彩色图象经中值滤波，转换为灰度图象【2】而得到。 (1)眼睛搜索区域的确定 将整幅图像进行分割，使分割后的图象块大小为nXm。求出每--d,图像块的复杂度 Corn(i)，找出复杂度最大的五个小块。发现五小块中至少有两小块包含眼睛，但复杂度最大 的第一、第二小块并不一定包含眼睛，有可能包含嘴巴、鼻子、轮廓边界等，无法判断哪两 个小块包含眼睛。这样就很难对眼睛进行初次定位。但是，人眼所在的水平区域，复杂度较大 的图象块所包含的区域一定是眼睛所在的位置。因此，通过对分割的范围进行限制，即只对 鼻梁和额头之间的图像进行分割，就可以保证复杂度最大的第一、第二小块包含眼睛，从而 就确定了眼睛的大致位置。 对整幅图像作水平灰度投影，对这一曲线进行分析可以发现在额头的位置会有一个峰值， 因而很容易确定额头的位置。而鼻梁的位置可以根据额头的位置来确定。这样，就可以确定眼 睛所在的区域(即额头到鼻梁之间的范围)pJ。 (2)眼睛的检测 眼睛的检测即是对眼睛进行初次定位。首先对鼻梁和额头之间的图像进行分割，小块大 小大致等于眼睛的大小，计算每一小块的图像块复杂度Corn(k)，找出复杂度最大的两小块， 即完成了眼睛的初次定位。图像块复杂度的计算公式如下： G～代表横向n个象素点纵向m个象素点的灰度矩阵，设B为象素点的灰度值，B，。eG一 为图像块第i行第，列象素点的灰度值，则图像块复杂度Com(k)f拘计算公式定义如下： Corn(k)=∑∑旧ij+!--既1．min(j，m一／)(1) t=l，；I 由于人脸的灰度变化纵向比横向大，所以图像块复杂度与图像块结构居中度都是以纵向 来计算的。其中系数mino，m-j)使得中心的灰度变化具有更大的重要性即更大的权值，保证了 居中点在眼睛中心，防止中心点落到眼睛和眉毛之间。 (3)眼睛的定位 眼睛的定位即对包含眼睛的两小块进行纵向和横向搜索以准确定位眼睛，使得小块的中 心与眼睛的中心相对应。搜索的范围为：以小块的当前位置为中心，纵向在等同于小块高