多角度视线上的人眼定位算法.docVIP

多角度视线上的人眼定位算法 　　摘要：眼睛包含了多种重要的信息，眼睛定位在人脸检测及人脸识别技术中有着极其重要的实用价值。但传统的基于几何特征的眼睛定位方法在多角度视线方向上存在着不同程度的定位不够准确或计算量大的缺点，文章提出了一种多角度视线方向上的眼睛定位方法。在初步定位人脸区域后，采用主成分分析（Principal Component Analysis, PCA）方法在人脸的上半部分计算眼睛的位置。实验证明了算法的有效性。 　　关键词：主成分分析；眼睛定位；特征脸；视线；OPENCV 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2011)04-0870-03 　　Eye Detection on Different Gaze 　　YU Qiong, FAN Yin-tao 　　(Dept of Computer Science, Wuhan University of Technology, Wuhan 430063, China) 　　Abstract: Eyes contain a variety of important information，eye detection has important practical value in human face detection and face recognition technology. But the traditional detection methods based on geometrical characteristic are not accurate enough and large computational, this paper presented a new eye detection method. Using of PCA method in the upper half of the face to calculate the position of the eyes. Experimental results show the effectiveness of the algorithm. 　　Key words: PCA; eye detection; eigenface; gaze; OPENCV 　　近年来，人脸识别技术迅速发展，人们认识到相关技术的价值并在这方面做了很多的研究，人脸特征的提取是人脸自动识别过程中至关重要的一步。 　　眼睛是一个在人脸最为重要的特征，因此，眼睛的定位成为了人脸识别中关键的一步。脸部特征强烈依赖于双眼的位置，只要左右眼睛的位置确定下来，则人脸其它特征（如鼻子、嘴、眉毛等）都可根据人脸的生物特征分布关系基本确定。正因为眼睛定位在人脸识别中具有如此重要的地位，所以近年来提出了许多人眼定位的方法，主要有霍夫变换法、灰度投影法和对称变换法[1]等，霍夫变换法对二值化图像进行圆检测，从而确定双眼的精确位置，该方法受眼睑以及眼睫毛等的干扰大，而且也较复杂，因而很难得到广泛的应用；灰度投影法利用人脸灰度图像进行水平和垂直方向上的投影，分别统计出两个方向上的灰度值和，找出特定的变化点，确定人眼位置，该方法对不同人脸和姿态变化敏感，只能大致找出眼睛区域，不能精确定位；对称变换法利用正面人脸图像的强对称性检测人眼，但这种方法局限于人脸正面图像，通用性不是很好。本文提出了一种多角度视线方向上的人眼检测算法，在人脸区域上部[2]，利用PCA方法搜索最接近人眼图像的区域。 　　在图像处理[3]过程中，首先通过直方图均衡化增强人脸局部的对比度，之后再通过像素灰度值归一化在一定程度上消除成像条件不同，也就是外界光照条件不同对定位造成的负面影响。在人脸库中选取多角度视线方向上的眼睛图像，用这些图像合成人眼图像。根据人眼在人脸的位置特点，在已检测出的人脸区域的上部，利用PCA方向检测人眼的位置。 　　1 图像预处理 　　直方图能反映图像的概貌，比如图像中有几类目标，目标和背景的分布如何；通过直方图可以直接计算图像中的最大亮度、最小亮度、平均亮度、对比度以及中间亮度等。使用直方图可以完成图像分割、目标检索等。因为不同的目标具有不同的颜色分布。使用归一化直方图作目标匹配，还不易受到目标翻转和目标大小变化的影响。 　　若i代表像素的灰度，H(i)代表该灰度的像素总个数。 　　均衡化原理：根据熵理论可知H(0),H(1)…,H(n-1)相等时，图像信息量最大。均衡化的目的是使每个H(i)都相等，即把原始图的直方图变换为均匀分布的形式，这样就增加了像素值的范围，增强了图像的对比效果。 　　像素灰度值归一化就是改变图像的亮度和对比度，使其等于定值。 　　通过归一化处理，可以在一定