[發明專利]人眼觀察視角的測量方法及裝置

有效

• 申請號: 201010166347.5
• 申請日: 2010-04-30
• 公開（公告）號: CN101840509A
• 公開（公告）日: 2010-09-22
• 發明（設計）人: 李利民
• 申請（專利權）人: 深圳華昌視數字移動電視有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/64;A61B5/117
• 代理公司: 廣東國暉律師事務所 44266
• 代理人: 陳琳

技術領域

本發明涉及識別圖形的方法，特別是涉及應用電子設備進行人的臉部特征進行識別的方法。

背景技術

隨著計算機視覺技術的發展，人臉識別技術得到了長足的發展和應用，其理論和算法體系日臻完善。傳統上，人們把人臉識別技術分成人臉的檢測和人臉的識別兩大部分，其中，人臉的檢測是利用人類臉部器官的結構、外形以及分布等共性特征，來檢測是否有人臉的存在，人臉的識別則是把檢測到的人臉特征和人臉模板庫中預存的特征進行模式對比，以判斷人的身份。

人臉識別技術仍面臨著一定的挑戰，主要體現在，雖然人臉的面部特征具有相似性，臉部器官的分布、結構和外形具有穩定的關系，可適用于通過人臉進行定位，但是要應用到個體定位則不易。其原因在于：人臉外形很不穩定，人臉有很多表情變化，并且在不同的角度進行觀察，人臉的視覺圖像也相差很大，從而使得人臉識別效果的穩定性和準確性存在相當程度的不確定性；另外，人臉識別還受光照條件，例如白天和夜晚，室內和室外等；人臉上的遮蓋物，例如口罩、墨鏡、頭發和胡須等以及年齡等多方面因素的影響。

現有的人臉識別技術大約可以分為四大類：

1)基于知識的方法，是對組成典型人臉的知識進行編碼。通常，先驗知識包換了這些人臉特征的相互關系，早期的人臉定位多用此方法。

2)特征不變方法，是通過找出存在的一些結構特征，這些特征在姿態、觀察點、光照條件改變的情況下保持不變，然后用這些特征來定位人臉。其代表性的技術有：基于人臉特征的邊緣組法；基于紋理的人臉模式空間灰度矩陣法；基于膚色的高斯混合法；以及基于多特征的膚色、大小和形狀混合法。

3)模板匹配法，是先存儲一張人臉的幾個標準模板，用來描述整張人臉或人臉的部分特性，然后通過計算輸入圖像與已經存儲模板之間的相似度來進行檢測。其代表性的技術有：基于預先定義的形狀模板法以及基于可變形模板的活性形狀模板法。

4)基于外觀的方法，其與上述的模板匹配區別在于：其模板是從一組訓練圖像經過學習而得來的，這些圖像包括人臉外觀的具有代表性的變化因素。其代表性的技術有：基于本征臉的本征向量分解和聚合法；基于分布的高斯分布和多層感知器法；基于神經網絡的結合仲裁模式的方法；多項式內核的支持向量機；貝葉斯分類法；基于隱馬爾科夫模型的統計法；以及多級聯Adaboost算法。

Adaboost算法是一種可機器學習的方法，其核心思想是針對同一個訓練集訓練不同的弱分類器----只要檢測率高于50％，然后把這些弱分類器集成起來，構成一個更強大的最終分類器----強分類器。Kearns和Valiant已經證明：只要有足夠的數據，弱學習算法就能集成為任意精度的假設強學習算法。Adaboost算法根據每次訓練集中每個樣本的分類是否正確，以及上次的總體分類的準確率，來確定每個樣本的權值。將修改過權值的新數據集送給下層弱分類器進行再次訓練，這樣得到新的弱分類器----下層分類器，如此這班地重復多次，最后將每次訓練中得到的弱分類器融合起來，作為最后的決策分類器。如中國專利CN200810056854.6所公開的一種基于圖片幾何結構的人臉檢測方法，包括人臉模型的訓練過程和人臉圖像的檢測過程，該方法包括以下步驟：人臉模型的訓練過程步驟：訓練樣本歸一化步驟；特征提取步驟；采用合適大小的塊對樣本進行劃分的分塊步驟；將計算獲得所有差分值拉成特征列向量步驟，提交分類器學習；瀑布型支持向量機的學習過程；采用級聯分類器針對每個窗口中的樣本圖片進行分類；人臉圖像的檢測步驟：對檢測到的人臉進行標記。

在采用Adaboost算法進行人臉和臉部器官的檢測并定位其位置的實現過程中，人眼的識別和定位是人臉檢測的關鍵，人眼精確定位是人臉識別前處理階段中非常關鍵的一個環節，只要眼球被精確定位，其它的人臉器官如眉、嘴、鼻等，可藉由潛在的幾何分布關系比較精確地定位，在人眼定位算法中，比較常用的算法可以分為：霍夫變換法、變形模板法、邊緣特征分析法和對稱變換法。

雖然，上述現有的方法已經能夠較成功地實現人臉的檢測，然而，針對一些特定的應用領域，比如：對人眼觀察視角進行測量，通過圖像或視頻中的人是否正在觀看屏幕/鏡頭，來實現收視率調查、戶外廣告的效果評價等，由于人面部的微小轉動，或者眼球的微小轉動，都可能會引起視角的很大變化，這除了涉及上述的人臉識別技術外，還涉及到人眼的有關生理參數，人類個體面部器官的幾何參數以及人相對屏幕/鏡頭的位置參數等因素的影響，從而使得精確測量人眼觀察視角成為一樁非常棘手的技術難題。