[發(fā)明專利]基于Retinex理論的復(fù)雜光照下的人眼檢測方法

無效

• 申請?zhí)枺?/td>: 201110284428.X
• 申請日: 2011-09-22
• 公開（公告）號: CN102314598A
• 公開（公告）日: 2012-01-11
• 發(fā)明（設(shè)計）人: 鄭喆坤;焦李成;孫天;公茂果;馬文萍;尚榮華;馬晶晶;侯彪
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 程曉霞;王品華

1.一種基于Retinex理論的復(fù)雜光照下的人眼檢測方法，其特征在于，對正面人臉圖像進行人眼檢測包括如下步驟：

步驟1對輸入的待檢測正面人臉圖像進行光照標(biāo)準(zhǔn)化處理；

步驟2人眼候選檢測，用10*20像素的窗口對光照標(biāo)準(zhǔn)化的圖像進行掃描，掃描步長為2像素，得到該窗口的邊緣直方圖描述子，對該直方圖描述子的5維求平均值，得到該窗口的邊緣復(fù)雜度E，對該待測正面人臉圖像的所有窗口求得平均邊緣復(fù)雜度E_mean，以E_mean為閾值，大于該閾值的圖像塊，被選為候選人眼，等待進一步驗證，將所有候選的10*20像素圖像塊展開成一維向量x_i，由此生成驗證樣本集V；

步驟3基于支持向量機的人眼驗證，使用SVM分類器對驗證樣本集V中的樣本進行驗證，先后將人眼預(yù)測模型model和驗證樣本集V輸入SVM分類器，基于SVM進行分類，得到樣本標(biāo)簽y及驗證樣本與分類超平面的距離f，其中y表示該樣本為人眼或非人眼；

步驟4確定人眼位置，用f計算出待檢測正面人臉圖像的人眼概率分布在該分布中，求出兩個最大的極大值點，確定為人眼的位置。

2.根據(jù)權(quán)利要求1所述的復(fù)雜光照下的人眼檢測方法，其特征在于：步驟2所述的邊緣直方圖描述子，該描述子的具體計算方法包括以下步驟：

2.1)使用2*2像素的窗口在光照標(biāo)準(zhǔn)化后的圖像中進行掃描；

2.2)將2*2像素的窗口與5種2*2的模板的對應(yīng)位相乘并求和；

2.3)當(dāng)該和大于固定閾值時，該窗口與該和邊緣的模板相匹配，將與模板對應(yīng)的邊緣種類的統(tǒng)計數(shù)加1，固定閾值根據(jù)光照標(biāo)準(zhǔn)化的圖像的特性選取；

2.4)統(tǒng)計光照標(biāo)準(zhǔn)化的圖像中與5種邊緣匹配的次數(shù)，得到該圖像的邊緣直方圖描述子。

3.根據(jù)權(quán)利要求2所述的復(fù)雜光照下的人眼檢測方法，其特征在于：光照標(biāo)準(zhǔn)化的步驟包括：

3.1)計算輸入待檢測正面人臉圖像的梯度矩陣和局部不均勻度矩陣作為不連續(xù)度的評價；

3.2)通過傳導(dǎo)函數(shù)將這兩種對不連續(xù)度的評價方法結(jié)合起來，其中d為不連續(xù)度，K為閾值參數(shù)，轉(zhuǎn)化成自適應(yīng)濾波系數(shù)w(x，y)＝α(x，y)β(x，y)，其中α(x,y)=g(τ~(x,y),h),]]>β(x,y)=g(|▿I(x,y)|,S);]]>

3.3)然后使用該系數(shù)對圖像進行迭代濾波，得到對光照的估計L^(t)(x，y)；

3.4)通過R′(x，y)＝log(I(x，y)+1)-log(L^(t)(x，y)+1)得到光照標(biāo)準(zhǔn)化后的圖像R′(x，y)。

4.根據(jù)權(quán)利要求3所述的復(fù)雜光照下的人眼檢測方法，其特征在于：步驟3所述的人眼預(yù)測模型model，通過SVM分類器的訓(xùn)練獲得，其過程包括有，

4.1)對訓(xùn)練用的正面人臉圖像進行光照標(biāo)準(zhǔn)化；

4.2)在標(biāo)準(zhǔn)化后的訓(xùn)練用正面人臉圖像中人工的選出人眼所在的10*20的圖像塊，作為SVM分類器的訓(xùn)練樣本，制作訓(xùn)練樣本集Γ＝(X_trn，Y_trn)，其中，X_trn是一個M*200的矩陣，其每一行是一個訓(xùn)練樣本x_i，M為樣本個數(shù)，Y_trn是一個M*1的向量，其每一個元素是對應(yīng)X_trn中樣本的標(biāo)簽；

4.3)使用十倍交叉驗證法確定最優(yōu)參數(shù)g和C，其中g(shù)為徑向基核參數(shù)，C為軟閾值權(quán)衡參數(shù)；

4.4)將訓(xùn)練樣本集Γ以及最優(yōu)參數(shù)g和C輸入SVM分類器進行訓(xùn)練，得到人眼預(yù)測模型model。