[發明專利]一種遠距離虹膜跟蹤與采集裝置及其方法

有效

• 申請號: 201210236094.3
• 申請日: 2012-07-09
• 公開（公告）號: CN102831392A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 董岳;吳立坤;王川;梅江元;高會軍
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

1.一種遠距離虹膜跟蹤與采集裝置，其特征在于：所述一種遠距離虹膜跟蹤與采集裝置包括雙目攝像頭（1）、長焦攝像機（2）、二自由度旋轉云臺（3）、紅外光源（4）和計算機（5），雙目攝像頭（1）的信號輸出端與計算機（5）的人臉信息采集信號輸入端連接，長焦攝像機（2）的信號輸出端與計算機（5）的變倍變焦后人臉信息的信號輸入端連接，二自由度旋轉云臺（3）的運動信號輸入端與計算機（5）的云臺運動信號輸出端連接，紅外光源（4）安裝在長焦攝像機（2）上，長焦攝像機（2）安裝在二自由度旋轉云臺（3）上。

2.一種利用權力要求1所述裝置進行遠距離虹膜跟蹤與采集的方法，其特征在于：所述一種遠距離虹膜跟蹤與采集方法的具體步驟如下：

步驟一、雙目攝像頭（1）進行人臉三維定位：雙目攝像頭（1）檢測到人臉，并且通過解算獲得人臉位置的三維坐標，具體步驟如下：

步驟一（一）、預設置處理信息：設定采集圖片大小為512×384，設定ROI為100%，將采集圖片進行歸一化，設定大小為512×384，預置視差取值范圍為（0,150）；

步驟一（二）、雙目攝像頭（1）采集圖片；通過雙目攝像頭（1）對人臉進行圖片采集，獲得人臉的采集圖片；

步驟一（三）、立體處理：獲得校正圖片和深度圖片；

步驟一（四）、圖片處理：將步驟一（三）中獲得的校正圖片格式轉換為OpenCV識別圖片格式，將灰度圖進行直方圖均值化處理，再將圖片進行實時對比度調節，最后再將圖片進行直方圖均值化；

步驟一（五）、Adaboost算法檢測人臉：如果檢測到人臉執行步驟一（六），如果沒有檢測到人臉返回執行步驟一（二）；

步驟一（六）、獲取人臉在圖片中的位置，選擇計算深度備用點，并按加權的方式得到深度信息；

步驟一（七）、獲取人臉的三維坐標：結合深度信息和坐標位置計算得到三維坐標系中人臉的實際位置；

步驟一（八）、發送坐標：將步驟一（七）中獲得的人臉三維坐標數據傳送至計算機，并重新執行步驟一（二）繼續采集圖片；

步驟二、進入人臉跟蹤隊列，設置主要跟蹤人臉；

步驟三、云臺跟蹤人臉：通過雙目攝像頭（1）獲得的三維坐標，控制二自由度旋轉云臺（3）轉動，使長焦攝像機（2）對準人臉，并且跟蹤人臉，使得人臉圖像始終處在視頻的中間；

步驟四、長焦攝像機（2）對人臉圖像進行變倍和聚焦：利用長焦攝像機（2）對人臉圖像進行變焦和聚焦；

步驟五、判斷人臉圖像面積是否大于閾值：若人臉圖像面積大于設定的閾值則執行步驟六，否者執行步驟四；

步驟六、長焦攝像機（2）檢測人眼，云臺跟蹤人眼：長焦攝像機（2）檢測人眼，二自由度旋轉云臺（3）跟蹤人眼，二自由度旋轉云臺（3）帶動長焦攝像機（2）跟蹤人眼進行檢測；

二自由度旋轉云臺（3）跟蹤人眼的具體步驟如下：

步驟六（一）、設置二自由度旋轉云臺水平方向運動的步長stepx為5°，豎直方向運動的步長stepy為2.5°；

步驟六（二）、長焦攝像機（2）檢測人眼，計算其中心的像素坐標：根據長焦攝像機（2）采集到的視頻序列，在OpenCV的開源環境下，采用Harr-Like特征和Boosting訓練出來的人眼分類器進行檢測選出人眼的有效區域，計算出人眼區域的中心像素坐標，二自由度旋轉云臺（3）水平和豎直兩個方向的并行處理過程為：

水平跟蹤過程：

A）、若檢測到的人眼中心的x坐標與視頻圖像的中心x坐標差值的絕對值小于50個像素，則認為人眼處在視頻的中心位置，二自由度旋轉云臺（3）水平方向停止運動，否則執行步驟B）；

B）、若檢測到人眼的中心的x坐標與視頻圖像的中心x坐標差值大于50個像素，則控制二自由度旋轉云臺（3）在水平方向向左轉動stepx；若檢測到人眼的中心的x坐標與視頻圖像的中心x坐標差值小于-50個像素，則控制云臺在水平方向向右轉動stepx；

C）、比較當前幀和上一幀的人眼中心的x坐標是不是在視頻圖像中心的兩側，若是，則采用公式stepx=-stepx/2重新計算stepx的值，否則繼續判斷人眼是否處在視頻圖像的中間位置；

豎直跟蹤過程：

a）、若檢測到的人眼的中心的y坐標與視頻圖像的中心y坐標差值的絕對值小于50個像素，則認為人眼處在視頻的中心位置，云臺豎直方向停止運動，否則執行步驟b）；

b）、若檢測到的人眼的中心的y坐標與視頻圖像的中心y坐標差值大于50個像素，則控制云臺在豎直方向向下轉動stepy；若檢測到的人眼的中心的y坐標與視頻圖像的中心y坐標差值小于-50像素，則控制云臺在豎直方向向上轉動stepy；

c）、比較當前幀和上一幀的人眼中心的y坐標是不是在視頻圖像中心的兩側，若是，則采用下面的公式重新計算stepy的值：stepy=-stepy/2。否則繼續判斷人眼是否處在視頻圖像的中間位置；

步驟七、長焦攝像機（2）對人眼圖像進行變倍和聚焦；

步驟八、判斷人眼圖像面積是否大于閾值或長焦攝像機（2）是否變倍至最大：若人眼圖像面積大于所設定的閾值或者長焦攝像機（2）變倍至最大，則執行步驟九，否則執行步驟七；

步驟九、判斷人眼圖像是否清晰：通過Sobel邊緣檢測理論檢測采集到的人眼圖像的清晰程度，若清晰，則執行步驟十，否則執行步驟七；通過Sobel邊緣檢測理論檢測采集到的人眼圖像的清晰程度的具體步驟如下：

步驟九（一）、對采集到的人眼圖像進行高斯濾波；

步驟九（二）、計算圖像的清晰度：根據Sobel邊緣檢測理論和八方向的算子模板獲得圖像的清晰度評價函數，八方向算子模板為：

-1-2-1000121-2-10-101012-101-202-101012-101-2-10]]>

0°邊緣方向????45°邊緣方向????90°邊緣方向????135°邊緣方向

121000-1-2-121010-10-1-210-120-210-10-1-210-1210]]>

180°邊緣方向??225°邊緣方向???270°邊緣方向???315°邊緣方向

步驟九（二）（一）、對圖像的每一個像素點進行鄰域卷積計算，提取像素的八個方向的邊緣信息：

H₁=I(x,y)*S₁，H₂=I(x,y)*S₂，H₃=I(x,y)*S₃，H₄=I(x,y)*S₄

H₅=I(x,y)*S₅，H₆=I(x,y)*S₆，H₇=I(x,y)*S₇，H₈=I(x,y)*S₈

I(x,y)為圖像灰度，*表示卷積運算，H₁表示0°邊緣方向的信息，H₂表示45°邊緣方向的信息，H₃表示90°邊緣方向的信息，H₄表示135°邊緣方向的信息，H₅表示180°邊緣方向的信息，H₆表示225°邊緣方向的信息，H₇表示270°邊緣方向的信息，H₈表示315°邊緣方向的信息，S₁表示0°邊緣方向算子模板矩陣核，S₂表示45°邊緣方向算子模板矩陣核，S₃表示90°邊緣方向算子模板矩陣核，S₄表示135°邊緣方向算子模板矩陣核，S₅表示180°邊緣方向算子模板矩陣核，S₆表示225°邊緣方向算子模板矩陣核，S₇表示270°邊緣方向算子模板矩陣核，S₈表示315°邊緣方向算子模板矩陣核；

步驟九（二）（二）、計算圖像中每個像素點的梯度值H(x,y)：

H(x,y)=H12+H22+H32+H42+H52+H62+H72+H82]]>

步驟九（二）（三）、計算每梯度值的平均值μ_H以及方差σ_H：

若μ_H+σ_H≤H(x,y)≤μ_H+2σ_H，則認為該點是邊緣點，將圖像邊緣像素的梯度值相加，以邊緣梯度能量定義圖像的清晰度評價算子E，即：

E=Σx=1MΣy=1N(H(x,y))2]]>

式中M表示圖片水平方向長度，N表示圖片豎直方向長度；

步驟十、利用采集到的人眼圖像進行虹膜識別。