[發(fā)明專利]一種人臉視頻中瞳孔的定位方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310376451.0
• 申請(qǐng)日: 2013-08-26
• 公開(kāi)（公告）號(hào): CN103440476A
• 公開(kāi)（公告）日: 2013-12-11
• 發(fā)明（設(shè)計(jì)）人: 陳喆;殷福亮;唐坤
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 曲永祚;李洪福

技術(shù)領(lǐng)域

本發(fā)明涉及一種人臉視頻中瞳孔的定位方法，屬于信號(hào)處理技術(shù)領(lǐng)域。

背景技術(shù)

人臉圖像的瞳孔定位在人臉圖像處理、眼動(dòng)人機(jī)交互等領(lǐng)域具有重要應(yīng)用前景。瞳孔定位方法主要有區(qū)域分割法、邊緣提取法、灰度投影法、模板匹配法、Adaboost法等。區(qū)域分割法易受眼鏡干擾，效果較粗糙；特征提取法實(shí)際上是用Hough變換找到一個(gè)眼睛模板，但這需要大量的預(yù)處理，它和它的一些改進(jìn)算法都要面對(duì)由鏡片和睫毛等引起的干擾；灰度投影法是一種快速算法，它將圖像向兩個(gè)坐標(biāo)軸投影，并根據(jù)投影的峰值和谷值來(lái)定位眼睛位置，但它僅依賴于二維投影，對(duì)于黑框眼鏡、眉毛、頭發(fā)等的干擾難以區(qū)分；模板匹配法需要?dú)w一化人臉圖像的尺度和方向，且模板需要通過(guò)訓(xùn)練獲得，所以計(jì)算量較大；基于樣本訓(xùn)練Adaboost算法在眼睛定位方面有一定優(yōu)勢(shì)，它嚴(yán)格要求豐富的訓(xùn)練樣本，但有著高灰度值的眉毛實(shí)際上也有可能被定為眼球，另外，候選搜索窗的規(guī)模限制了訓(xùn)練樣本的尺寸，這也將導(dǎo)致對(duì)低分辨率圖像的識(shí)別率降低。

發(fā)明內(nèi)容

為了克服上述的不足本發(fā)明的目的在于提供一種人臉視頻中瞳孔的定位方法。

本發(fā)明采取的技術(shù)方案如下：

一種人臉視頻中瞳孔的定位方法包括人臉檢測(cè)模塊、圖像預(yù)處理模塊、人眼粗定位模塊及瞳孔細(xì)定位模塊；輸入的視頻圖像經(jīng)過(guò)人臉檢測(cè)模塊、圖像預(yù)處理模塊、人眼粗定位模塊及瞳孔細(xì)定位模塊最后得到瞳孔中心的位置。

本發(fā)明原理及有益效果：背景技術(shù)提到的方法并未利用瞳孔的特性，所以其性能都受眼睛圖像質(zhì)量的制約，若圖像質(zhì)量不佳，其定位準(zhǔn)確率就會(huì)下降。在人眼瞳孔定位時(shí)，眼鏡、眉毛、眼睫毛、頭發(fā)等都會(huì)對(duì)其產(chǎn)生干擾。為了提高瞳孔定位的性能，需要充分利用瞳孔圖像的特性，如瞳孔的形狀為圓形，顏色較深，對(duì)應(yīng)灰度值較低，瞳孔位于人臉的上半部分等。本發(fā)明利用瞳孔的徑向?qū)ΨQ特性，提出一種基于積分投影和徑向?qū)ΨQ變換的瞳孔定位方法，以提高瞳孔定位性能。

附圖說(shuō)明

圖1徑向?qū)ΨQ變換方法框圖。

圖2像素的映射關(guān)系圖。

圖3黃新宇和楊睿剛在公開(kāi)號(hào)為201210393147.2的中國(guó)專利中使用的“基于人眼結(jié)構(gòu)分類的虹膜和瞳孔的定位方法”的流程圖。

圖4Yefei?Chen和Jianbo?Su在論文“Fast?eye?localization?based?on?a?new?haar-like?feature”（10th?World?Congress?on?Intelligent?Control?and?Automation,Beijing,China.2012,4825-4830）中使用的基于新的類haar特征的快速人眼定位流程圖。

圖5本發(fā)明技術(shù)方案功能框圖。

圖6使用Mikael?Nilsson,J.Nordberg,Ingvar?Claesson在論文“Face?detection?using?local?SMQT?features?and?split?up?SNOW?classifier”（IEEE?International?Conference?on?Acoustics,Speech,and?Signal?Processing,Honolulu,USA.2007,589-592）中的人臉檢測(cè)方法的人臉檢測(cè)結(jié)果圖。

圖7在圖6中的人臉圖。

圖8對(duì)圖7人臉圖像中值濾波后的圖像。

圖9對(duì)圖8圖像進(jìn)行直方圖均衡后的圖像。

圖10圖9中圖像垂直投影曲線。

圖11圖9中左眼、右眼區(qū)域。

圖12單只人眼區(qū)域圖像。

圖13單只人眼瞳孔定位結(jié)果。

圖14兩只眼睛瞳孔定位結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步說(shuō)明：

(1)徑向?qū)ΨQ變換

徑向?qū)ΨQ變換是在廣義對(duì)稱變換的基礎(chǔ)上發(fā)展而來(lái)，是一種基于梯度的目標(biāo)檢測(cè)算子，它能簡(jiǎn)單、快速地檢測(cè)出具有徑向?qū)ΨQ特性的像素點(diǎn)，實(shí)現(xiàn)對(duì)圓形目標(biāo)的有效檢測(cè)。

一般來(lái)說(shuō)，給定圓形目標(biāo)的半徑n(n∈N，N為需要檢測(cè)的徑向?qū)ΨQ特征的半徑集合)，就可得到徑向?qū)ΨQ變換的對(duì)應(yīng)結(jié)果。該結(jié)果在點(diǎn)P處的值，表征了圖像中在該點(diǎn)處徑向?qū)ΨQ的程度，即圖像有多大可能包含一個(gè)以點(diǎn)P為圓心、以n為半徑的圓。隨著檢測(cè)半徑n的增加，具有高對(duì)稱性的區(qū)域可用徑向?qū)ΨQ特性快速地累積出較大的徑向?qū)ΨQ強(qiáng)度值S，實(shí)現(xiàn)對(duì)圓形區(qū)域的檢測(cè)。徑向?qū)ΨQ變換方法框圖如圖1所示。

將圖像I分別與Sobel水平算子和垂直算子進(jìn)行卷積，計(jì)算出邊緣梯度圖像