[發明專利]一種基于局部紋理AAM的人眼輪廓跟蹤方法

有效

• 申請號: 201410255383.7
• 申請日: 2014-06-10
• 公開（公告）號: CN104036299B
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 馬爭;解梅;謝建鋒
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

本發明提供一種基于局部紋理AAM的人眼輪廓跟蹤方法。本發明是在AAM中引入ASM的局部特征模型，先用現有AAM進行粗匹配，在模型與目標大致匹配的情況下利用局部紋理模型對特征點精確匹配，這里局部紋理特征采用的是Gabor特征，Gabor核函數可以根據用戶眼瞼的特征選取，訓練出來的模型針對用戶更加有效。本發明在保障整體匹配準確的情況下，極大改善特征點處的匹配精度，使得人眼輪廓匹配更加準確，可以為各種應用，如疲勞駕駛等提供準確的人眼輪廓信息。

技術領域

本發明屬于計算機視覺和機器學習技術領域，涉及人眼檢測跟蹤技術。

技術背景

基于計算機視覺的人眼檢測跟蹤技術，已經在表情識別，疲勞駕駛檢測等方面得到應用。

為了滿足各種應用條件，基于計算機視覺的人眼檢測跟蹤技術主要要解決以下問題：

1.實時性：有些特殊的應用環境，比如疲勞駕駛檢測，算法需要實時跟蹤人眼瞼輪廓，并在第一時間檢測出結果，采取一定的措施，以提醒駕駛員。

2.準確性：人的眼睛形態各異，而且需要檢測不同閉合程度下人眼，這就需要算法的精度達到一定的要求，眼睛輪廓的匹配需要十分精準。

3.檢測環境復雜：由于天氣光照等的原因，檢測環境的光照環境會變得很復雜，強光、陰影等干擾嚴重。這就要求我們的算法具有一定的光照魯棒性，適應復雜光照的檢測。

在人眼跟蹤檢測方面，前人做了很多的工作。主要的有以下的幾種：

1.基于Mean-shift的人眼跟蹤算法。

2.基于模板匹配的檢測算法，在眼睛圖像區域使用矩形特征模版對眼睛圖像進行分析，獲取上眼瞼線；根據上眼瞼線的曲率或曲率表征值判斷眼睛的閉合狀態。此方法只是單一的根據上眼瞼的曲率判斷閉合程度，準確率并不高。

3.基于ASM的跟蹤算法，ASM(Active Shape Models)是基于幾何形狀信息的方法之一，由Cootes等于1992年提出。通過算法模板的訓練和匹配，可實時跟蹤眼瞼重要特征點，根據特征點的位置信息，就可以計算出眼睛的各種閉合狀態。它采用點分布模型(PointDistribution Model，PDM)描述形狀變化。在點分布模型中，外形相似的特定類物體(比如人眼)的形狀通過若干關鍵的特征點(Landmarks)的坐標串接成原始形狀向量，對訓練集中的所有形狀向量進行對齊操作后，對他們進行PCA分析建模，保留的主成分形成最終的形狀模型，形狀模型的參數反映了形狀的主要可變化模式。此外，ASM計算各特征點法線方向上灰度值的一階偏導，以建立局部紋理模型。搜索時通過紋理模型得到當前點的最佳匹配位置，然后調節形狀模型，并以形狀進行約束再進行局部紋理模型的匹配，形成一個迭代過程，最終達到對輸入模式的精確定位。由于匹配準則的問題ASM容易陷入局部極小點，對于初始位置要求比較高。

發明內容

本發明所要解決的技術問題是，提供一種具有更高匹配準確率的人眼輪廓跟蹤方法。

本發明為解決上述技術問題所采樣的技術方案是，一種基于局部紋理AAM的人眼輪廓跟蹤方法，其特征在于，包括以下步驟：

1)模型建立步驟：

1-1)對訓練集中的人眼圖片進行人工標定特征點位置，再建立形狀模型和紋理模型合成AAM主動表觀模型；

1-2)對每個特征點建立局部紋理模型：

對與第j個特征點，N幅訓練集中的人眼圖片的平均局部紋理信息為：

其中，J_ij為第i幅圖像的第j個特征點的復矢量；對于一幅圖像的一個特征點，取以特征點為中心的局部區域，對局部區域的每一個像素點的像素值與伽柏Gabor核函數進行卷積得到一個向量Jet，將局部區域的每一個像素點的向量Jet連成一個復矢量；