[發明專利]一種近紅外眼睛定位及眼睛狀態識別方法

有效

• 申請號: 201410259390.4
• 申請日: 2014-06-11
• 公開（公告）號: CN104091147B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 秦華標;劉軍;仝錫民
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/00
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 何淑珍

1.一種近紅外眼睛定位及眼睛狀態識別方法，其特征在于包括如下步驟：

步驟1：獲取一幀近紅外圖像，所述近紅外圖像由具有850nm主動近紅外光源和窄帶濾光片的圖像采集系統獲得，在獲取的近紅外圖像上定位人臉區域，如果定位成功，獲取人臉圖像，執行步驟2，否則繼續獲取下一幀紅外圖像；

步驟2：在獲取的人臉圖像上利用基于級聯結構的近紅外眼睛定位算法定位眼睛區域，如果定位成功，獲取眼睛圖像，執行步驟3，否則執行步驟1；具體包括以下步驟：

步驟2.1：利用人臉三庭五眼的比例劃分人臉圖像獲得眼睛感興趣區域，在獲取的眼睛感興趣區域利用基于Haar特征的眼睛級聯分類檢測器定位眼睛區域，如果定位成功，即可輸出眼睛精確位置，獲取眼睛圖像，否則執行步驟2.2；

步驟2.2：在獲取的眼睛感興趣區域利用基于形態學的方法定位眼睛區域，如果定位成功，即可輸出眼睛精確位置，獲取眼睛圖像，否則這幀圖像眼睛定位失敗；所述步驟2.2中在獲取的眼睛感興趣區域利用基于形態學的方法定位眼睛區域包括以下步驟：

步驟2.2.1：對眼睛感興趣區域進行對數變換，并利用基于最大熵的自適應閾值分割算法分割對數變換后的眼睛感興趣區域，得到分割后的圖像；

步驟2.2.2：利用形態學閉操作處理分割后的圖像，并進行團塊提取，根據團塊的大小和的設定值，去除不在設定值范圍內的團塊；

步驟2.2.3：計算團塊的包圍盒，如果團塊的包圍盒的寬度大于長度，則去除該團塊；

步驟2.2.4：計算團塊的質心位置，并搜索質心坐標在眼睛感興趣區域中心點附近的矩形區域內的最大團塊，該最大團塊的包圍盒即為眼睛所在矩形位置，完成眼睛精確定位；

步驟3：在獲取的眼睛圖像上利用基于HOG-LBP特征融合的近紅外眼睛狀態識別算法判定眼睛狀態，輸出眼睛狀態識別結果；具體包括以下步驟：

將步驟2獲取的眼睛圖像大小歸一化到近紅外眼睛狀態識別模型所采用的樣本圖像大小，分別提取訓練樣本圖像的HOG特征向量和LBP特征向量，并利用PCA方法進行降維，串聯兩種降維后的特征向量得到HOG-LBP融合特征向量，利用訓練得到的近紅外眼睛狀態識別模型進行眼睛狀態識別，最終輸出此幀圖像眼睛狀態；

步驟4：重復步驟1~3，實時輸出眼睛狀態識別結果。

2.根據權利要求1所述的近紅外眼睛定位及眼睛狀態識別方法，其特征在于，所述基于Haar特征的眼睛級聯分類檢測器的訓練包括：通過與步驟1相同的圖像采集系統采集適量近紅外眼睛圖像，包括睜眼和閉眼，將包含眉毛和眼睛的圖像作為正樣本，非眼睛圖像作為負樣本，通過Adaboost算法訓練基于Haar特征的眼睛級聯分類檢測器。

3.根據權利要求1所述的近紅外眼睛定位及眼睛狀態識別方法，其特征在于，近紅外眼睛狀態識別模型通過如下方法訓練得到：

通過與步驟1中相同的圖像采集系統，采集適量紅外眼睛圖像，包括睜眼和閉眼紅外眼睛圖像，并歸一化到64×48像素大小，作為訓練樣本圖像；

分別提取訓練樣本圖像的HOG特征向量和LBP特征向量，并利用PCA方法進行降維，串聯兩種降維后的特征向量得到HOG-LBP融合特征向量；

把所有訓練樣本圖像的HOG-LBP融合特征向量輸入到基于徑向基核函數SVM模型進行訓練，得到近紅外眼睛狀態識別模型。