[發(fā)明專(zhuān)利]一種基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410353616.7
• 申請(qǐng)日: 2014-07-23
• 公開(kāi)（公告）號(hào): CN104123543B
• 公開(kāi)（公告）日: 2018-11-27
• 發(fā)明（設(shè)計(jì)）人: 黃昭鳴;周林燦;李寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 泰億格電子（上海）有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/66
• 代理公司: 上海麥其知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31257
• 代理人: 董紅曼

1.一種基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，包括如下步驟：

眼球檢測(cè)，對(duì)多幅人臉的圖像進(jìn)行邊緣檢測(cè)，定位眼球的初始化特征點(diǎn)，基于AMM的特征點(diǎn)定位方法進(jìn)行眼球檢測(cè)，在人臉的圖像中搜索眼球的位置，確定左眼與右眼的眼球中心及其坐標(biāo)，根據(jù)所述坐標(biāo)計(jì)算人臉的傾斜角度，計(jì)算人臉尺度角度歸一化比率，所述人臉尺度角度歸一化比率是人臉圖像中的雙眼距離與標(biāo)準(zhǔn)人臉的雙眼距離的比值；

眼球識(shí)別，獲取一幅待檢測(cè)的人臉圖像，根據(jù)所述人臉尺度角度歸一化比率計(jì)算所述人臉圖像中眼球的位置；

眼球運(yùn)動(dòng)識(shí)別，識(shí)別兩幅以上人臉圖像中眼球的位置，根據(jù)位置的變化識(shí)別眼球運(yùn)動(dòng)。

2.如權(quán)利要求1所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，所述人臉的傾斜角度按如下公式表示：

α＝arctan(y_re-y_le)/(x_re-x_le)；

式中，α表示傾斜角度，x_le和y_le分別表示左眼眼球中心的橫坐標(biāo)和縱坐標(biāo)，x_re和y_re分別表示右眼眼球中心的橫坐標(biāo)和縱坐標(biāo)。

3.如權(quán)利要求1所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，人臉尺度角度歸一化比率按如下公式表示：

s＝W_f/W_std；其中，

式中，s表示歸一化比率，W_std表示標(biāo)準(zhǔn)人臉的雙眼距離，W_f表示人臉圖像的雙眼距離，E₁表示左眼眼球中心的坐標(biāo)，x_le和y_le分別表示左眼眼球中心的橫坐標(biāo)和縱坐標(biāo)，E₂表示右眼眼球中心的坐標(biāo)，x_re和y_re分別表示右眼眼球中心的橫坐標(biāo)和縱坐標(biāo)。

4.如權(quán)利要求1所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，獲取待檢測(cè)的人臉圖像的方法包括如下步驟：

人臉檢測(cè)，從獲取的圖像中初步檢測(cè)并定位人臉區(qū)域；

特征選取，提取所述人臉區(qū)域的Haar特征集，并基于Adaboost構(gòu)建用于識(shí)別人臉圖像的多個(gè)矩形特征及其弱分類(lèi)器；

人臉識(shí)別，利用所述Haar特征集訓(xùn)練所述弱分類(lèi)器得出一個(gè)最優(yōu)弱分類(lèi)器，重復(fù)訓(xùn)練后將多個(gè)最優(yōu)弱分類(lèi)器線性組合成強(qiáng)分類(lèi)器，利用所述強(qiáng)分類(lèi)器從所述獲取的圖像中識(shí)別出待檢測(cè)的人臉圖像。

5.如權(quán)利要求4所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，檢測(cè)并定位人臉區(qū)域之后進(jìn)一步包括：人臉預(yù)處理，對(duì)所述人臉區(qū)域進(jìn)行歸一化和灰度均衡化處理。

6.如權(quán)利要求4所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，所述Haar特征集是利用積分圖像算法提取的。

7.如權(quán)利要求4所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，所述弱分類(lèi)器的函數(shù)表達(dá)式為：

式中，x表示輸入的當(dāng)前幀人臉圖像，f(x_j)表示特征feature_j在x上的值，p_j取值+1和-1來(lái)控制不等式的方向，θ_j表示閾值。

8.如權(quán)利要求4所述的基于人臉識(shí)別的眼球運(yùn)動(dòng)識(shí)別方法，其特征在于，所述強(qiáng)分類(lèi)器的函數(shù)表達(dá)式為：

式中，α_i＝lg(1/β_i)，α_i表示β_i的負(fù)對(duì)數(shù)形式，β_i表示第i次迭代時(shí)h_i(x)的權(quán)重，h_i(x)表示弱分類(lèi)器的表達(dá)式，T表示取得最優(yōu)分類(lèi)器的臨界值。