[發明專利]一種基于鼻眼結構約束的人眼定位方法

有效

• 申請號: 202011460073.0
• 申請日: 2020-12-11
• 公開（公告）號: CN112488032B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 練建沛;李銀國;白羚
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/18;G06V10/44;G06V10/75;G06V10/764;G06K9/62;G06T7/73
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

本發明涉及一種基于鼻眼結構約束下的人眼定位方法，屬于人眼定位技術領域，通過人臉檢測、人眼和鼻孔檢測、濾除誤差點、基于模板匹配的漏檢彌補四個步驟完成對人眼位置的實時檢測。與現有技術相比，本發明基于大量鼻眼特征點數據的混合概率模型輸出可信度最高的一組鼻眼特征點數據簇，濾除不合理的輸出，為了克服現有技術中人眼檢測受到干擾多無法精確檢測的技術問題，引入對不易受干擾且檢測精度較高的鼻孔檢測，依據人臉中鼻眼分布自帶的結構關聯性，對檢測出的所有鼻眼特征點數據進行基于混合概率模型的數據聚類以此提高正確人眼位置出現的概率，增加其可信度。

技術領域

本發明屬于人眼定位技術領域，涉及一種基于鼻眼結構約束的人眼定位方法。

背景技術

隨著社會的不斷發展，人眼定位技術被廣泛應用于監控、刑偵、交通以及醫療等領域。其技術融合了生物學、圖像處理、計算機視覺以及模式識別等多個方面。隨著智能交互技術的不斷發展，產生了人臉識別、視線跟蹤、虛擬現實以及增強現實等與人眼定位技術密切相關的技術，而現目前常用的人眼定位方法是基于人眼自身的灰度分布來定位人眼，例如，現有的灰度積分直方圖法，則是利用人臉的灰度積分直方圖上人眼的波谷分布，通過取橫縱方向上的灰度積分圖的特定波谷的位置，來定位人眼的位置分布。但灰度積分直方圖法易受眼鏡以及光照的影響，一旦出現陰影遮擋等情況則容易出現誤差。

基于機器學習的人眼檢測方法是現有的人眼檢測方法的主流方向，例如基于Haar特征結合Adaboost算法、Hog特征結合支持向量機等，這類方法檢測精度相對較高，魯棒性較好。但大多數基于機器學習的人眼檢測方法常常存在兩大缺陷。一是現有基于機器學習的人眼檢測方法大多僅通過單一的特征去描述人眼區域，但帶有各自特征的缺陷，例如，常用的Haar特征，其更多是描述人眼的明暗變化信息，當人臉姿態變化較大時，明暗變化信息則有較大改變，導致不易識別出眼睛；Hog特征更多是描述人眼外部輪廓的形狀，但其容易將形狀相似的眉毛或某些與眼睛形狀相似的黑色眼鏡框架誤識別成眼睛，誤檢率較高。二是基于機器學習的人眼檢測方法，常常需要全圖搜索人眼，使得整個算法復雜度較高，實時性較低。

發明內容

有鑒于此，本發明的目的在于針對現有技術容易受各自特征缺陷影響，容易出現多個誤檢影響人眼檢測精度的技術問題，提供一種圖像特征算法結合鼻-眼結構約束的人眼定位方法及系統，通過檢測精度很高的鼻孔來輔助定位人眼，減少單一圖像特征檢測算法帶來的誤檢情況，并結合模板匹配的方式加快檢測速度，該系統能夠有效提高人眼檢測精度以及人眼檢測的實時性。

為達到上述目的，本發明提供如下技術方案：

一種基于鼻眼結構約束的人眼定位方法，包括以下步驟：

S1：使用一定量的訓練集對檢測過程中用到的概率統計模型進行訓練，將模型初始化并獲得U分布擬合模型；

S2：獲取攝像頭數據，視頻圖像抽幀逐幀進行人臉檢測，輸出人臉框的信息，所述人臉框的信息為人臉框矩形左上角坐標位置以及框的高度和寬度；

S3：將人臉框的上半部分作為人眼搜索區域，中間1/3部分作為鼻孔搜索區域，分別對其進行人眼檢測和鼻孔檢測獲得人眼局部候選框和雙鼻孔點；

S4：對于混合模型每個分布描述一個不同的組，通過對大量訓練數據使用統計方法可以由數據估計這些分布的參數，這里使用三個參數分別是邊緣長度、邊緣長度之比、邊緣夾角，混合建模并不產生對象到簇的明確指派，而是給出具體對象屬于特定簇的概率，通過對訓練模型中得到閾值進行判斷濾除掉低概率的人眼局部候選框保留置信度最高的人眼框完成人眼粗定位；根據初始化的鼻-眼結構的訓練模型計算出現的人眼候選框中心點與雙鼻孔點構成的每一組鼻-眼數據概率值；