人脸检测中的眼睛定位算法研究论文

《人脸检测中的眼睛定位算法研究论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、人脸检测中的眼睛定位算法研究论文摘要眼睛是一个在人脸检测中极为重要的人脸特征，因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。本文分析了几种常用的眼睛定位算法，并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。算法采用由粗到细的检测策略，先对AnilK.Jain的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，然后结合人眼几何特征进行初步定位.freelmetryTransform），用于人眼的精确定位。以上的对称变换利用了人眼的中心强对称和脸部特征的生理几何分布，对人脸偏转、脸部表情变化、

2、光照变化等因素的左右不敏感，因而具有很好的鲁棒性。但是，以上对称变换的计算需要在大范围的尺度上进行，计算量很大，而且，由于只是描述了各点的局部对称性，当它用于人眼的定位时产生的候选点较多，不太利于眼睛的精确定位。结合广义对称变化和方向对称变换的优点，于是有了一种新的对称变换——离散对称变换，它不仅具有广义对称变换描述物体对称性大小的特点，而且通过对各点领域的考察，去除那些处于规则区域外的点，可大大降低计算量，实现眼睛定位的快速算法。广义对称变换把图像中的所有像素点同等对待，每个像素点都计算其对称值。事实上，在图像中物体的单一背景区域中，大面积的灰度均匀区域上的像素点在一定的尺

3、度范围内不具有明显意义的对称性，所以就不必计算它的对称值，而这样的像素点在人脸图像中占了很大一部分，如头发、脸部除眼、嘴等特征区域之外的区域及部分身体区域。眼、嘴、鼻子等特征区域在大于其轮廓的范围内灰度有变化，这样的区域我们把它称为灰度不均匀区。离散对称变换以减少计算量为出发点，在计算对称之前加入一个对图像灰度不均匀区域的检测步骤以减少计算量，然后定义了一个与广义对称变化相似的对称算子来计算点对称。离散对称变换实际上可看成一种非线形滤波，由于对每个像素点都进行相同的领域处理，适合于并行处理，在定位圆形物体圆心时，算子领域采用圆环。通过图像的离散对称变换后，眼睛中心点附近像素的

4、对称值一般都处在对称值最大的前四、五位，对具有强对称值的候选点，采用两条简单的规则进行筛选。规则（1）：邻近像素合并，一般选取对称值内最大的前10位候选点，将其中位置相邻的候选点合并到它们中对称值最大的像素处；规则（2）：几何约束判别，对经过规则（1）筛选后的候选点，利用眼在脸部的几何分布性质进一步筛选，取基本符合眼睛分布规律的两点作为最终的定位双眼结果。3基于肤色、几何特征和灰度信息的人眼定位根据人眼灰度变化非常明显这一显著特点，本文提出的基于肤色、几何特征和灰度信息的人眼定位算法主要由以下几步组成。(1)肤色提取肤色是人脸的重要信息，不依赖于面部的细节特征，对于旋转、表情

5、等变化情况都能适用，具有相对的稳定性并且和大多数背景物体的颜色相区别。AnilK.Jain曾专门统计研究了皮肤的色彩模型，他提出的方法属于色彩空间中的聚类模型，这一类肤色模型的建立要选取一种合适的色彩空间。文献1采用非线形分段肤色分割得到肤色区域在CbCr空间中近似于椭圆,可用如下公式表示：（5）a=25.39，b=14.03，ecx=1.60，ecy=2.41，θ=2.53，cx=109.38，cy=152.02，若大于1则不是肤色,否则为肤色。AnilK.Jain的Cb、Cr椭圆聚类方法肤色分割效果较好，但是对于亮度较低的区域容易误判为肤色，对于亮度较高的肤色区域会误判为

6、非肤色区域。本文针对AnilK.Jain的Cb、Cr椭圆聚类方法肤色分割的缺点，首先对亮度信息进行分段判断，这样克服了在高亮度区域和亮度较低的区域中存在的不足。通过多次实验统计表明，对于亮度小于80的非肤色像素点会误判为肤色点，比如眼睛区域等。对与大于230的肤色像素点会误判为非肤色点（如图1所示）。因此采用如下分段方法：①对于亮度低于80像素点直接判决为非肤色像素点。②对于亮度在80—230之间的像素点采用肤色的椭圆聚类方法③对于亮度大于230的像素点进行判决时，将肤色的聚类时的椭圆的长短轴同时扩大为原来的1.1倍(a)原图像（b）AnilK·Jain的方法（c）本文的方法

7、图5肤色提取示意图图5.c与图5.b比较，在人眼区域此图有更好更细致的检测效果。实验结果表明本文的方法较之其它的肤色提取方法在人的五官部分有更好更细致的检测效果。（2）肤色区域分析因为人脸肤色建模是根据皮肤颜色来确定的，有可能把脖子、肩膀、手臂等肤色区域或是与肤色相近的其他物体也包括了进去，所以得到的只能是人脸的大致区域，需要进一步通过各种算法将那些非人脸区域尽可能都去除掉。为了排除非人脸区域，依据人脸区域的空间特征，本文选取了连通区域像素数、区域填充率和长宽比判断因素。●连通区域像素数因为人脸有一定的