人眼检测及瞳孔定位-论文.pdf

《人眼检测及瞳孔定位-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用人眼检测及瞳孔定位余龙华，王宏，钟洪声YULonghua，WANGHong，ZHONGHongsheng电子科技大学电子工程学院集成电路与系统系，成都611731DepartmentofIntegratedCircuitandSystem，SchoolofElectronicEngineering，UniversityofElectronicScienceandTechnologyofChina，Chengdu611

2、731，ChinaYULonghua，WANGHong，ZHONGHongsheng．Humaneyesdetectionandpupillocalization．ComputerEngineeringandApplications，2013，49(3)：186—189．Abstract：Anewapproachispresentedtolocatethepositionofpupilautomatically．Itsetstheeyessearchingareaviathedistribu—tio

3、nofeyesintheface．ThroughAdaboostalgorithm，thecursorypositionofhumaneyescanbegotbysearchingtheregion—of-interest．UsingimagebinarizationandCannyalgorithm，itcanextractthecontourofimage．Itcanobtainthecentercoordinatesofhumaneyesbyellipsefitting，whichisthep

4、ositionofpupil．Theexperimentalresultsdemonstratethattheproposedmethodcanlocatepupilindifferentilluminationandgesturewithhighrate．Keywords：imagebinarization；eyedetect；ellipsefitting；pupillocalization摘要：提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域，通过Adaboost(T

5、heAdaptiveBoostingAlgorithm)算法搜索先前设置好的区域，可以得到人眼所在粗略位置，利用图像二值化和Canny算法提取图像轮廓，通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标，即瞳孔的位置。实验结果表明该方法能准确定位瞳孔，对光照、姿态具有一定的鲁棒性。关键词：图像二值化；人眼检测；椭圆拟合；瞳孔定位文献标志码：A中图分类号：TP391．4doi：10．3778／j．issn．1002．8331．1106—0502l引青差。本文提出的瞳孔定位方法，充分利用人脸分布特征，

6、在人脸识别系统中，精确定位瞳孔，对提高人脸识别并将Adaboost算法用于人眼粗定位，提高了瞳孔定位的精系统的性能具有重要的意义，这是因为在人脸的识别过程度和速度。中，无论是利用人脸的全局特征还是局部特征，人脸角度的变化对识别性能会有显著的影响。除了在人脸识别系2人眼粗定位统中具有广阔的用途外，瞳孔定位在交通安全、刑侦等方传统的人眼粗定位主要采用积分投影法，K．Sobottka面也具有广阔的应用前景。目前，人眼定位采用的算法主等人的研究表明，此方法易受到姿态、眼镜等的影响，另要有阈值分割法、灰度积分

7、投影法、对称变换法、基于外，在投影图中干扰噪声太大，曲线不规则，很难在此基Hough变换的方法等。域值分割的优点是速度较快，易于础上直接找到特征点。实现，但是该算法对戴眼镜等一些特殊的情况不能完全有要进行人眼的粗定位必须先检测出人脸，目前人脸检测效地完成人眼定位；Guanu提出灰度积分投影法，该方法的算法很多，考虑到在用视频流进行人眼定位和跟踪的时候，优点是运算量少，但定位的精确度差；文献[2】利用广义对实时性要求比较高，这就需要一种快速的检测算法，目前的称变换定位人眼，该方法具有很好的鲁棒性，但是

8、该方法人脸检测算法中Adaboost算法具有较好的速度及准确度。计算量大，而且，由于只描述了各点的局部对称性，不利于Adaboost算法是一种基于统计学习算法，其基本思想眼睛的精确定位。Hough变换】的优点是在检测过程中受是利用大量分类能力较弱的简单分类器通过一定方法叠噪声和边缘间断影响较小，但运算量大，算法实时性较加起来，构成一个分类能力较强的分类器。基金项目：云南省科技计划项目(No．2009CA021)；中央高校基本科研业务费项目(No．ZYGX2010J02