复杂背景下提高精度的眼睛定位方法

复杂背景下提高精度的眼睛定位方法 2012-07-19##############2012-07-19#######2#012-07-19######## 复杂背景下提高精度的眼睛定位方法 王思孙 , 罗代升 , 吴小强 ()四川大学电子信息学院图像信息研究所 ,四川 成都 610064 摘要 :提出了一种在基于肤色的人脸检测中通过进行相似度计算来实现人眼特征提取和定位的算法 。其目的 是在较复杂的背景环境下对静态图片中的人脸进行检测 ,找出脸部区域并对该人脸进行眼睛定位 。先进行肤色分 割来完成人脸的区域检测 ,然后在检测出的人脸范围中利用人脸的几何特征进行快速的眼睛定位 。在人脸区域检 测过程中使用均值滤波提高人脸区域定位的准确度 。实验结果证明 ,这种方法是准确的 、可靠的和快速的 。 关 键 词 :人脸识别 ;人脸检测 ;眼睛定位 ;均值滤波 ;肤色 ;几何特征 中图分类号 : TP391141 文献标识码 :A 引言1 随着社会的发展 ,诸如视觉监控 、远程教育 、人机交互技术 、自动身份验证 、银行安全 、军事技术现代化 、刑侦 等方面 ,都迫切需要快速 、准确 、稳定的身份验证 。生物特征因为自身的稳定性和差异性 ,已经成为身份验证的主 要手段 。目前 ,基于生物特征的身份验证主要有人脸识别 、虹膜识别 、指纹识别 、掌纹识别等 。其中人脸识别是最 [ 1 ] 热门的研究课。 在人脸识别中 ,影响人脸识别率高低的重要因素之一是眼睛的精确定位 。人眼的识别有边缘特征分析法 、Ho ugh 变换法和变形模板法等 。Ho ugh 变换法检测瞳孔的圆形特征或眼睑形成的椭圆特征 ,所需计算量大 ;变形 模板法能够准确的确定人眼形状及大小 ,但存在收敛速度的问题 。值得注意的是 ,有许多眼睛定位是先对眼睛进 行粗检 ,再提取二次信息 ; 有的方法利用 Ho ugh 变换 ,在边缘提取的基础上使用传统的椭圆检测算法定位眼睛 。 [ 123 ] 但是这些算法运算量很大 ,对进一步的实时眼睛定位有不利的影响。 为此 ,提出一种复杂背景下提高精度的眼睛定位方法 。这种方法是先根据人脸肤色的特殊性进行肤色分割 来提取人脸区域和确定人脸的位置 ,然后在已经确定的脸部区域中根据人脸的几何特征来进行眼睛定位 。为了 提高人脸区域提取和定位的精确度 ,采用 3 ×3 的均值滤波器先对图像进行滤波处理 ,以消除图像中的噪声 。均 值滤波也能提高眼睛定位的精度 。提出的眼睛定位方法具有算法简单 、运算量小 、易于实现等优点 ,在实时动态 眼睛定位的研究中有一定的优势 。 2 人脸区域的提取和定位 因为人的眼睛在人的脸部区域内 ,因此 ,先提取人的脸部区域 ,再定位眼睛 ,可以减少眼睛定位的误判率 ,滤 [ 4 ] 除背景中与眼睛特征相仿的部分 ,减少计算量 。人脸区域的提取和定位是根据肤色模型采用相似度计算、二 [ 5 ] 值化处理以及区域检测来实现的。 211 相似度计算 () 因为人脸的肤色与大多数背景色有很大区别 不排除有背景色与肤色类似的情况,所以人脸肤色是进行人 脸检测的显著特征 。通过肤色分割 ,将人的皮肤以外的复杂区域和背景排除掉 ,剩下的就是人的皮肤 ,包括人脸 在内 。通过颜色特征处理人脸比用其它特征处理简单快速 。颜色信息对方向不敏感 ,可以对不同角度和倾斜度 的人脸进行提取 。为了在下面对图片进行二值化 ,且在二值化过程中自适应的找到二值化门限 ,所以应该对一幅 ( 图像进行相似度处理 ,这样可以将一幅彩色图像进行肤色聚类并转化为灰度图像 。具体方法是 ,定义 r = R / R 2012-07-19##############2012-07-19#######2#012-07-19######## )( ) + G+ B , b =B/ R+G+B,从而将三维的RGB 降为二维。在这个变换的二维平面上,肤色的区域相对很集 [ 1 ] 中 ,可以用 Gauss 分布来描述这种分布,如图 1 所示 。 可以采用训练的方法来计算得到一个分布中心 ,然后根据所 考察的像素离该中心的远近来得到一个和肤色的近似度 ,得到一 个原图的相似度分布图 ,再按照一定的规则对该分布图二值化 , 最终确定肤色的区域 。训练的时候 ,需要确定的是均值 M 和方 差 C 。 T T( ) ( ( ) ( ) ) M = E x , C = E x - M x - M x = [ r , b ] 计算相似度所采用的公式是 :T - 1 ) ( ( ( ) ) P r , b= exp [ - 015 x - m C x - m ] 进行了相似度处理的图像如图 2 所示 。 图 1 肤色区域的高斯分布 由图 2 可以看出 ,经过相似度处理后的图像比较粗糙 。如果 背景比较复杂 ,那么经过相似度处理后 ,有可能产生足以干扰人 脸提取准确度的噪声 。为此 ,使用一种 3 ×3 的均值滤波器进行 一次滤波 。滤波后的图像如图 2 右图所示 ,可以看出 ,经过滤波的图像变得精细了很多 ,很多单独的小区域被合 并 。这样 ,复杂背景下识别的准确度会大大提高 。 212 图像的二值化处理 经过相似度计算的图像是灰度图像 ,如果这 时对脸部区域进行定位 ,势必受到多层灰度级的 影响 。这种影响分别体现在增大了处理难度和 运算量以及增加了误判率这两个方面 。对已经 进行了相似度处理和均值滤波的图像进行二值 ( ) ( ) 化处理 ,再提取人脸区域和确定位置 , 可以去除 图 2 原始图像 左,经过相似度处理的图像 中和 ( )经过均值滤波的图像 右 [ 1 ] 多层灰度级的影响。 图像二值化中最关键的问题是如何设 定 一 个合适的门限 ,使脸部区域检测准确可靠 。这里提出一种自动确定二值化门限的方法 。这个方法是先对灰度进 行归一化处理 ,使图像的灰度取值范围在 0 和 1 之间 。在经过相似度处理后的图像上 ,脸部区域的灰度值一般都 小于 0 . 55 。所以 ,在门限计算时可以不必计算灰度值大于 0155 的部分 。而且脸部区域的灰度与背景区域的灰 度值相差较大 。图中脸部区域和其它非脸部区域之外的中间值像素数目最少 。有了这个现象就很容易找到这个 灰度值作为二值化门限 。将 0 到 0155 的灰度值范围分为 6 个取值段 , 分别是 0 , 0105 , 0105 , 0115 , 0115 ,0125 ,0125,0135 ,0135,0145 和 0145,0155 ,分别统计 6 个灰度值范围内的像素数目 ,然后进行比较 ,取出像素 数目最少的那个灰度值范围的中值作为二值化的门限 。实验明 ,经过这种自适应的算法处理 ,最终得到的二值 化图像很好地区别了肤色区域和其它区域 。经过二值化的图像如图 3 所示 。 213 人脸区域的提取和位置确定 经过二值化处理后 ,得到的二值化图像包括人脸区域和其他与 人脸肤色相近的区域 。为了从这些区域中提取人脸区域 ,提出一种 利用人脸特征检测人脸的算法 。人脸特征包括人脸区域一般比其它 区域大 。由已知特征学可知人脸区域的长度大约为宽度的 1 . 5 倍 () 近似为一个矩形。在不太特殊的图像中 ,人脸区域是最大且有特 ( ) ( )图 3 原图 左和二值化后的图像 右 定形状的一块区域 ,可以先找到脸部的垂直中线 ,然后就容易根据脸 部特征确定脸部边界了 。经过二值化后 ,可以认为整幅图片中脸部 垂直中线的这一列像素包含的白色像素最多 。那么对图像进行垂直扫描 ,分别统计每一列的白色像素数目 ,找到 白色像素最多的一列作为脸部区域垂直中线 。确定了垂直中线 ,设垂直中线的长度为 m ,然后各取垂直中线两 () 边 m / 5 处作为脸部的左右边界 因为考虑到了耳朵的因素 ,耳根的长度大致等于人脸长度的 1/ 5。设人脸区域 左右边界之间的水平距离为 h , h 即为人脸的宽度 。然后在已经确定了的人脸左右边界中从上至下水平扫描 ,扫 描到的第一行白色像素数目即宽度为 h/ 2 处 ,将其设置为人脸的上边界 。利用已知的人脸特征即人脸长度一般 为宽度的 115 倍 ,可以设定上边界以下 115 m 处为人脸的下边界 。确定了人脸的上下左右 4 个边界后用矩形框 标注 ,见图 4 。 3 眼睛定位 因为眼睛位于人脸区域中的非肤色区域 ,而且眼睛的颜色特征是黑白分明 ,所 以利用这些知识可以淘汰诸如背景上与人眼相似的区域 、人脸上由于反光而形成的 易混淆区域等候选 ,减少判断的负担 。把筛选过的特征区域两两配对 ,再用眼睛模 板进行验证 ,就可以得到双眼位置 。需要注意的是 ,这种验证方法有时难以区分眉 图 4 确定脸部区域的图像 毛与眼睛 ,所以还要用一些几何特性进一步筛选 。假定姿态是正的 ,双眼必定位于 人脸的上半部分 ,它们的连线是近似水平 ,而且它们的中心比眉毛低 。运用这些判 据 ,就可以区分眉毛和眼睛 。具体方法是对检测的结果进行水平方向的投影 ,基本就能确定眼睛在水平轴上的两 个范围 ?和 ?,如图 5 所示 ,虽然有眉毛的影响 ,但因为眉毛处于眼睛的上方 ,所以并不影响水平区域的确定 。然 后在 ?和 ?的上方区域的竖直方向投影 ,得到第一个峰值附近的区域 A 、B 。然后在 A 和 ?以及 B 和 ?确定的两 个矩形区域内 ,对黑点进行区域膨胀 ,可以得到眼睛的大致轮廓和左右眼角 ,这里需要使用一种统一的眼睛形状 模板 。然后可以把黑点的坐标的平均值作为瞳孔的位置 。 确定 眼睛轮廓要借助眼睛模板 , 人的眼睛形状差别不是太 大 ,所以可以借助一种统一的眼睛形状模板来判断眼睛的轮廓 , 这种模板如图 6 所示 。 从图 6 可知 ,眼睛的分段多项式曲线由 4 段二次曲线组成 , ( ) 曲线的参数有 8 个 :上半眼的中心 x , y 、连接内外眼角的直线 0 0 θ的倾角 、上下半眼的高度 h和 h、内眼角到上半眼中心的距离 1 2 w ,外眼角到上半眼中心的距离 w ,内眼角到下半眼中心的距 1 2 离 w 。所以可以得到这 4 段曲线的表达式 :图 5 眼睛和眉毛在脸部的几何分布 3 2 x ( ) w Φ x Φ0 y = h1 - , 1 1 2 w 1 2 x ( 0 Φ x Φ w y = h1 -) , 21 2 w 2 2 ( ) x + w - w 1 3 () y = h- 1, - w Φ x Φ w - w 2 1 3 12 w 3 2 ( ) x + w - w 1 3 () w - w Φ x Φ w 图 6 眼睛轮廓的分段多项式曲线模型 - 1, y = h 3 1 22 w + w - w 1 2 3 通过这个眼睛轮廓的分段多项式曲线模型就可以确定眼睛 的轮廓信息 ,比如眼角和眼眶 。通过人脸几何特征和模板匹配可以比较精确的定位眼睛 ,并且这种方法比较简单 而容易实现 。眼睛定位效果如图 7 所示 。 4 实验结果 使用 V C 实现了算法 ,并对算法进行实验评测 。为了实验的一般性和普遍性 ,在 征得当事人同意的情况下选取了 50 幅带有人脸且表情和背景各异的日常生活图 片 。这些图片的选取遵循大小不一 、背景各异的原则 ,尽量贴近日常可能出现的各 种人物照片 。对这 50 幅图像进行眼睛定位 ,最终结果是精确定位 37 幅 ,达到 74 % ; 图 7 眼睛定位效果图 () 比较精确定位 指定位的眼睛位置与实际眼睛位置差别在一个眼球宽度内的的图 片为 10 幅 ,占总数的 20 % ;严重偏离实际位置 3 幅 ,占总数的 6 % 。定位产生严重 偏离的图片都是背景存在与人面部特征类似的区域 。部分结果如图 8 所示 。 ( ) 算法分析 : 1提出的眼睛定位 算法由粗入精 ,先通过肤色分割并应 用人脸几何特征找到脸部区域 ,然后 在找到的脸部区域内进行眼睛的定 () 位 ; 2算法具有比较高的精确度以 及很好的鲁棒性 , 受人脸角度 、人物 () 饰品 、不同背景的影响较小 ; 3算法 简单高效 , 易于实现 。经测试 , 运算 速度很快 ,识别率高 , 易于发展为实 时系统 。 5 提出的眼睛定位算法着重在简 单快速的前提下提高精度 。为了减 少计算量 ,运用人脸的几何特征等现 有的几何学理论来进行检测 。肤色 图 8 部分眼睛定位的效果图 是人特有的特点 ,所以应用肤色检测 来区 分 人 脸 与 背 景 简 单 而 且 高 效 。 先进行人脸区域的检测是避免人脸外区域存在近似人眼图形的干扰的有效方法 。算法通过肤色分割找到人体皮 肤区域 ,然后利用人脸形状的特殊性确定人脸区域的位置 。眼睛定位在检测到人脸范围内进行 ,不但比全图检测 减少了运算量而且极大降低了误识的可能性 ,因为人脸区域中眼睛是唯一的非肤色区域 。在肤色分割过程中 ,加 入了均值滤波运算 。实验结果表明 ,加入均值滤波使人脸区域检测乃至最终的眼睛定位准确率得到一定改善 ,并且均值滤波的花销很小 ,所以加入均值滤波是合算的 。在定位眼睛过程中 ,主要利用了人脸几何特征 。在确定眼 睛区域 、区别眉毛眼睛以及检测眼睛轮廓中利用几何特征 ,极大的改善了有些算法如利用 Ho ugh 变换 ,在边缘提 取的基础上使用传统的椭圆检测算法定位眼睛算法运算量很大的缺点 ,并且在准确率上也有相当不错的表现 。 这使得算法开销小 ,易于发展为实时系统 ,在工程设计上有较高的使用价值 。 参考文献 : [ 1 ] 张宏林. Visual C + + 数字图像模式识别技术及工程实践 [ M ] . 北京 :邮电出版社 ,2003 . [ 2 ] 沈庭芝 ,方子文. 数字图像处理及模式识别 [ M ] . 北京 :北京理工大学出版社 ,2001 . [ 3 ] () () 卢春雨 , 张长水 , 闻芳. 基于区域特征的快速人脸检测法 [J ] . 清华大学学报 自然科学版, 1999 , 39 1: 101 - 105 . () 薛理立 ,艾海舟. 基于弹性图匹配的实时视频流人脸识别 [J ] . 计算机学报 , 2003 ,30 11:65 - 69 .[ 4 ] Zhiming Liu , Yao Li . Face Detectio n using Regio n Info r matio n [J ] . SP I E Inter natio nal Co nference o n Bio met2 [ 5 ] ric Technology fo r Human Identificatio n ,2004 ,5404 :492 - 501 . Eye l ocat ion method with en hanced prec ision un der compl icated backgroun d WAN G Si2yu , L U O Dai2sheng , WU Xiao2qiang ( )College of Elect ro nic Informatio n , SCU , Chengdu 610064 , China Abstract :An algo rit hm of t he eye locatio n and t he feat ure detectio n based o n t he skin colo r mo del by t he edge ext rac2 tio n and co mparabilit y co mp utatio n is p resented. The p urpo se of t his app roach is to detect t he f acr in a p hoto wit h a co mplicated backgro und , find it s regio n and locate t he eyes. The skin colo r divisio n is used to co mplete t he f ace re2 gio n detectio n . Then t he eyes are located f ast in t he f ace regio n by using t he geo met ry characteristics of t he human f ace . The met ho d uses a mean filter to enhance t he p recisio n of t he f ace regio n detectio n . The experimental result s show t hat t he app roach is p recise , reliable and f ast . Your requestcould not be processed becauseof a configurationerror: "Could not connect to LDAPserver." For assistance,contact your network support team. file:///C|/Users/Administrator/Desktop/新建文本文档.txt 涵盖各行业最丰富完备的资料文献,最前瞻权威的行业动态,是专业人士的不二选择。 file:///C|/Users/Administrator/Desktop/新建文本文档.txt2012/8/26 12:19:58