劉祥樓+楊龍+孫悅

摘要： 以標(biāo)準(zhǔn)證件照片為研究對(duì)象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對(duì)眼睛、眉毛及眉眼共設(shè)定14項(xiàng)主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語(yǔ)義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對(duì)眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過(guò)改進(jìn)的Hough變換算法實(shí)現(xiàn)對(duì)眉毛和虹膜外邊緣輪廓檢測(cè)；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實(shí)現(xiàn)語(yǔ)義編碼。經(jīng)1 000張證件照實(shí)驗(yàn)證明，圖像特征的提取成功率為99%以上，系統(tǒng)對(duì)每幅圖像自動(dòng)處理時(shí)間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語(yǔ)義編碼

中圖分類號(hào)： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語(yǔ)義特征[13]提取在如機(jī)器視覺(jué)、人臉識(shí)別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測(cè)等。在基于可變形模板法[910]中眼睛的幾何模板中需要對(duì)幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過(guò)先驗(yàn)知識(shí)設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對(duì)眼睛特征的提取，但計(jì)算復(fù)雜度較高、比較耗時(shí)。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測(cè)出眼睛特征值。基于幾何特征的人臉檢測(cè)方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對(duì)眼睛或眉毛[11]單獨(dú)進(jìn)行幾何模型特征提取，沒(méi)有把眉毛與眼睛作為一個(gè)整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對(duì)眼部特征幾何形狀的視覺(jué)感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒(méi)有量化，譬如三角眼不同的人對(duì)其感覺(jué)會(huì)有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對(duì)其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對(duì)眼部特征的漢語(yǔ)語(yǔ)義描述往往就是針對(duì)眼睛的特點(diǎn)，用許多形象、簡(jiǎn)潔的漢語(yǔ)語(yǔ)義來(lái)描述眼睛的特征，譬如細(xì)長(zhǎng)眼、瞇縫眼、三角眉、八字眉等，細(xì)長(zhǎng)眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點(diǎn)距離的比例，當(dāng)比例比較小時(shí)表現(xiàn)出來(lái)的細(xì)長(zhǎng)的視覺(jué)特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對(duì)眼部特征的語(yǔ)義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個(gè)方面的語(yǔ)義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語(yǔ)義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語(yǔ)義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語(yǔ)義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測(cè)出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個(gè)環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過(guò)程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實(shí)驗(yàn)仿真與結(jié)果分析仿真實(shí)驗(yàn)計(jì)算機(jī)配置為AMD Athlon X2臺(tái)式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計(jì)算機(jī)運(yùn)行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺(tái)上，本文采用東北石油大學(xué)2011級(jí)研究生入學(xué)采集的1 000張照片作為實(shí)驗(yàn)樣本，實(shí)驗(yàn)的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時(shí)，以語(yǔ)義字段的形式進(jìn)行編碼，如表1所示。每個(gè)混合特征參數(shù)針對(duì)實(shí)驗(yàn)過(guò)程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對(duì)閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實(shí)驗(yàn)過(guò)程中輸出的圖像，可以看到檢測(cè)出來(lái)眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過(guò)投影可以測(cè)得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測(cè)得眉毛、眼睛角點(diǎn)的坐標(biāo)，通過(guò)坐標(biāo)值可以計(jì)算不能直接用投影直接提取的特征參數(shù)。例如B1點(diǎn)與B3點(diǎn)之間連線的水平夾角，可以通過(guò)投影測(cè)得其坐標(biāo)值，利用坐標(biāo)值測(cè)得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點(diǎn)水平，N9<0表示眉毛上揚(yáng)。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測(cè)得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識(shí)別方法[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹(shù)先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計(jì)[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識(shí)別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點(diǎn)特征的眼睛輪廓提取[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（7）：12251229.

[9]李文書(shū)，何芳芳，錢(qián)沄濤，等.基于Adaboost高斯過(guò)程分類的人臉表情識(shí)別[J].浙江大學(xué)學(xué)報(bào)，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實(shí)時(shí)分類[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識(shí)別方法研究[J].計(jì)算機(jī)工程與科學(xué)，2008，30（11）：2830.

摘要： 以標(biāo)準(zhǔn)證件照片為研究對(duì)象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對(duì)眼睛、眉毛及眉眼共設(shè)定14項(xiàng)主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語(yǔ)義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對(duì)眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過(guò)改進(jìn)的Hough變換算法實(shí)現(xiàn)對(duì)眉毛和虹膜外邊緣輪廓檢測(cè)；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實(shí)現(xiàn)語(yǔ)義編碼。經(jīng)1 000張證件照實(shí)驗(yàn)證明，圖像特征的提取成功率為99%以上，系統(tǒng)對(duì)每幅圖像自動(dòng)處理時(shí)間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語(yǔ)義編碼

中圖分類號(hào)： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語(yǔ)義特征[13]提取在如機(jī)器視覺(jué)、人臉識(shí)別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測(cè)等。在基于可變形模板法[910]中眼睛的幾何模板中需要對(duì)幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過(guò)先驗(yàn)知識(shí)設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對(duì)眼睛特征的提取，但計(jì)算復(fù)雜度較高、比較耗時(shí)。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測(cè)出眼睛特征值?；趲缀翁卣鞯娜四槞z測(cè)方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對(duì)眼睛或眉毛[11]單獨(dú)進(jìn)行幾何模型特征提取，沒(méi)有把眉毛與眼睛作為一個(gè)整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對(duì)眼部特征幾何形狀的視覺(jué)感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒(méi)有量化，譬如三角眼不同的人對(duì)其感覺(jué)會(huì)有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對(duì)其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對(duì)眼部特征的漢語(yǔ)語(yǔ)義描述往往就是針對(duì)眼睛的特點(diǎn)，用許多形象、簡(jiǎn)潔的漢語(yǔ)語(yǔ)義來(lái)描述眼睛的特征，譬如細(xì)長(zhǎng)眼、瞇縫眼、三角眉、八字眉等，細(xì)長(zhǎng)眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點(diǎn)距離的比例，當(dāng)比例比較小時(shí)表現(xiàn)出來(lái)的細(xì)長(zhǎng)的視覺(jué)特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對(duì)眼部特征的語(yǔ)義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個(gè)方面的語(yǔ)義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語(yǔ)義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語(yǔ)義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語(yǔ)義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測(cè)出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個(gè)環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過(guò)程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實(shí)驗(yàn)仿真與結(jié)果分析仿真實(shí)驗(yàn)計(jì)算機(jī)配置為AMD Athlon X2臺(tái)式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計(jì)算機(jī)運(yùn)行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺(tái)上，本文采用東北石油大學(xué)2011級(jí)研究生入學(xué)采集的1 000張照片作為實(shí)驗(yàn)樣本，實(shí)驗(yàn)的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時(shí)，以語(yǔ)義字段的形式進(jìn)行編碼，如表1所示。每個(gè)混合特征參數(shù)針對(duì)實(shí)驗(yàn)過(guò)程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對(duì)閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實(shí)驗(yàn)過(guò)程中輸出的圖像，可以看到檢測(cè)出來(lái)眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過(guò)投影可以測(cè)得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測(cè)得眉毛、眼睛角點(diǎn)的坐標(biāo)，通過(guò)坐標(biāo)值可以計(jì)算不能直接用投影直接提取的特征參數(shù)。例如B1點(diǎn)與B3點(diǎn)之間連線的水平夾角，可以通過(guò)投影測(cè)得其坐標(biāo)值，利用坐標(biāo)值測(cè)得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點(diǎn)水平，N9<0表示眉毛上揚(yáng)。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測(cè)得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識(shí)別方法[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹(shù)先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計(jì)[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識(shí)別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點(diǎn)特征的眼睛輪廓提取[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（7）：12251229.

[9]李文書(shū)，何芳芳，錢(qián)沄濤，等.基于Adaboost高斯過(guò)程分類的人臉表情識(shí)別[J].浙江大學(xué)學(xué)報(bào)，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實(shí)時(shí)分類[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識(shí)別方法研究[J].計(jì)算機(jī)工程與科學(xué)，2008，30（11）：2830.

摘要： 以標(biāo)準(zhǔn)證件照片為研究對(duì)象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對(duì)眼睛、眉毛及眉眼共設(shè)定14項(xiàng)主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語(yǔ)義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對(duì)眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過(guò)改進(jìn)的Hough變換算法實(shí)現(xiàn)對(duì)眉毛和虹膜外邊緣輪廓檢測(cè)；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實(shí)現(xiàn)語(yǔ)義編碼。經(jīng)1 000張證件照實(shí)驗(yàn)證明，圖像特征的提取成功率為99%以上，系統(tǒng)對(duì)每幅圖像自動(dòng)處理時(shí)間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語(yǔ)義編碼

中圖分類號(hào)： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語(yǔ)義特征[13]提取在如機(jī)器視覺(jué)、人臉識(shí)別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測(cè)等。在基于可變形模板法[910]中眼睛的幾何模板中需要對(duì)幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過(guò)先驗(yàn)知識(shí)設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對(duì)眼睛特征的提取，但計(jì)算復(fù)雜度較高、比較耗時(shí)。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測(cè)出眼睛特征值?；趲缀翁卣鞯娜四槞z測(cè)方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對(duì)眼睛或眉毛[11]單獨(dú)進(jìn)行幾何模型特征提取，沒(méi)有把眉毛與眼睛作為一個(gè)整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對(duì)眼部特征幾何形狀的視覺(jué)感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒(méi)有量化，譬如三角眼不同的人對(duì)其感覺(jué)會(huì)有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對(duì)其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對(duì)眼部特征的漢語(yǔ)語(yǔ)義描述往往就是針對(duì)眼睛的特點(diǎn)，用許多形象、簡(jiǎn)潔的漢語(yǔ)語(yǔ)義來(lái)描述眼睛的特征，譬如細(xì)長(zhǎng)眼、瞇縫眼、三角眉、八字眉等，細(xì)長(zhǎng)眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點(diǎn)距離的比例，當(dāng)比例比較小時(shí)表現(xiàn)出來(lái)的細(xì)長(zhǎng)的視覺(jué)特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對(duì)眼部特征的語(yǔ)義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個(gè)方面的語(yǔ)義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語(yǔ)義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語(yǔ)義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語(yǔ)義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測(cè)出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個(gè)環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過(guò)程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實(shí)驗(yàn)仿真與結(jié)果分析仿真實(shí)驗(yàn)計(jì)算機(jī)配置為AMD Athlon X2臺(tái)式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計(jì)算機(jī)運(yùn)行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺(tái)上，本文采用東北石油大學(xué)2011級(jí)研究生入學(xué)采集的1 000張照片作為實(shí)驗(yàn)樣本，實(shí)驗(yàn)的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時(shí)，以語(yǔ)義字段的形式進(jìn)行編碼，如表1所示。每個(gè)混合特征參數(shù)針對(duì)實(shí)驗(yàn)過(guò)程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對(duì)閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實(shí)驗(yàn)過(guò)程中輸出的圖像，可以看到檢測(cè)出來(lái)眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過(guò)投影可以測(cè)得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測(cè)得眉毛、眼睛角點(diǎn)的坐標(biāo)，通過(guò)坐標(biāo)值可以計(jì)算不能直接用投影直接提取的特征參數(shù)。例如B1點(diǎn)與B3點(diǎn)之間連線的水平夾角，可以通過(guò)投影測(cè)得其坐標(biāo)值，利用坐標(biāo)值測(cè)得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點(diǎn)水平，N9<0表示眉毛上揚(yáng)。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測(cè)得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識(shí)別方法[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹(shù)先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計(jì)[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識(shí)別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點(diǎn)特征的眼睛輪廓提取[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（7）：12251229.

[9]李文書(shū)，何芳芳，錢(qián)沄濤，等.基于Adaboost高斯過(guò)程分類的人臉表情識(shí)別[J].浙江大學(xué)學(xué)報(bào)，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實(shí)時(shí)分類[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識(shí)別方法研究[J].計(jì)算機(jī)工程與科學(xué)，2008，30（11）：2830.