應(yīng)用于靜態(tài)圖像中的人眼定位算法

韓靜怡+王元臻

摘 要：眼球定位識(shí)別算法作為一種重要的圖像處理方法對(duì)于圖像的相關(guān)處理有很重要的作用使用精確的方法對(duì)人眼球進(jìn)行定位可以方便人臉特征識(shí)別以及人機(jī)交互等一系列的應(yīng)用，眼睛定位的準(zhǔn)確度直接影響到了最終的識(shí)別率，因此人眼定位算法具有很重要的研究意義。本文利用Matlab開發(fā)算法，研究的主要內(nèi)容包括三部分，主要是圖像的二值化算法、人臉檢測(cè)及人眼定位的原理及相關(guān)算法實(shí)現(xiàn)，詳細(xì)展示了各種方法的具體原理，對(duì)比選擇了最為合適的檢測(cè)方法。

關(guān)鍵詞：圖像二值化；人臉檢測(cè)；眼球定位；靜態(tài)圖像

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2017）17-0026-03

1 引言

在一幅圖像中，人們往往只對(duì)圖像中某些既定的特征感興趣，這些目標(biāo)常占據(jù)一定區(qū)域，并且在某些特征和周圍圖像有所區(qū)別，我們經(jīng)常利用這些細(xì)微的區(qū)別使用圖像處理技術(shù)，通過計(jì)算機(jī)來獲取該區(qū)域的相關(guān)信息。眼睛作為人臉的特征部位，其位置重要并且對(duì)于人臉信息相關(guān)問題的處理檢測(cè)有著很重要的意義，如果人眼位置定位準(zhǔn)確可以提高識(shí)別和檢測(cè)的準(zhǔn)確性及檢測(cè)速度，還具有降低識(shí)別算法復(fù)雜度的作用，可以提高處理速度，使得后續(xù)的檢測(cè)操作更加容易，算法處理更加簡(jiǎn)便，所以實(shí)現(xiàn)較為精確地眼睛定位是至關(guān)重要的。

本文的算法是在二值化圖像的基礎(chǔ)上進(jìn)行的，采用迭代法閾值分割的方法將圖像進(jìn)行二值化分割，關(guān)于人臉區(qū)域識(shí)別方法的選取，文章考慮到膚色分割受光線影響較大的問題，選用了基于圖像網(wǎng)絡(luò)分割的人臉識(shí)別，先將臉部圖像分割成多個(gè)小塊，將分割形成的各個(gè)小塊單獨(dú)進(jìn)行處理，對(duì)每個(gè)小塊完成相應(yīng)的檢測(cè)，從而可以識(shí)別出整個(gè)人臉區(qū)域。人眼定位算法的選取，本文使用了快速Hough圓檢測(cè)變換方法，該方法在噪聲較大的環(huán)境下也能有很好的檢測(cè)結(jié)果，并且對(duì)于數(shù)據(jù)的處理量較低，計(jì)算時(shí)長(zhǎng)較短，滿足對(duì)人眼檢測(cè)實(shí)時(shí)性的要求，通過檢測(cè)圖像來看，該方法實(shí)驗(yàn)效果較優(yōu)，人眼的定位清晰，該方法滿足本文所需，是一種優(yōu)秀的人眼識(shí)別算法。

2 圖像二值化分割算法

閾值分割法是一種簡(jiǎn)單有效的圖像分割方法，可以將圖像中所需的有意義的特征區(qū)域提取出來，利用閾值大小的不同區(qū)分物體及背景，閾值的選擇需要根據(jù)具體問題來確定，對(duì)于給定的圖像，通過分析直方圖確定最佳閾值，以用來進(jìn)行物體與背景的判定。

利用迭代法進(jìn)行閾值分割首先選定一個(gè)近似的閾值，將原始圖像分割成為兩部分，計(jì)算兩區(qū)域的均值，選擇兩區(qū)域均值的均值為新的閾值進(jìn)行下一次分割，重復(fù)以上步驟的直至均值不再發(fā)生變化為止，迭代法以近似和逼迫的思想為主，該方法能區(qū)分物體和背景優(yōu)于雙峰法對(duì)細(xì)節(jié)的處理更加精細(xì)。該方法規(guī)定一個(gè)特定閾值作為初始的閾值估計(jì)值，按照一定的規(guī)律方法進(jìn)行一步步的細(xì)化閾值，這個(gè)方法的關(guān)鍵在于如何選擇合適的閾值進(jìn)行迭代改進(jìn)，正確的閾值選擇有連個(gè)特征分別為首先能夠快速的進(jìn)行收斂，另外在迭代過程中新產(chǎn)生的閾值比上一次更優(yōu)，其具體算法為：

利用閉值兀把圖像分割成兩個(gè)區(qū)域：和，用（1）（2）式計(jì)算區(qū)域和凡的灰度均值和。

重復(fù)上述步驟，直到和的差小于某個(gè)給定值。

通過該方法可知當(dāng)圖像中目標(biāo)和背景像素灰度呈正態(tài)分布并且標(biāo)準(zhǔn)差相等，目標(biāo)和背景的像素比例相等時(shí)， 可得到最佳分割閾值為目標(biāo)和背景像素灰度均值的平均值。在本文的算法中，利用迭代閾值分割法的語句更加簡(jiǎn)潔更容易理解，可操作性較強(qiáng)，從實(shí)驗(yàn)所得的效果上來分析，該算法能較好地實(shí)現(xiàn)實(shí)驗(yàn)?zāi)康?，并且迭代法抗干擾能力較強(qiáng)，迭代法每次運(yùn)行所選閾值都比上一次更優(yōu)，可根據(jù)具體環(huán)境的要求設(shè)定閾值大小，實(shí)驗(yàn)操作更加靈活。所以，在相同實(shí)驗(yàn)條件下，本文優(yōu)先選用迭代式閾值分割算法對(duì)給定圖像進(jìn)行二值化分析，經(jīng)過迭代法閾值分割算法得到的二值圖像特征分割清晰，細(xì)節(jié)展示清楚，主要特征不會(huì)發(fā)生丟失。

3 利用圖像網(wǎng)絡(luò)分析進(jìn)行人臉識(shí)別

本文采用了圖像網(wǎng)絡(luò)分析法來進(jìn)行人臉的特征識(shí)別，首先將目標(biāo)圖像進(jìn)行網(wǎng)絡(luò)化分割，分割后圖像變?yōu)樾》綁K，要對(duì)這些小方塊進(jìn)行去噪聲分析和灰度化常規(guī)預(yù)處理這些基本操作，對(duì)進(jìn)行完基本操作的的小塊圖像進(jìn)行人臉的識(shí)別，并且判斷小方塊圖像是否位于人臉的相關(guān)區(qū)域，將識(shí)別成功的小方塊進(jìn)行整合就是整個(gè)的人臉區(qū)域。

首先，將圖片進(jìn)行二值化，利用中值濾波法對(duì)二值圖進(jìn)行去噪聲處理和預(yù)處理的基本操作，使圖像滿足后續(xù)處理要求。其次，對(duì)圖像進(jìn)行分割，本文中對(duì)目標(biāo)圖像采取10*10的分割方法，將圖像分割成100個(gè)小方塊，對(duì)于不同的圖像可以根據(jù)具體要求靈活的劃分分割區(qū)域的大小，然后對(duì)于每個(gè)小方塊單獨(dú)進(jìn)行分析檢測(cè)，對(duì)黑色像素的比例進(jìn)行統(tǒng)計(jì)，對(duì)滿足面部的小方塊進(jìn)行標(biāo)記，然后對(duì)小方塊進(jìn)行逐個(gè)的列變換和行變換，每個(gè)小方塊進(jìn)行相同的檢測(cè)，最后把滿足需求的小方塊進(jìn)行整合，這就是所得到的人臉識(shí)別區(qū)域。

下面圖1、2、3、4分別展示了人臉的網(wǎng)絡(luò)分割效果、人臉識(shí)別效果以及二值圖下進(jìn)行臉部識(shí)別的最終結(jié)果，可以看出識(shí)別的準(zhǔn)確度較高。

4 利用快速Hough圓檢測(cè)進(jìn)行眼球定位

4.1 基于空間累加的圓心檢測(cè)算法

快速Hough圓檢測(cè)的核心思想是：在這個(gè)圓的三維空間中，垂直于圓的相應(yīng)邊界點(diǎn)的垂線最終會(huì)通過圓心，如沿著圓的邊緣區(qū)域畫出每個(gè)邊界點(diǎn)的垂線，就會(huì)在圓區(qū)域的圓心處得到一個(gè)“亮點(diǎn)”，這些“亮點(diǎn)”是眾多的垂線重疊最多的地方。

5圖中為一個(gè)（a，b）的參數(shù)空間，該圖像展示了將圓的邊緣點(diǎn)對(duì)應(yīng)的垂線變換成空間中的線段。

式中，，，其中，定義了圓半徑的范圍，空間矩陣用A表示，表達(dá)了邊緣的強(qiáng)度。

在上述圓心檢測(cè)算法中，這種變換在圓心處邊緣點(diǎn)的垂線的重合較大，所以形成了很亮的“亮點(diǎn)”，這種檢測(cè)方法對(duì)于目標(biāo)的圓的圓度要求比較嚴(yán)格，如果目標(biāo)圓是一個(gè)橢圓形，因?yàn)闄E圓的圓度較小，那么此時(shí)這個(gè)“亮點(diǎn)”會(huì)迅速的擴(kuò)散從而很難形成可以檢測(cè)到的區(qū)域，故我們常使用濾波器使得“亮點(diǎn)”區(qū)域盡量集中，利用濾波器的聚合功能減小中心“亮點(diǎn)”的擴(kuò)散速度，使得中心“亮點(diǎn)”的亮度更大。由于一副圖像中可能存在若干個(gè)目標(biāo)圓，目標(biāo)圓的圓心在數(shù)學(xué)上可以用空間的局部極大值表示，采用遞歸算法找到區(qū)域局部最大值，從而找到所有可能存在的圓心。對(duì)于不同大小的圓來說，他們形成的邊界點(diǎn)如果用相同的標(biāo)準(zhǔn)來累加這些圓，所形成的大圓“亮點(diǎn)”比小圓的“亮點(diǎn)”來說更亮，，所以必須給（a，b）空間的線段強(qiáng)度加一個(gè)約束，來限制兩個(gè)不同半徑的圓的亮度，使得圓的亮度約束在一個(gè)統(tǒng)一的條件下。endprint

該公式中的每個(gè)邊緣點(diǎn)都傾向于將選票投給與它距離最近的圓心，這樣不會(huì)使錯(cuò)誤的傳遞的太遠(yuǎn)，以引起圖像中的其他區(qū)域計(jì)算錯(cuò)誤。

4.2 基于r空間累加的半徑計(jì)算方法

上述方法將圓心定位之后，接下來介紹尋找圓的半徑的方法，通過以半徑為坐標(biāo)的一維空間的累積來實(shí)現(xiàn)，對(duì)于區(qū)間上的每個(gè)半徑r，它的總投票值R（r）就是以r為半徑的圓上所有邊緣點(diǎn)P的邊緣強(qiáng)度E（P）之和。

這種方法在兩個(gè)方面對(duì)檢測(cè)方法進(jìn)行了優(yōu)化，該方法更傾向于檢測(cè)大圓，將邊緣強(qiáng)度E（P）增加一個(gè)約束1/r，以使該方法對(duì)不同大小的圓都合適。其次，該方法將所有處于半徑r處的邊緣點(diǎn)都計(jì)算在內(nèi)，忽視了這些點(diǎn)的垂線并非都指向目標(biāo)圓心，因而我們定義一個(gè)范圍對(duì)這些點(diǎn)進(jìn)行篩選，定義為邊緣點(diǎn)與圓心連線的角度，對(duì)于所有處于半徑r處的邊緣點(diǎn)，我們只考慮垂線角度在范圍內(nèi)的點(diǎn)，這樣就能極大減小假邊緣點(diǎn)的影響，在各種情況環(huán)境的仿真實(shí)驗(yàn)中，我們通常采用或。

計(jì)算完r空間之后，我們對(duì)其進(jìn)行閾值化就能找到可能的半徑了，閾值的選取需要考慮相應(yīng)的目標(biāo)區(qū)域環(huán)境，如果目標(biāo)圓只有一個(gè)，那么只需要選取r空間的極大值就能找到這個(gè)圓，如果目標(biāo)圓是多個(gè)，那么閾值的選取與最后獲得的圓的個(gè)數(shù)需要進(jìn)行分別的測(cè)試。

下圖展示了人眼識(shí)別的二值圖像，圖6展示了圖像網(wǎng)絡(luò)的分割檢測(cè)出的人臉圖像，圖7和圖8分別展示了經(jīng)過快速Hough圓檢測(cè)變換之后的眼睛圖像，可以看出實(shí)驗(yàn)后所得到的實(shí)驗(yàn)結(jié)果較為清晰，易滿足人們對(duì)于實(shí)驗(yàn)結(jié)果的要求。

5 結(jié)語

本文構(gòu)建了一種可以較為精確地實(shí)現(xiàn)人眼定位的算法，能夠?qū)崿F(xiàn)對(duì)于一副靜態(tài)圖像的眼球進(jìn)行較為精確地定位，本文實(shí)現(xiàn)的這種人眼定位的方法是比較精確地，并且這種人眼識(shí)別的對(duì)于抗噪聲能力較強(qiáng)，受環(huán)境變化的影響較小，使用簡(jiǎn)便，所以人眼定位時(shí)常使用這種方法。本文討論的算法在一定環(huán)境情況下能夠較好的實(shí)現(xiàn)人臉的檢測(cè)以及人臉相關(guān)特征識(shí)別檢測(cè)，并且本文這種算法對(duì)于光照要求較低，受噪聲影響小，本文討論的這種算法主要針對(duì)靜態(tài)圖像，在后續(xù)的研究中，要做好動(dòng)態(tài)圖像的采集，研究開發(fā)面向動(dòng)態(tài)的人臉圖像識(shí)別，以便使該算法使用范圍更為廣泛。

參考文獻(xiàn)

[1]張艷君，宋京偉.人臉識(shí)別中利用眼球進(jìn)行人臉歸一化[J].北京聯(lián)合大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，（02）：35-39.

[2]王磊，莫玉龍，戚飛虎.眼球的自動(dòng)定位[J].紅外與毫米波學(xué)報(bào)，1998，（05）：31-38.

[3]Zhou Z H， Geng X. Projection functions for eye detection[J]. Pattern Recognition，2004，37（5）：1049-1056.

[4]張歐平，丁志剛，彭娟春.組合型人眼識(shí)別方法及其應(yīng)用[J].計(jì)算機(jī)工程，2011，37（9）：223～225.

[5]陶亮，莊鎮(zhèn)泉.復(fù)雜背景下人眼自動(dòng)定位[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，（1）：15-1.endprint