基于图像处理的眼球检测方法技术

本发明专利技术提供基于图像处理的眼球检测方法，其特征在于，按以下步骤进行：步骤一：人脸识别，对加载的图像进行人脸检测，并提取检测后的人脸的图像；步骤二：眼睛识别，在人脸图像中进行人眼检测，并提取两个眼睛的图像；步骤三：检测图像是否为彩色，如果是，对彩色图像进行灰度转换，如果否，进行步骤四；步骤四：采用Gamma校正方法对图像进行灰度值调整；步骤五：提取眼球中黑色部分的图像；步骤六：通过眼球黑色部分图像的轮廓，对黑色部分的中心位置进行定位；步骤七：根据原图中眼球黑色部分中心位置，将眼球的黑色部分变换到原图中，并将其标出。本发明专利技术的方法有效消除了光照对图像处理的影响，算法具有良好鲁棒性和准确性，为眼球检测提供一种高效准确的方法。

【技术实现步骤摘要】

本专利技术涉及图像识别与处理
，具体地说，涉及一种基于图像处理的眼球检测方法。
技术介绍
眼球检测在全息投影和全息手机领域具有广泛应用，甚至在一定程度上可以作为协助实现谎言检测的工具。眼球检测同时包含面部定位，眼部定位和瞳孔检测三个部分。其中面部定位和眼部定位是比较常见的识别算法，但是准确定位瞳孔并跟踪瞳孔的运动，目前还是非常前沿的课题。目前在眼球检测技术中，尚未得以较好解决的问题包括：1、原始图像中包含了光照的影响；众所周知，物体的材料加上光照的影响共同构成了物体的颜色，所以，如果我们想获得物体材料本身的颜色，我们就必须要考虑到消除光照的影响；2、原始图像中包含了很多噪点；这些噪点一部分由于光照的影响，另一部分原因是由于摄像机采光的影响；要想尽可能的恢复物体本身的样子，我必须考虑将噪点对图像的影响降低到最小；3、原始图像中可能包含了很多与前景无关或颜色、形状等相近的背景；我们想要尽可能完整的提取出图像中的前景，所以，在处理过程中不仅应该尽量减小图像处理的大小来增加处理速度，还应该尽可能的分离背景和前景；4、眼球检测过程准确的找到人眼的黑眼球的中心位置，所以我们需要找到黑眼球并分离出来。但是，由于人眼的黑眼球并不是完全的纯黑色，眼睛的白色部分，也不是完全的纯白色，所以我们在实验中，需要重新的寻找眼球的特征来准确的分离出眼球部分。
技术实现思路
为了上述问题，本专利技术提供了一种基于图像处理的眼球检测方法，通过伽马变换消除光线的影响，然后借助Ostu算法实现自动分割并检测出瞳孔，其具体的技术方案如下：基于单目摄像头的智能测距方法，按以下步骤进行：基于图像处理的眼球检测方法，按以下步骤进行：步骤一：人脸识别，对加载的图像进行人脸检测，并提取检测后的人脸的图像；步骤二：眼睛识别，在人脸图像中进行人眼检测，并提取两个眼睛的图像；步骤三：检测图像是否为彩色，如果是，对彩色图像进行灰度转换，如果否，进行步骤四；步骤四：采用Gamma校正方法对图像进行灰度值调整；步骤五：提取眼球中黑色部分的图像；步骤六：通过眼球黑色部分图像的轮廓，对黑色部分的中心位置进行定位；步骤七：根据原图中眼球黑色部分中心位置，将眼球的黑色部分变换到原图中，并将其标出。其中，步骤四对图像灰度值进行非线性调整，使输出图像灰度值与输入图像灰度值呈指数关系，其中，指数Gamma取值小于1；此外，步骤五中提取眼球中黑色部分图像的方法包括：A:采用Otsu分割算法以及阈值二值化算法准确的定位黑眼球的位置，得到包含黑白两部分的图像，黑色部分包括黑眼球及一部分眼皮与眼睛的交界线；B:采用形态学方法对图像进行处理，去除眼皮与眼睛的交界线，保留黑眼球的黑色部分，其他的全部为白色部分；C：采用中值滤波算法对图像中的噪点进行处理。本专利技术所提供的基于图像处理的眼球检测方法，具有以下优点：第一、采用Gamma校正法有效地对图像灰度值进行了调整，改善了存储的有效性和合理性，大大降低了光照对图像的影响；第二、采用两次Otsu分割算法加阈值二值化算法，Otsu分割算法有自动确定阈值并且稳定的特点，通过第一次Otsu分割算法加阈值二值化算法得到的阈值，在小于该区间再用一次Otsu算法，求出更小的阈值，以求得更准确的结果；上述算法具有良好的鲁棒性和准确性，为准确找到眼球提供了保障；第三、采用形态学处理后再做中值滤波处理，消除了图像中交界线、噪点的影响，保证了眼球黑色部分提取的准确性。附图说明图1为本专利技术基于图像处理的眼球检测方法流程图；图2为训练级分类器示意图；图3为为Gamma校正Gamma选取的图像输入/输出灰度的关系曲线；图4为人眼和摄像机的感光与实际输入光强的关系；图5未经gamma校正和经过gamma校正保存图像信息；图6为本专利技术的基本步骤中处理结果示意图。具体实施方式下面结合附图及实施例对本专利技术基于单目摄像头的智能测距方法作进一步详细的说明。从图1中可以看出，基于图像处理的眼球检测方法，包括以下步骤：步骤一：人脸识别，对加载的图像进行人脸检测，并提取检测后的人脸的图像；步骤二：眼睛识别，在人脸图像中进行人眼检测，并提取两个眼睛的图像；步骤三：检测图像是否为彩色，如果是，对彩色图像进行灰度转换，如果否，进行步骤四；步骤四：采用Gamma校正方法对图像进行灰度值调整；步骤五：提取眼球中黑色部分的图像；步骤六：通过眼球黑色部分图像的轮廓，对黑色部分的中心位置进行定位；步骤七：根据原图中眼球黑色部分中心位置，将眼球的黑色部分变换到原图中，并将其标出。下面分别对上述步骤涉及的算法进行介绍：一、人脸检测算法Viola-Jones人脸检测方法1.采用积分图像方法计算Haar-like特征，Haar-like特征是计算机视觉领域一种常用的特征描述算子。。2.利用Adaboost学习算法进行特征选择和分类器训练，把弱分类器组合成强分类器。3.采用分类器级联提高效率。其中Adaboost算法为：Adaboost训练强分类器的基本算法描述如下：假设一组样本有T个特征，给定包含n个样本的训练集{(x1,y1),(x2,y2),…,(xn,yn)本文档来自技高网...

【技术保护点】
基于图像处理的眼球检测方法，其特征在于，按以下步骤进行：步骤一：人脸识别，对加载的图像进行人脸检测，并提取检测后的人脸的图像；步骤二：眼睛识别，在人脸图像中进行人眼检测，并提取两个眼睛的图像；步骤三：检测图像是否为彩色，如果是，对彩色图像进行灰度转换，如果否，进行步骤四；步骤四：采用Gamma校正方法对图像进行灰度值调整；步骤五：提取眼球中黑色部分的图像；步骤六：通过眼球黑色部分图像的轮廓，对黑色部分的中心位置进行定位；步骤七：根据原图中眼球黑色部分中心位置，将眼球的黑色部分变换到原图中，并将其标出。

【技术特征摘要】
1.基于图像处理的眼球检测方法，其特征在于，按以下步骤进行：步骤一：人脸识别，对加载的图像进行人脸检测，并提取检测后的人脸的图像；步骤二：眼睛识别，在人脸图像中进行人眼检测，并提取两个眼睛的图像；步骤三：检测图像是否为彩色，如果是，对彩色图像进行灰度转换，如果否，进行步骤四；步骤四：采用Gamma校正方法对图像进行灰度值调整；步骤五：提取眼球中黑色部分的图像；步骤六：通过眼球黑色部分图像的轮廓，对黑色部分的中心位置进行定位；步骤七：根据原图中眼球黑色部分中心位置，将眼球的黑色部分变换到原图中，并将其标出。2.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：吴国盛，时磊，
申请(专利权)人：青岛若贝电子有限公司，
类型：发明
国别省市：山东;37