一种基于人脸图像中人脸和人眼检测的瞳孔定位方法技术

本发明专利技术公开了一种基于人脸图像中人脸和人眼检测的瞳孔定位方法，包括训练人脸分类器和人眼分类器，利用人脸分类器检测和提取人脸区域图像，对人脸区域图像进行预处理后利用人眼分类器检测和提取人眼区域图像，对人眼区域图像进行二值化及形态学处理，采用区域投影的方法缩小检测范围，使用重心法来进行精确的瞳孔中心点定位。应用本发明专利技术对人脸图像进行实验，结果表明，可以在瞳孔定位的过程中缩小搜索范围，提高瞳孔定位的准确性和速度。

【技术实现步骤摘要】

本专利技术涉及一种瞳孔定位方法，具体涉及一种基于人脸图像中人脸和人眼检测的瞳孔定位方法。
技术介绍
生物特征识别的身份认证已被证明是一种有效的方法来验证一个人的识别和更安全比传统的密码，密码，或硬件基于令牌的人类识别系统。目前，有几种生物识别技术，如人脸、指纹、虹膜和手的几何虹膜识别已被证明在独立的研究是最准确的生物识别，并吸引了大量的关注。此外，跟踪技术，被称为眼睛跟踪技术，是使用电子，机械，光学和其他检测手段获得用户的眼睛的当前状态，然后分析人眼技术的当前的视线位置。目前最流行的基于视频的方法。这种方法是通过安装在眼睛前面的摄像机，实时捕捉眼睛的瞳孔图像。然后，该方法可以计算出人眼的当前的视线位置，从而实现了使用视线和计算机交互的目的。因此，瞳孔中心定位是虹膜识别和眼睛跟踪领域的一个重要的研究方向，是眼球运动旋转研究的第一步。由于瞳孔独特的几何特征，可以将其视为一个标准的圆，这样更容易训练瞳孔目标。另外，研究方法也会更丰富，更准确和稳定。目前，有许多算法来确定瞳孔的中心，其中质心法是最简单的方法之一。首先，它将瞳孔图像转换成二值图像，这样就可以很容易地分割瞳孔和图像的其他部分。以瞳孔质心作为瞳孔的中心。此外，利用边界拟合的原则来进行瞳孔边界的提取，然后进行圆或椭圆的拟合。最后，检测出的圆的中心作为瞳孔的中心。质心法计算简单，计算量小，稳定性好，可通过硬件实现。它适用于简单的背景图像，对于更复杂的图像，该方法的准确性显着降低。基于瞳孔图像的边界拟合规则，如果瞳孔图像不完全，实验的准确性将受到很大的影响。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于人脸图像中人脸和人眼检测的瞳孔定位方法，该瞳孔定位方法创新性的应用了人脸和人眼检测、区域投影来缩小图像的大小，使得感兴趣的区域中尽可能的只包含瞳孔的信息，最后针对这一区域使用重心法标定瞳孔中心，从而提高了瞳孔定位的准确性和速度。为解决上述技术问题，本专利技术采用的技术方案是：一种基于人脸图像中人脸和人眼检测的瞳孔定位方法，包括如下步骤：1.1.训练人脸分类器和人眼分类器；1.2.采集人脸原始图像；1.3.利用步骤1.1中的人脸分类器对步骤1.2中采集的人脸原始图像进行检测，提取出人脸区域图像；1.4.对经步骤1.3提取的人脸区域图像进行图像预处理；1.5.利用步骤1.1中的人眼分类器对经步骤1.4处理后的图像进行检测，提取出人眼区域图像；1.6.对经步骤1.5得到的人眼区域图像进行二值化及形态学处理，采用区域投影的方法缩小检测范围，进行人眼的粗定位；1.7.对经步骤1.6处理后的图像使用重心法来进行精确的瞳孔中心点定位。在本专利技术的上述技术方案中，应用人脸和人眼分类器进行图像检测，提取出相应的人脸和人眼区域图像，对提取到的人眼区域图像进行二值化及形态学处理，并采用区域投影的方法缩小检测范围，使得感兴趣的区域中尽可能的只包含瞳孔的信息，最后针对这一区域使用重心法标定瞳孔中心，从而提高了瞳孔定位的准确性和速度。作为上述技术方案的进一步改进，所述的人脸分类器和人眼分类器为利用AdaBoost算法构建的具有haar特征的级联分类器。所述的级联分类器的构建方法为：3.1.提取人脸图像样本集的haar特征；3.2.采用AdaBoost算法训练出若干基于haar特征的弱分类器，将所述若干弱分类器构造成强分类器，这种强分类器具有较高的分类能力；3.3.将若干由步骤3.2得到强分类器级联得到级联分类器。将人脸和人眼的haar特征引入AdaBoost算法中，可以从大量的特征中逐步选取最优的haar特征，利用AdaBoost算法构建的具有haar特征的人脸和人眼级联分类器不仅可以减少搜索时间，提高搜索效率，而且还能避免周围噪声的干扰。作为上述技术方案的进一步改进，步骤1.4中的图像预处理包括如下步骤：4.1.根据人脸的面部特征，使用“三庭五眼”的方法，将步骤1.2中获得的人脸原始图像从距人脸定位矩形的顶部1/8处到距该矩形底部1/2处为止的部分，作为新的搜索范围；4.2.对步骤4.1得到的新的搜索范围进行图像增强，去除图像中存在的噪声点；4.3.对经步骤4.2处理得到的人眼区域图像进行灰度化处理，得到灰度图像；4.4.对经步骤4.3处理的图像进行平滑处理；4.5.对经步骤4.4处理的图像进行直方图均衡化处理。通过上述步骤进一步缩小搜索范围，对图像进行优化处理。作为上述技术方案的进一步改进，步骤1.6中的图像二值化处理包括：5.1.利用迭代的方法确定二值化的阈值T；5.2.将提取的图像中的每个像素的像素值与阈值T进行比较，然后将相应的值转换成0或255，当一个像素值等于或大于阈值T时，该处的数值转换为255；否则，转换为0，如式(1.1)所示： p ( x , y ) = 255 , g ( x , y ) ≥ T p ( x , y ) = 0 , o t h e r w i s e - - - ( 1.1 ) ]]>在式(1.1)中，p(x,y)是点(x,y)处待转换的像素值，g(x,y)为灰度图像中在点(x,y)处的像素值，T代表阈值。所谓迭代法是基于逼近的思想，其步骤如下：6.1.求出图像的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0＝(ZMAX+ZMIN)/2；6.2.根据阈值TK(K≥0)将图像分割为前景和背景，分别求出两者的平均灰度值ZO和ZB；6.3.求出新阈值TK+1＝(ZO+ZB)/2；6.4.若TK＝TK+1，则所得即为阈值T；否则转至第(2)步，继续计算。从原始图像中提取的人眼图像具有二元属性，并且考虑到人眼区域图像的特殊性，所以采用了迭代的方式来确定二值化的阈值。这本文档来自技高网...

【技术保护点】
一种基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，包括如下步骤：1.1.训练人脸分类器和人眼分类器；1.2.采集人脸原始图像；1.3.利用步骤1.1中的人脸分类器对步骤1.2中采集的人脸原始图像进行检测，提取出人脸区域图像；1.4.对经步骤1.3提取的人脸区域图像进行图像预处理；1.5.利用步骤1.1中的人眼分类器对经步骤1.4处理后的图像进行检测，提取出人眼区域图像；1.6.对经步骤1.5得到的人眼区域图像进行二值化及形态学处理，采用区域投影的方法缩小检测范围，进行人眼的粗定位；1.7.对经步骤1.6处理后的图像使用重心法来进行精确的瞳孔中心点定位。

【技术特征摘要】
1.一种基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，包括如下步骤：1.1.训练人脸分类器和人眼分类器；1.2.采集人脸原始图像；1.3.利用步骤1.1中的人脸分类器对步骤1.2中采集的人脸原始图像进行检测，提取出人脸区域图像；1.4.对经步骤1.3提取的人脸区域图像进行图像预处理；1.5.利用步骤1.1中的人眼分类器对经步骤1.4处理后的图像进行检测，提取出人眼区域图像；1.6.对经步骤1.5得到的人眼区域图像进行二值化及形态学处理，采用区域投影的方法缩小检测范围，进行人眼的粗定位；1.7.对经步骤1.6处理后的图像使用重心法来进行精确的瞳孔中心点定位。2.根据权利要求1所述的基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，所述的人脸分类器和人眼分类器为利用AdaBoost算法构建的具有haar特征的级联分类器。3.根据权利要求2所述的基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，所述的级联分类器的构建方法为：3.1.提取人脸图像样本集的haar特征；3.2.采用AdaBoost算法训练出若干基于haar特征的弱分类器，将所述若干弱分类器构造成强分类器；3.3.将若干由步骤3.2得到强分类器级联得到级联分类器。4.根据权利要求1所述的基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，步骤1.4中的图像预处理包括如下步骤：4.1.根据人脸的面部特征，使用“三庭五眼”的方法，将步骤1.2中获得的人脸原始图像从距人脸定位矩形的顶部1/8处到距该矩形底部1/2处为止的部分，作为新的搜索范围；4.2.对步骤4.1得到的新的搜索范围进行图像增强，去除图像中存在的噪声点；4.3.对经步骤4.2处理得到的人眼区域图像进行灰度化处理，得到灰度图像；4.4.对经步骤4.3处理的图像进行平滑处理；4.5.对经步骤4.4处理的图像进行直方图均衡化处理。5.根据权利要求1所述的基于人脸图像中人脸和人眼检测的瞳孔定位方法，其特征在于，步骤1.6中的图像二值化处理包括：5.1.利用迭代的方法确定二值化的阈值T；5.2.将提取的图像中的每个像素的像素值与阈值T进行比较，然后将相应的值转换成0或255，当一个像素值等于或大于阈值T时，该处的数值转换为255；否则，转换为0，如式(1.1)所示：...

【专利技术属性】
技术研发人员：杨昆澎，董吉文，李恒建，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37