基于最大类间方差及伽马变换的人体眼球检测方法及系统技术方案

本发明专利技术涉及基于最大类间方差及伽马变换的人体眼球检测方法及系统，方法包括：根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；对所述灰度图像进行伽玛校正；对伽玛校正后的图像进行两次OTSU最大类间方差算法计算，获得人眼二值图像；根据所述人眼二值图像按照形态学处理得到眼球图像，并找到眼球的轮廓。本发明专利技术具有较好的实时性和鲁棒性，能够简化计算，高效去除图像的噪声、提高效率，为人脸跟踪算法提供稳健的辅助。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图像处理领域，特别是基于最大类间方差及伽马变换的人体眼球检测方法及系统。
技术介绍
在计算机视觉和图像处理领域，眼球运动是一个非常重要的人的生理和物理的状态的特征。例如，当人们感觉非常累，想要睡觉时，眼球会不自主的向上自动的运动，并且眼球的可见领域会变的非常的小。除此以外，眼球检测具有非常重要的意义在工业上，工业上对眼球检测有非常大的需求，例如三维的全息投影技术，可以使用人的眼睛作为输入；还有谎言检测，根据人眼球眨眼的频率；最重要的是疲劳驾驶，这将对交通安全具有非常重要的意义。通过眼球检测，能够帮助对眼睛部分进行建模，根据眼球的位置还有运动，从而可以表达出大脑的信息。然而，目前缺少可精确测量出疲劳驾驶的程度，其主要原因在于传感器的不确定性。疲劳驾驶的程度根据不同的传感器的测量，会有非常大的不同的结果。检测的性能可能会受到很多因素的干扰，光照变化，噪音的干扰，旋转变化性，尺度变化性和平移的变化等。在图像处理中，颜色信息显示最重要的特征和噪声可以改变像素的关系的结构。不仅可以根据对象的变化改变颜色，而且还可以增加噪声的干扰。旋转不变性和尺度不变性是在人脸识别领域的两个重要问题。因为这两个因素旋转和缩放可以改变特征表示，所以无法获得准确的目标特征来识别或检测。此外，旋转和缩放可能导致人脸跟踪的误差。一旦跟踪功能发生了变化，算法需要在新的条件下提取新的特征的难度将大大增加。因此，稳健的眼球检测算法是人脸跟踪的必要的辅助手段。一些相关的工作已经提出了眼球检测。比如，一种有效的方法可以通过寻找眼球半径中心检测眼球。第一步是为下限值图像，因为特征维度的大大降低，从而提高了处理速度。它必须预处理图像中的变量和阈值，以与其它特征来区分出眼球的边界。查找所有连接的部分，并消除不相关的连接部分最后，寻找眼球半径的中心。然而，该方法在一定程度上忽略光照变化。又比如，另一种实时的眼球检测方法是非常简单的。该方法假设照明方差和噪声可以是恒定的或变化在一个窄的范围内。但假设不是在真实环境下。根据提取出三维位置的方法为眼球检测一个好主意，显示其精度高。但这种方法增加了计算和复杂性，这使得光照变化和噪声它敏感。
技术实现思路
本专利技术要解决的技术问题是，提供能够区分眼球与图像的其他部分图像的人体眼球检测方法。解决上述技术问题，本专利技术提供了一种基于最大类间方差及伽马变换的人体眼球检测方法，包括如下步骤：根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；对所述灰度图像进行伽玛校正；对伽玛校正后的图像进行两次OTSU最大类间方差算法计算，获得人眼二值图像；根据所述人眼二值图像按照形态学处理得到眼球图像，并找到眼球的轮廓。进一步，所述OTSU算法进一步定义：对于图像Image，t代表前景和背景之间的阈值，前景像素点和整幅图像像素点的个数的比率为w0,前景的平均灰度值为u0,背景像素点和整幅图像像素点的个数的比率为w1,背景图像的平均灰度值为u1，则整幅图像的平均灰度值为：u＝w0*u0+w1*u1前景和背景的方差为：g＝w0*(u0-u)^2+w1*(u1-u)^2＝w0*w1(u0-u1)^2其中，g表示前景和背景之间的对比程度。所述OTSU算法进一步包括：如果g是最大值，则对应于所述对比程度为最大。进一步，所述阈值用以将原始图像分割为前景和背景，所述前景为需要提取出的人脸的图像，所述背景是人脸以外的环境。所述伽玛校正进一步为：针对所述灰度图像进行非线性的操作，用以使得输入图像的灰度图以及输出图像的值具有以下比例的关系：其中，指数值表示伽马参数。进一步，通过Viola-Jones人脸检测算法对原始图像进行人脸检测，得到眼睛图像。进一步，在人脸识别时，采用Adaboost算法训练强分类器，来选取特征。基于上述本专利技术提供了一种基于最大类间方差及伽马变换的人体眼球检测系统，包括：初始化灰度值单元，用以根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；伽马校正单元，用以对所述灰度图像进行伽玛校正；最大类间方差计算单元，用以对伽玛校正后的图像进行两次OTSU最大类间方差算法计算，获得人眼二值图像；眼球识别单元，用以根据所述人眼二值图像按照形态学处理得到眼球图像，并找到眼球的轮廓。进一步，系统还包括：人脸检测单元，用以基于Viola-Jones人脸检测算法对原始图像进行人脸检测进一步，系统还包括：分类器单元，用以在人脸识别时，采用Adaboost算法训练强分类器，来选取特征。另外，本专利技术还能够提供一种人脸识别方法，包括所述的人体眼球检测系统。本专利技术的有益效果：本专利技术基于最大类间方差及伽马变换的人体眼球检测方法，首先对于面部检测和眼睛检被施加到提取目标和切割出来，提高了过程速度，减少大量计算。基于伽马校正选择增强前景和背景的反差，从图像很容易区分目标领域。伽马校正可以检测暗部分，并增加其对图像亮度的由非线性颜色的变化造成的不同的比例，从而解决光照变化的问题，使获得的图像更加清晰。伽玛校正之后，图象的对比度增强减轻光线和噪声的影响。最后使用两次OTSU算法，对图像进行两次操作来获得一个阈值，并通过阈值，得到二值图像。由于眼球和皮肤的白色部分中的对比度较小时，眼球和皮肤的对比度是很大的，故可以尽可能提取眼球的图像。另外，实验结果表明，该图像不仅包括眼球，还有一些小的噪音，通过形态学方法能有效去除这些噪音，并获得良好的性能。附图说明图1是本专利技术中的方法流程示意图；图2是本专利技术中的系统结构示意图；图3是本专利技术具体操作流程示意图；图4(a)-图4(c)是本专利技术的实验效果对比示意图。具体实施方式现在将参考一些示例实施例描述本公开的原理。可以理解，这些实施例仅出于说明并且帮助本领域的技术人员理解和实施例本公开的目的而描述，而非建议对本公开的范围的任何限制。在此描述的本公开的内容可以以下文描述的方式之外的各种方式实施。如本文中所述，术语“包括”及其各种变体可以被理解为开放式术语，其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”可以被理解为“至少一个实施例”。术语“另一实施例”可以被理解为“至少一个其它实施例”。图1是本专利技术中的方法流程示意图；一种基于最大类间方差及伽马变换的人体眼球检测方法，包括如下步骤：步骤S100根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；面部检测和眼睛检测被施加到提取目标和切割出来，以改善过程的速度，减少大量计算。从原始图像中提取出眼睛图像，图像的大小要小得多。所以处理速度可以增加很多。实时和鲁棒的性能从原始图像中提取出眼睛图像，图像的大小要小得多。所以处理速度可以增加很多，实现实时和鲁棒的性能。另外，在眼睛图像中，有眼，眼毛和皮肤的部分。同时，由于光照和图像质量的影响，该图像还包括一些噪声步骤S101对所述灰度图像进行伽玛校正；伽玛校正可以检测暗部分，并增加其对图像亮度的由非线性颜色的变化造成的不同的比例，它解决了光照变化的问题，使获得的图像更加清晰伽玛校正可以检测暗部分，并增加其对图像亮度的由非线性颜色的变化造成的不同的比例，它解决了光照变化的问题，使获得的图像更加清晰。伽玛校正之后，图象的对比度增强减轻光线和噪声的影响。步骤S10本文档来自技高网...

【技术保护点】
一种基于最大类间方差及伽马变换的人体眼球检测方法，其特征在于，包括如下步骤：根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；对所述灰度图像进行伽玛校正；对伽玛校正后的图像进行两次OTSU最大类间方差算法计算，获得人眼二值图像；根据所述人眼二值图像按照形态学处理得到眼球图像，并找到眼球的轮廓。

【技术特征摘要】
1.一种基于最大类间方差及伽马变换的人体眼球检测方法，其特征在于，包括如下步骤：根据原始图像采集得到眼睛图像，并将所述眼睛图像转化为灰度图像；对所述灰度图像进行伽玛校正；对伽玛校正后的图像进行两次OTSU最大类间方差算法计算，获得人眼二值图像；根据所述人眼二值图像按照形态学处理得到眼球图像，并找到眼球的轮廓。2.根据权利要求1所述的人体眼球检测方法，其特征在于，所述OTSU算法进一步定义：对于图像Image，t代表前景和背景之间的阈值，前景像素点和整幅图像像素点的个数的比率为w0,前景的平均灰度值为u0,背景像素点和整幅图像像素点的个数的比率为w1,背景图像的平均灰度值为u1，则整幅图像的平均灰度值为：u＝w0*u0+w1*u1前景和背景的方差为：g＝w0*(u0-u)^2+w1*(u1-u)^2＝w0*w1(u0-u1)^2其中，g表示前景和背景之间的对比程度。3.根据权利要求2所述的人体眼球检测方法，其特征在于，所述OTSU算法进一步包括：如果g是最大值，则对应于所述对比程度为最大。4.根据权利要求2所述的人体眼球检测方法，其特征在于，所述阈值用以将原始图像分割为前景和背景，所述前景为需要提取出的人脸的图像，所述背景是人脸以外的环境。5.根据权利要求1所述的人体眼球检测方法，其特征在...

【专利技术属性】
技术研发人员：吴怀宇，吴挺，
申请(专利权)人：吴怀宇，吴挺，
类型：发明
国别省市：北京;11