一种结合多特征级联SVM与人眼模板的人眼定位方法及系统技术方案

本发明专利技术公开了一种结合多特征级联SVM与人眼模板的人眼定位方法及系统，属于人眼定位技术领域，包括步骤：S1，获取视频图像，并初始化视频图像，生成初始的人眼初始信息包并输出人眼坐标，人眼信息包包括人眼模板图像与满足预定数量的人眼坐标集合；S2，将人眼坐标集合拟合成人眼运动模型，生成预测位置，并将预测位置及邻域作为人眼搜索区域；S3，对其进行基于双层特征级联SVM的人眼检测，判断人眼搜索区域内是否检测到人眼；S4，若检测到，则更新人眼信息包并输出人眼坐标；若未检测到，则通过人眼模板在人眼搜索区域内匹配人眼并输出人眼坐标。本发明专利技术克服现有技术中人眼检测精度的技术问题，能够有效提高人眼检测精度，并提高整个系统的实时性。

【技术实现步骤摘要】
一种结合多特征级联SVM与人眼模板的人眼定位方法及系统
本专利技术涉及人眼定位
，具体涉及一种结合多特征级联SVM与人眼模板的人眼定位方法及系统。
技术介绍
随着社会的不断发展，人眼定位技术被广泛应用于监控、刑侦、交通以及医疗等领域。其技术融合了生物学、图像处理、计算机视觉以及模式识别等多个方面。随着智能交互技术的不断发展，产生了人脸识别、视线跟踪、虚拟现实以及增强现实等与人眼定位技术密切相关的技术，而现目前常用的人眼定位方法是基于人眼自身的灰度分布来定位人眼，例如，现有的灰度积分直方图法，则是利用人脸的灰度积分直方图上人眼的波谷分布，通过取横纵方向上的灰度积分图的特定波谷的位置，来定位人眼的位置分布。但灰度积分直方图法易受眼镜以及光照的影响，一旦出现阴影遮挡等情况则容易出现误差。基于机器学习的人眼检测方法是现有的人眼检测方法的主流方向，例如基于Haar特征结合Adaboost算法、Hog特征结合支持向量机等，这类方法检测精度相对较高，鲁棒性较好。但大多数基于机器学习的人眼检测方法常常存在两大缺陷。一是现有基于机器学习的人眼检测方本文档来自技高网...

【技术保护点】
1.一种结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述方法具体包括以下步骤：/nS1，获取视频图像，并初始化所述视频图像，生成初始的人眼信息包并输出人眼坐标，所述人眼信息包包括人眼模板的图像与满足预设数量的人眼坐标集合；/nS2，将所述人眼坐标集合拟合成人眼运动模型，预测当前视频图像上人眼所在位置，生成预测位置，并将所述预测位置及其邻域作为人眼搜索区域；/nS3，对所述人眼搜索区域进行基于双层特征级联SVM的人眼检测，并判断在所述人眼搜索区域内是否检测到人眼；/nS4，若检测到，则更新所述人眼信息包并输出人眼坐标；若未检测到，则通过所述人眼信息包中的人眼模板在所述人眼搜索区域内...

【技术特征摘要】
1.一种结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述方法具体包括以下步骤：
S1，获取视频图像，并初始化所述视频图像，生成初始的人眼信息包并输出人眼坐标，所述人眼信息包包括人眼模板的图像与满足预设数量的人眼坐标集合；
S2，将所述人眼坐标集合拟合成人眼运动模型，预测当前视频图像上人眼所在位置，生成预测位置，并将所述预测位置及其邻域作为人眼搜索区域；
S3，对所述人眼搜索区域进行基于双层特征级联SVM的人眼检测，并判断在所述人眼搜索区域内是否检测到人眼；
S4，若检测到，则更新所述人眼信息包并输出人眼坐标；若未检测到，则通过所述人眼信息包中的人眼模板在所述人眼搜索区域内匹配人眼，并输出人眼坐标。


2.根据权利要求1所述的结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述S1的步骤具体包括：
S11，将视频图像通过人脸检测器检测出人脸区域，并从所述人脸区域中提取人眼检测区域；
S12，将所述人眼检测区域通过滑窗搜索人眼，对每个滑窗的人眼区域提取HOG特征向量，并降低所述HOG特征向量的向量维度，再通过SVM进行分类，生成第一层候选人眼区域，若未生成则返回步骤S11继续进行初始化；
S13，若检测到所述第一层候选人眼区域，则对所述第一层候选人眼区域提取LBP特征向量，再通过SVM进行分类，生成第二层候选人眼区域，若未生成则返回步骤S11继续进行初始化；
S14，若检测到所述第二层候选人眼区域，取置信度最大的人眼区域为最终人眼区域，将所述最终人眼区域的图像生成为人眼模板，将所述最终人眼区域的中心点坐标作为人眼坐标并生成初始的人眼信息包，并输出所述人眼坐标，若未检测到所述第二层候选人眼区域或是初始的人眼信息包内的人眼坐标数量还少于预设数量，则返回步骤S11继续进行初始化。


3.根据权利要求2所述的结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述降低所述HOG特征向量的向量维度采用主成分分析法。


4.根据权利要求1所述的结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述S3的步骤具体包括：
S31，对每个滑窗的人眼区域提取HOG特征向量，并通过主成分分析法降低所述HOG特征向量的向量维度；
S32，通过SVM进行分类，生成第一层候选人眼区域；
S33，若检测到所述第一层候选人眼区域，则对所述第一层候选人眼区域提取LBP特征向量，若未检测到所述第一层候选人眼区域，则判断在所述人眼搜索区域内没有检测到人眼，进入步骤S4；
S34，通过SVM进行分类，并生成第二层候选人眼区域；
S35，若检测到所述第二层人眼区域，则取其中置信度最大的人眼区域为最终人眼区域，并判断在所述人眼搜索区域内是否检测到人眼，若未检测到所述第二层人眼区域，则判断在所述人眼搜索区域内没有检测到人眼，进入步骤S4。


5.根据权利要求1所述的结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述S4的步骤具体包括：
S41，若所述步骤S3判断在所述人眼搜索区域内检测到人眼，则将所述人眼信息包的所述人眼模板的图像更新为最终人眼区域的图像，将所述最终人眼区域的中心点坐标作为当前人眼坐标，用所述当前人眼坐标更新所述人眼信息包中的所述人眼坐标集合，并输出所述当前人眼坐标；
S42，若所述步骤S3判断在所述人眼搜索区域内没有检测到人眼，则通过所述人眼信息包的所述人眼模板，在所述人眼搜索区域内匹配检测人眼。


6.根据权利要求5所述的结合多特征级联SVM与人眼模板的人眼定位方法，其特征在于，所述步骤S42还包括：S421，若经过所述人眼模板匹配到人眼，则更新所述人眼模板与所述人眼坐标集合，并输出当前人眼坐标；S422，...

【专利技术属性】
技术研发人员：周中奎，李银国，史豪豪，练建沛，王强，
申请(专利权)人：重庆利龙科技产业集团有限公司，
类型：发明
国别省市：重庆;50