基于肤色特征和遗传算法的人眼瞳孔定位算法

第27卷 第6期 吉首大学学报(自然科学版)Vol.27 No.6 2006年11月J ournal of J ishou University(Natural Science Edi ti on)Nov.2006文章编号:1007-2985(2006)06-0069-04基于肤色模型和特征定位的人脸检测算法张书真1,2,宋海龙3,杨卫平1(1.国防科学技术大学ATR国防科技重点实验室,湖南长沙 410073;2.吉首大学物理科学与信息工程学院,湖南吉首 416000;3.国防科学技术大学理学院数学与系统科学系,湖南长沙 410073)摘 要:针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型(H SI I模型),它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.关键词:人脸检测;肤色模型;脸部特征定位;水平灰度投影;边缘检测中图分类号:TP391.41 文献标识码:A人脸检测是模式识别与计算机视觉领域的一项热点课题,它广泛用于人脸识别、智能人机接口、视频会议等.目前,比较常用的人脸检测方法可以概括为基于知识、基于结构特征、基于模板匹配以及基于统计模型的方法[1-2].在彩色图像中,肤色对于人脸检测是一项非常有用的信息,有效地利用肤色信息可以大大减小人脸区域的搜索范围.在肤色分割的基础上,再利用针对灰度图像的方法做进一步检测.笔者提出一种基于肤色模型和特征定位的人脸检测方法.首先建立一种改进的H SI I颜色空间.实验证明,在该空间建立的肤色模型能够适用于光照亮度变化范围较大条件下的肤色检测.在肤色分割的基础上,对候选脸区进行水平灰度投影,估计出人眼水平位置,然后采用Canny算子提取候选脸区的边缘,再通过加窗方法定位人眼,并最终输出人脸检测结果.1 肤色分割1.1色彩空间分析以色调、饱和度、亮度为三要素表示的HSI色彩,与人对色彩的感知相一致,是适合人类视觉特性的颜色空间[3],由RGB空间转换到HSI空间的变换公式如下:I=13(R+G+B),(1)S=1-3R+G+B(RGB)min,(2)H= 若B G,2 - 若B>G.(3)其中: =arccos12[(R-G)+(R-B)][(R-G)2+(R-B)(G-B)]12;(RGB)min指R,G,B这3个分量中最小的分量值.收稿日期:2006-09-16基金项目:国家自然科学基金资助项目(60573028);东南大学移动通信国家重点实验开放基金资助项目(A200503)作者简介:张书真(1977-),女,湖南桑植人,吉首大学物理科学与信息工程学院讲师,硕士生,主要从事模式识别、数字图象处理研究.分析(1),(2)式可以发现,饱和度分量S 与亮度分量I 相互关联.图像亮度的增加可以认为是向图像中增加了白光成分,而白光成分的增加必然导致图像饱和度相应地降低,因此HSI 空间内建立肤色模型对光照亮度变化敏感.由光照理论可知,图像的颜色由照射光源的光谱成分以及图像对入射光谱的反射系数决定,而白光中R ,G ,B 分量应该相等(否则为色光).设若图像的像素对3种基色光的反射系数相差不大,则亮度改变引起的R ,G ,B 分量的改变值 R , G , B 近似相等,即 R = G = B .令R =R + R ,G =G + G ,B =B + B ,则有R -G =R -G ,同理(R -B )、(R -G )、(R -B )、(G -B )的值都不改变.将上述结果代入(3)式,可得色调分量H 的值不随光照亮度的变化而改变.同时,将(1)式与(2)式相乘,得SI =[R -(RGB )min ]+[G -(RGB )min ]+[B -(RGB )min ]3.(4)光照亮度改变后,因 R = G = B ,(4)式中[R -(R G B )min ]=[R -(RGB )min ],同理[G -(RGB )min ],[B -(RGB )min ]的值都不改变,即SI 的值不随光照亮度的变化而改变.通过上述分析,建立起一个改进的H SI I 颜色空间.在该空间中,实际颜色相同的2个像素,在光照亮度变化的条件下,仍然聚集到相同的空间位置上,在其二维投影H SI 平面上可以构造出适应光照亮度变化范围较大的肤色模型.1.2肤色模型建立肤色模型前,通过不同光照亮度下肤色点分布的实验证明了上述理论推导的正确性.图1表示了同一块皮肤样本在不同光照亮度下分别在H S 平面和H SI 平面的聚类结果,其中各坐标分量都做了归一化处理.图1-a 表示同一肤色样本在不同光照亮度下的图像,图1-b 表示在H S 平面内肤色点的分布,图1-c 表示在H SI 平面内肤色点的分布.图1 不同亮度下肤色样本在H S 面和H SI 面的分布图2 不同亮度下图像的二值化结果实验结果清楚地表明:H SI I 空间在光照亮度变化的条件下具有更好的聚类效果.进行H SII 空间的肤色模型训练时,选取了不同光照亮度、不同背景、不同年龄等因素的皮肤样本共40块,通过统计分析,给出一个阈值分割的肤色模型:H[0.00,0.17]且SI [0.02,0.25],或H [0.97,0.99]且SI [0.02,0.05].利用上面这个肤色模型,对不同光照亮度下同一幅彩色图像进行二值化处理,实验结果如图2所示.图2-a 表示亮度较低的图像及其检测结果,图2-b 表示正常亮度的图像及其检测结果,图2-c 表示亮度较高的图像及其检测结果.实验中,图像亮度变化范围虽然较大,但肤色分割的结果大致相同,肤色区域几乎都被检测出来.因70吉首大学学报(自然科学版)第27卷此,实验证明了在H SI I 空间建立的肤色模型是有效可行的,它对光照亮度的变化具有强鲁棒性.1.3候选人脸区域的确定图3 形态学处理及归并后的图像在肤色分割后的二值化图像中不可避免地出现噪声,笔者采用形态学算子去除分割后的噪声,并使得图像中重要的区域(肤色区域)仍能保持连贯的轮廓.图3-a 表示经形态学处理后的图像.为进一步排除形态学滤波后不含人脸的肤色区域,需要对滤波后的二值图像的目标区域进行形状分析,将不可能的人脸区域过滤掉.具体操作如下:首先对前阶段处理过的二值图像提取出轮廓及外接矩形;然后根据目标区域面积大小和外接矩形的长宽比,对获得的目标区域作出筛选.通过处理,就可以从肤色分割的图像中得到一组候选人脸区域,图3-b 表示归并后的候选人脸区域.[4]2 特征定位2.1水平积分投影估计人眼的水平位置将彩色图像转换为灰度图像,可以发现灰度图中脸部特征处(如鼻子、眼睛、眉毛等)的灰度值要低于脸部其他区域.因此,可以对正面人脸进行灰度投影分析,粗略定位特征部位的位置.笔者主要是用水平积分投影估计人眼的水平位置.水平积分投影如图4-a 所示.设候选人脸区域大小为M N ,I (x ,y )表示像素点(x ,y )处的灰度值,则图像的水平积分投影函数为图4 积分投影定位人眼水平位置过程H (y )=1M M x =1I (x ,y ).(5)为了去除噪声影响,将一维Gauss 模板与H (y )进行卷积运算,得到平滑后的水平投影如图4-b 所示.观察投影图可发现,在候选脸上半区通常有2个极小值点,分别对应人的眉毛和眼睛部位.而眉毛位于眼睛的上面,因此可将投影图中上半区的第2个谷点对应的y 值确定为人眼水平位置坐标,如图4-c 所示.2.2边缘检测实现人眼定位精确定位人眼采用了边缘检测和加窗处理,具体实现步骤如下:(1)通过最大方差准则设定阈值,对候选脸区的灰度图像进行二值化处理,这样的处理是接下来的边缘检测获得较好效果的关键步骤.二值化结果如图5-a 所示.(2)利用Canny 算子提取二值化图像的边缘.在提取边缘时将阈值取得较高,使得脸部的边缘点仅由眉、眼等特征位置的强边缘组成,而不会包括鼻的轮廓产生的弱边缘.图5-b 为提取边缘后的图像,边缘像素点用白色表示.(3)在边缘图像上加一个大小为K L 的窗,K 的取值应大于瞳孔的宽度,小于两眼的水平间距,L 的取值应大于眼睑的高度,小于眉眼的垂直距离.将此窗放在候选脸区边缘图图5 边缘检测提取人眼过程的左端,高度为预估人眼水平位置对应的y 值,然后在候选人脸区内沿人眼水平位置从左往右移动窗口,移动步长为K .每移动一次记录下窗口中白色像素点的数目,移动结束后找出窗口中白色像素点数目出现最大值和次最大值的2个位置,即为两眼睛所在的位置.图5-c 中灰色块表示窗口移动结束后找到的两眼位置.双眼位置一旦确定,即可根据 三停五眼 规则输出检测到的人脸区域.71第6期 张书真,等:基于肤色模型和特征定位的人脸检测算法3 结果与分析实验选用了不同来源的彩色图像共50幅,图6给出了部分图像的人脸检测结果.图6 部分图像的检测结果实验中检测失败的出现主要是在头部倾斜度过大和偏色光干扰的情况下.对于这些问题期望通过2种方法来解决:一是对候选脸区利用主轴旋转得到端正人脸后再做人眼检测,二是利用色彩平衡来纠正色光干扰.由于采用了对光照变化具有强鲁棒性的的H SI I 肤色模型,从而实现了较好的肤色分割;而且,有效的边缘检测算法为人眼的最终定位提供了保证.由于算法中人脸特征定位比较简单,因此获得了较快的检测速度.[5-6]参考文献:[1] 梁路宏,艾海舟.人脸检测研究综述[J].计算机学报,2002,25(5):449-458.[2] YANG M ing -Hsuan,DAVID J KRIEGMAN NARENDRA AHUJE.Detection Faces in Images:A Survey [J].IEEE Transactions onPattern Analysis and Machine Intelligence,2002,24(1):34-58.[3] 丁海波,薛 质,李生红.基于HSI 空间的肤色检测方法[J].计算机应用,2004,24:210-211.[4] LAM K M,YAN H.An Improved M ethod for Locating and Extracting the Eye in Human Face Images [C].Washington,DC,USA:IEEE Computer Society,1996.[5] ZHANG L M,LENDERS PATRICK.Knowledge -Based Eye Detection for Hu man Face Recognition [C].IEEE Fourth InternationalConference on Knowledge -based In telligen t Engineering System &Allied Technologies,2000.[6] 陶 亮,庄镇泉.复杂背景下人眼自动定位[J].计算机辅助设计与图形学学报,2003,15(1):38-42.Face Detection Based on Skin Model and Features LocationZHANG Shu -zhen,SONG Ha-i long,YANG We-i ping(1.ATR Lab.,National University of Defense Technology,Changsha 410073,China;2.College of Physics Science &Information Engineering,Jishou University ,Jishou 416000,Hunan China;3.Dept.of Mathematics &Sys tem Sciences,National University of Defense Technology,Changsha 410073,China)Abstract :A face detection algorithm for color ima ges based on skin model and facial feature location is presented.Firstly,a ne w skin model (H SI I skin model)which has the robustness for variety of brightness is built.Sec ondly,facial re gion s horizontal gray -level projection is used to estimate the horizontal position of eyes.Finally,the edge fea -tures are checked to give the proper position of eyes.Experiments show that the algorithm is simple,fast and robust.Key words :face detection;skin model;facial feature location;horizontal gray -level projection;edge detection(责任编辑 陈炳权)72吉首大学学报(自然科学版)第27卷。

本文提出了一种基于肤色信息和眼睛粗略定位的人脸检测算法。

该算法先对Anil K.Jain 的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，确定人脸可能区域，然后再根据眼睛的粗略定位进一步确定人脸区域。

一、肤色分析(skin.m)Anil K.Jain提出的基于YCbCr颜色空间的肤色模型，根据当前点的Cb Cr值判断是否为肤色。

1% Anil K.Jain提出的基于YCbCr颜色空间的肤色模型2% 根据当前点的Cb Cr值判断是否为肤色3function result = skin(Y,Cb,Cr)4% 参数5 a = 25.39;6 b = 14.03;7ecx = 1.60;8ecy = 2.41;9sita = 2.53;10cx = 109.38;11cy = 152.02;12xishu = [cos(sita) sin(sita);-sin(sita) cos(sita)];13% 如果亮度大于230，则将长短轴同时扩大为原来的1.1倍14if(Y > 230)15 a = 1.1*a;16 b = 1.1*b;17end18% 根据公式进行计算19Cb = double(Cb);20Cr = double(Cr);21t = [(Cb-cx);(Cr-cy)];22temp = xishu*t;23value = (temp(1) - ecx)^2/a^2 + (temp(2) - ecy)^2/b^2;24% 大于1则不是肤色，返回0；否则为肤色，返回125if value > 126result = 0;27else28result = 1;29end二、眼睛粗略定位(findeye.m)30% 判断二值图像中是否含有可能是眼睛的块31% bImage----二值图像32% x---------矩形左上角顶点X坐标33% y---------矩形左上角顶点Y坐标34% w---------矩形宽度35% h---------矩形长度36% 如果有则返回值eye等于1，否则为037function eye = findeye(bImage,x,y,w,h)38% 根据矩形相关属性得到二值图像中矩形区域中的数据39% 存放矩形区域二值图像信息40part = zeros(h,w);41% 二值化42for i = y:(y+h)43for j = x:(x+w)44if bImage(i,j) == 045part(i-y+1,j-x+1) = 255;46else47part(i-y+1,j-x+1) = 0;48end49end50end51[L,num] = bwlabel(part,8);52% 如果区域中有两个以上的矩形则认为有眼睛53if num < 254eye = 0;55else56eye = 1;57end三、人脸检测(facedetection.m)58function facedetection(img_name)59% 读取RGB图像60I = imread(img_name);61% 转换为灰度图像62gray = rgb2gray(I);63% 将图像转化为YCbCr颜色空间64YCbCr = rgb2ycbcr(I);65% 获得图像宽度和高度66heigth = size(gray,1);67width = size(gray,2);68% 根据肤色模型将图像二值化69for i = 1:heigth70for j = 1:width71Y = YCbCr(i,j,1);72Cb = YCbCr(i,j,2);73Cr = YCbCr(i,j,3);74if(Y < 80)75gray(i,j) = 0;76else77if(skin(Y,Cb,Cr) == 1)78gray(i,j) = 255;79else80gray(i,j) = 0;81end82end83end84end85% 二值图像形态学处理86SE=strel('arbitrary',eye(5));87%gray = bwmorph(gray,'erode');88% imopen先腐蚀再膨胀89gray = imopen(gray,SE);90% imclose先膨胀再腐蚀91%gray = imclose(gray,SE);92imshow(gray);93% 取出图片中所有包含白色区域的最小矩形94[L,num] = bwlabel(gray,8);95STATS = regionprops(L,'BoundingBox'); 96% 存放经过筛选以后得到的所有矩形块97n = 1;98result = zeros(n,4);99figure,imshow(I);100hold on;101for i = 1:num102box = STATS(i).BoundingBox;103x = box(1); %矩形坐标x104y = box(2); %矩形坐标y105w = box(3); %矩形宽度w106h = box(4); %矩形高度h107% 宽度和高度的比例108ratio = h/w;109ux = uint8(x);110uy = uint8(y);111if ux > 1112ux = ux - 1;113end114if uy > 1115uy = uy - 1;116end117% 可能是人脸区域的矩形应满足以下条件：118% 1、高度和宽度必须都大于20，且矩形面积大于400119% 2、高度和宽度比率应该在范围（0.6,2）内120% 3、函数findeye返回值为1121if w < 20 || h < 20 || w*h < 400122continue123elseif ratio < 2 && ratio > 0.6 && findeye(gray,ux,uy,w,h) == 1124% 记录可能为人脸的矩形区域125result(n,:) = [ux uy w h];126n = n+1;127end128end129% 对可能是人脸的区域进行标记130if size(result,1) == 1 && result(1,1) > 0131rectangle('Position',[result(1,1),result(1,2),result(1,3),result(1,4)],'EdgeColor','r'); 132else133% 如果满足条件的矩形区域大于1则再根据其他信息进行筛选134for m = 1:size(result,1)135m1 = result(m,1);136m2 = result(m,2);137m3 = result(m,3);138m4 = result(m,4);139% 标记最终的人脸区域140if m1 + m3 < width && m2 + m4 < heigth141rectangle('Position',[m1,m2,m3,m4],'EdgeColor','r');142end143end144end四、主函数(main.m)145%清理窗口146close all147clear all148clc149% 输入图像名字150img_name = input('请输入图像名字(图像必须为RGB图像，输入0结束)：','s');151% 当输入0时结束152while ~strcmp(img_name,'0')153% 进行人脸识别154facedetection(img_name);155img_name = input('请输入图像名字(图像必须为RGB图像，输入0结束)：','s');156end。

基于肤色检测和人眼定位的人脸检测方法
摘要：提出了一种基于肤色检测和人眼定位的人脸检测方法。

使用基于基准白色的色彩平衡方法归一化彩色图像，将图像在HSV 空间进行肤色分割，确定候选人脸，采用形态学滤波器对其降噪。

在获得虹膜位置的基础上，使用Susan 算子定位两个眼角点，从而实现眼睛的精确定位。

实验证明提出的方法能够很好的检测人脸、定位人眼，尤其对存在人脸旋转和光照异常的人脸图像有很高的精确度和鲁棒性。

1 引言
人脸检测是指处理分析输入的图像，判断其中是否有人脸，如果有则找到人脸的位置，并将人脸从背景中分离出来。

近年来出现了大量人脸检测方法，主要分为基于特征的和基于图像的等两种方法。

前者以某种特征如肤色、脸型、鼻子和嘴巴等为最小处理单元；后者以图像中的像素为处理单元，把人脸检测看成典型的模式识别问题，使用训练算法区分人脸和非人脸区域。

基于肤色的人脸检测，很容易受光照异常的影响，因此本文首先对图像进行色彩平衡；实验中发现肤色提取后的图像仍然存在许多噪声点，直接。

人脸检测中的眼睛定位算法研究摘要眼睛是一个在人脸检测中极为重要的人脸特征，因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。

本文分析了几种常用的眼睛定位算法，并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。

算法采用由粗到细的检测策略，先对Anil K.Jain 的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，然后结合人眼几何特征进行初步定位，再利用人眼的灰度信息进行精确定位。

该算法定位效率高，并对背景、尺寸等细节具有很好的适应性，在人脸实时检测系统中具有很好的应用价值。

关键词眼睛定位；肤色提取；几何特征；复杂度1 引言双眼是人脸的突出特征，它们在人脸中占据比较固定的位置，双眼间的距离刻画了人脸的大小，是人脸识别中尺度归一化的依据。

因此双眼的精确定位成为人脸识别前处理阶段非常关键的一步，绝大部分的人脸识别算法都强烈地依赖于双眼的准确定位。

只要人眼被精确定位，则脸部其他特征，如眉、鼻、嘴等，可由潜在的分布关系比较准确地定位。

人脸可以较好地归一化，预处理的效果也更明显，同时也可提高识别速度和降低识别算法的复杂度。

正因为眼睛定位在人脸识别中具有如此重要的地位，于是人们研究各种算法来实现眼睛定位，主要可以分为以下几类：霍夫变换法、变形模板法、边缘特征分析法和对称变换法等，本文结合人脸的肤色和几何特征以及人眼的灰度信息提出了一种快速、稳定的人眼定位算法。

2 常用的几种眼睛定位算法(1) 霍夫变换法假设经预处理已经得到包含眼球的图像Ep，为了节省检测眼球的时间并避免镜片反光点边缘产生的干扰，先用小灰度聚类法粗定眼球中心点，以此缩小检测范围，聚类的过程是将图像Ep中灰度值最小的n个像素，按列递增的顺序排序，若相邻的列数差值都未超过预先设定的门限T1，说明只有一个聚类中心，求出这些像素行列的平均值就是要找的眼球中心点；若超过了门限T1，说明这n个像素可以聚成两类，对左眼，因为阴影、镜脚集中在左边，所以取右边那类的平均值；对右眼，则取左边那类的平均值；n的选择可根据图像Ep的总像素数目及眼球占图像的大致百分比决定。

基于肤色建模和眼睛亮度检测的人脸定位技术研究摘要：提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。

在检测前，先对图像进行光线补偿，再通过肤色模型获得可能的脸部区域，最后根据眼睛在人脸固有位置亮度检测人眼，最终确定人脸区域。

通过实验测试说明，该方法对人脸的检测达到了较好的效果。

关键词：人脸检测；光线补偿；肤色建模人脸作为图像与视频中重要的视觉对象之一，是智能人机接口等许多应用的处理目标对象。

近年来，人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。

人脸检测技术在计算机视觉等领域的研究中有着重要的意义：一方面，将人脸作为基本视觉对象来考虑，是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提；另一方面，人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。

人脸检测是指在使用计算机在输入图像中判断人脸是否存在，若存在，确定人脸的大小、位置。

人脸检测系统的输入可能包含人脸图像，输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。

具体地说，就是根据一定的算法确定输入图像是否存在人脸，如果存在的话，标出人脸的位置作为人脸检测系统的输出。

1 肤色建模肤色是人脸最重要的信息，而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。

不同种族、性别人的肤色差异主要体现在亮度上。

要提高肤色的聚类性就要消除亮度的影响。

经过实验验证，在YCrCb色彩空间下，利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。

获取矩阵的最大值对相似度矩阵进行归一化。

计算整张图片的亮度平均值。

归一化之后的每个矩阵点乘以255，如果该值仍然小于整张图片的Y分量平均值，则认为该点不是人脸的皮肤。

最后把认为是人脸皮肤的像素点置为白色，其余的点置为黑色，得到黑白二值图像。

其中，RGB色彩空间转换YCrCb色彩空间如式（1）所示，YCrCb 空间下肤色相似度Fmod计算如式（2）所示。

一种由粗略到精确的瞳孔定位算法周永修;张莲;高梓翔;陈大孝【摘要】Aiming at pupil precise localization algorithm is too complicated in present stage, put forward a pupil precise localization algorithm from rough to precise. First, according to grayscale integral projection of the face,the general location of the eyes can be determined quickly. Then use the Hough transform to locate the exact position of eye pupil center. Next, use Harris corner detection algorithm find the corner of the eye. Finally, determine the exact position of the pupil through the coordinate location of the pupil and eye corner. The proposed algorithm tested with the MATLAB, it is proved to be a simple, accurate positioning algorithm.%针对现阶段实现瞳孔精确定位算法过于繁琐的问题，提出一种由粗略到精确的瞳孔精确定位算法。

首先用灰度积分算法粗略找出人眼部位在人脸上的大概位置，然后用Hough变换定位出人眼瞳孔中心的精确位置，接着用Harris角点检测算法对眼角点进行定位，最后通过瞳孔与眼角点的相互坐标定位出人眼瞳孔的精确位置。

基于YCb'Cr'肤色特征和Otsu算法的人眼定位优化方法杨秀芳;戚银城;李婷;苑清
【期刊名称】《南京邮电大学学报（自然科学版）》
【年(卷),期】2014(034)001
【摘要】为了解决光照和人脸姿态对人眼定位的影响,提出一种基于肤色特征和最大类间方差法(Otsu)相结合的人眼定位优化方法.该方法首先在检测出人脸的基础上,在YCb' Cr’色彩空间里做肤色检测,运用肤色分割原理缩小人眼检测的搜索区域;接着,对图像进行Otsu阈值分割,提取二值图像的眼睛区域;最后,在眉眼区域利用二值积分投影分别定位左右眼睛.该方法减小了光照对图像的影响,并且简单快速.在标准的VidTIMIT人脸库和自采图库上进行了实验仿真,结果表明,此算法在光照和人脸姿态变化的情况下都具有很好的鲁棒性.
【总页数】4页(P99-102)
【作者】杨秀芳;戚银城;李婷;苑清
【作者单位】华北电力大学电气与电子工程学院,河北保定071003;华北电力大学电气与电子工程学院,河北保定071003;华北电力大学电气与电子工程学院,河北保定071003;华北电力大学电气与电子工程学院,河北保定071003
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于肤色模型和灰度投影的人眼定位算法 [J], 黄雄;杨会成;王洪伟
2.基于肤色模型和灰度投影的人眼定位算法 [J], 黄雄;杨会成;王洪伟;
3.基于肤色模型和人眼几何特征的人眼定位算法 [J], 徐松;吴慧;符志鹏
4.基于肤色模型的人脸检测与人眼定位 [J], 宋凌怡
5.基于肤色匹配和积分投影结合的人眼定位方法研究 [J], 荔小虎;唐晶磊
因版权原因，仅展示原文概要，查看原文内容请购买。

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用２００８，４４（１０）１引言人脸识别是模式识别研究领域的重要课题，目前是一个非常活跃的研究方向。

人脸识别中一个最重要的过程就是特征检测与提取，因为眼睛、鼻子和嘴巴等特征集中了人脸的大部分信息。

因此对于人脸识别中的特征提取来说，不仅要检测出这些特征，而且要准确地加以定位。

眼睛是人脸识别中包含特征信息最多的器官，对它的精确定位是后续特征提取的前提和基础，而其精度更是直接影响到整个系统的识别率，所以一个有效、快速和精确的人眼定位方法是非常重要的。

本文提出了一种直接定位人眼的方法，首先将提取出的人脸图像利用图像的混合投影曲线，根据凸峰宽度确定人脸的左右边界及上下边界，将人脸图像的范围缩小在双眼区域，并用Ｈｏｕｇｈ变换检测圆的方法来进行眼睛的精确定位。

实验表明，对背景比较大的图像，本文的方法定位效果尤佳，而且能大大地节省计算机的运算时间。

２图像的预处理当把图像输入到计算机的时候，由于输入转换器件及环境的影响等，使输入到计算机中的图像因含有各种各样的噪声而失真。

校正失真，把图像变换成标准形状。

把这一过程叫做图像的预处理。

图像的预处理包括输入图像的平滑、直方图均衡及光照的归一化处理。

２．１图像的平滑输入图像中一般都存在一定程度的噪声，而这些噪声对于人脸的定位、特征的提取和识别都有较大的影响。

平滑的目的是为了消除噪声，本文采用的平滑算法使用的是５×５的高斯模板Ｍ与原图像进行加权邻域平均以消除噪声。

即设以图像中任意一点（ｉ，ｊ）为中心，取出一个５×５邻域。

设输入图像在该点的像素值为ｆ（ｉ，ｊ），平滑后该点的像素值为ｆ′（ｉ，ｊ），则加权邻域平均可以表示为：ｆ′（ｉ，ｊ）＝１５×５２ｘ＝－２!２ｙ＝－２!ｆ（ｉ＋ｘ，ｊ＋ｙ）×Ｍ（２＋ｘ，２＋ｙ）（１）经过图像平滑之后，结果如图１。

２．２直方图均衡化数字图像的直方图是作为图像每一个灰度级的统计概率分布，它提供了图像灰度分布的概貌，直方图增强技术正是利用修改给定图像直方图的方法来增强图像的，最后得到的图像基于ＨＰＦ和Ｈｏｕｇｈ变换的人眼精确定位韩文静，李晶，孙农亮ＨＡＮＷｅｎ－ｊｉｎｇ，ＬＩＪｉｎｇ，ＳＵＮＮｏｎｇ－ｌｉａｎｇ山东科技大学信息与电气工程学院，山东青岛２６６５１０ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｑｉｎｇｄａｏ，Ｓｈａｎｄｏｎｇ２６６５１０，ＣｈｉｎａＥ－ｍａｉｌ：ｈａｎｗｅｎｊｉｎｇ９＠ｙａｈｏｏ．ｃｏｍ．ｃｎＨＡＮＷｅｎ－ｊｉｎｇ，ＬＩＪｉｎｇ，ＳＵＮＮｏｎｇ－ｌｉａｎｇ．ＥｙｅｌｏｃａｔｉｏｎｂａｓｅｄｏｎＨｙｂｒｉｄＰｒｏｊｅｃｔｉｏｎＦｕｎｃｔｉｏｎａｎｄＨｏｕｇｈｔｒａｎｓｆｏｒｍ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８，４４（１０）：６４－６６．Ａｂｓｔｒａｃｔ：Ｅｙｅｓｌｏｃａｔｉｏｎｉｓａｖｅｒｙｉｍｐｏｒｔａｎｔｓｔｅｐｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ．Ｈｏｕｇｈｔｒａｎｓｆｏｒｍｍｅｔｈｏｄｉｓｕｓｕａｌｌｙａｐｐｌｉｅｄｉｎｔｈｉｓｐｒｏｃｅｓｓ，ｂｕｔｉｔｓｃａｌｃｕｌａｔｉｏｎｉｓｔｏｏｌａｒｇｅ，ｔｈｅｓｐｅｅｄｉｓｔｏｏｓｌｏｗａｎｄｉｔｎｅｅｄｓａｂｕｎｄａｎｔｍｅｍｏｒｙ．ＡｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎＨｙｂｒｉｄＰｒｏｊｅｃｔｉｏｎＦｕｎｃｔｉｏｎａｎｄＨｏｕｇｈｔｒａｎｓｆｏｒｍｆｏｒｄｅｔｅｃｔｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｏｆｈｕｍａｎｅｙｅｓｉｓｐｒｏｐｏｓｅｄ．Ａｆｔｅｒｈｙｂｒｉｄｐｒｏｊｅｃｔｉｏｎ，ｔｈｅａｐｐｒｏｘｉｍａｔｅｐｏｓｉｔｉｏｎｏｆｈｕｍａｎｅｙｅｓａｒｅｄｅｔｅｃｔｅｄ．ＴｈｅｎｕｓｉｎｇＨｏｕｇｈｔｒａｎｓｆｏｒｍｏｎｔｈｅｂａｓｉｓｏｆｃｉｒｃｌｅ，ｔｈｅｅｘａｃｔｐｏｓｉｔｉｏｎｏｆｈｕｍａｎｅｙｅｓａｒｅｌｏｃａｔｅｄｒａｐｉｄｌｙ．Ｅｘｐｅｒｉｍｅｎｔｓａｒｅｍａｄｅａｎｄｖｅｒｙｐｒｏｍｉｓｉｎｇｒｅｓｕｌｔｓａｒｅａｃｈｉｅｖｅｄ．Ｋｅｙｗｏｒｄｓ：ｈｙｂｒｉｄｐｒｏｊｅｃｔｉｏｎ；Ｈｏｕｇｈｔｒａｎｓｆｏｒｍ；ｅｙｅｓｄｅｔｅｃｔｉｏｎ摘要：眼睛定位是人脸识别的非常重要的一个环节，常采用基于Ｈｏｕｇｈ变换的方法，但这种方法计算量大、运算速度慢，对存储空间需求大。

人脸检测中的眼睛定位算法研究摘要眼睛是一个在人脸检测中极为重要的人脸特征，因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。

本文分析了几种常用的眼睛定位算法，并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。

算法采用由粗到细的检测策略，先对Anil K.Jain 的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，然后结合人眼几何特征进行初步定位，再利用人眼的灰度信息进行精确定位。

该算法定位效率高，并对背景、尺寸等细节具有很好的适应性，在人脸实时检测系统中具有很好的应用价值。

关键词眼睛定位；肤色提取；几何特征；复杂度1 引言双眼是人脸的突出特征，它们在人脸中占据比较固定的位置，双眼间的距离刻画了人脸的大小，是人脸识别中尺度归一化的依据。

因此双眼的精确定位成为人脸识别前处理阶段非常关键的一步，绝大部分的人脸识别算法都强烈地依赖于双眼的准确定位。

只要人眼被精确定位，则脸部其他特征，如眉、鼻、嘴等，可由潜在的分布关系比较准确地定位。

人脸可以较好地归一化，预处理的效果也更明显，同时也可提高识别速度和降低识别算法的复杂度。

正因为眼睛定位在人脸识别中具有如此重要的地位，于是人们研究各种算法来实现眼睛定位，主要可以分为以下几类：霍夫变换法、变形模板法、边缘特征分析法和对称变换法等，本文结合人脸的肤色和几何特征以及人眼的灰度信息提出了一种快速、稳定的人眼定位算法。

2 常用的几种眼睛定位算法(1) 霍夫变换法假设经预处理已经得到包含眼球的图像Ep，为了节省检测眼球的时间并避免镜片反光点边缘产生的干扰，先用小灰度聚类法粗定眼球中心点，以此缩小检测范围，聚类的过程是将图像Ep中灰度值最小的n个像素，按列递增的顺序排序，若相邻的列数差值都未超过预先设定的门限T1，说明只有一个聚类中心，求出这些像素行列的平均值就是要找的眼球中心点；若超过了门限T1，说明这n个像素可以聚成两类，对左眼，因为阴影、镜脚集中在左边，所以取右边那类的平均值；对右眼，则取左边那类的平均值；n的选择可根据图像Ep的总像素数目及眼球占图像的大致百分比决定。

基于Eye Map和SIFT特征的人眼定位谢春芝【摘要】人脸对齐是人脸识别的前提,精确的人眼定位是人脸对齐的主要手段,为此提出了一种基于eye map和SIFT特征的人眼定位方法.首先根据人眼眼球部分的像素灰度比周围像素灰度更黑的特点,在人脸图像中选出满足该特征的像素点,接着通过排序滤波器得到这些像素点的连续区域及它们的几何中心,然后根据人眼特征点的几何限制粗选出候选的眼球像素点,最后在候选点的特定区域内提取SIFT特征,并采用支持向量机回归的方法得到响应值最大的像素点,该点即为人眼的精确定位点.实验结果分析表明该方法既具有较高的定位精度又具有较快的计算速度.%Eye alignment is the precondition for face registration, and the accurate eye localization is the main method for eye a-lignment. In this paper, a novel eye localization method based on eye map and SIFT feature is presented. First, based on the fact that eyeball is dark and round; those pixels darker than their surroundings are those from a face image. Then, connected regions in the eye map and their geometric centers are obtained by a rank order filter. Once more, candidate suitable eyeball pairs are selected based on a set of geometric constraints. And finally, SIFT features are extracted from the area of candidate eyeball pairs, with which the corresponding values are obtained by the support vector machine regressor. The pixel corresponding to the maximal value is just the accurate eye localization expected. Experiments show that the method not only has higher location accuracy but also has faster computation speed.【期刊名称】《西华大学学报（自然科学版）》【年(卷),期】2012(031)003【总页数】4页(P7-10)【关键词】eye map;SIFT特征;支持向量机;人眼定位;排序滤波器;人脸识别【作者】谢春芝【作者单位】西华大学数学与计算机学院,四川成都 610039【正文语种】中文【中图分类】TP391.41人脸识别具有非接触、事后验证能力强等特点，而成为最具发展潜力的生物特征识别技术之一。