人脸检测中的眼睛定位算法研究(1)(3)
2014-02-22 02:38
导读：(a) 原图像 (b) 在水平方向上的投影 (c) 在垂直方向上的投影图4 水平方向和垂直方向的投影结果示意图 该算法的优势在于首先通过灰度投影曲线确定眉眼区
(a) 原图像
(b) 在水平方向上的投影
(c) 在垂直方向上的投影图4 水平方向和垂直方向的投影结果示意图 该算法的优势在于首先通过灰度投影曲线确定眉眼区域，使数据量大大减少，然后在有效的边缘检测之后，使用了高效的边缘分组策略，在保证正确率的基础上，提高了算法速度。此算法的定位错误出现在头部倾斜度过大，以及侧光太强，还有头部在图像中所占区域过小的情况。 (4) 对称变换法 在计算机视觉研究中，对称性被认为是物体的基本性质之一，通常在将物体从背景中分割出来后，用来简化物体形状的描述，或物体的近似。目前研究最多的是点对称（也叫中心对称）和轴对称，对人脸而言，眼睛、鼻子、嘴巴等都有很弱的点对称性，广义对称变换正是用来描述物体的点对称。文献[3] 利用广义对称变换定位人眼进而提取脸部特征，文献[4]在广义对称变换的基础上，定义了一种方向对称变换DST（Directional Symmetry Transform），用于人眼的精确定位。以上的对称变换利用了人眼的中心强对称和脸部特征的生理几何分布，对人脸偏转、脸部表情变化、光照变化等因素的左右不敏感，因而具有很好的鲁棒性。但是，以上对称变换的计算需要在大范围的尺度上进行，计算量很大，而且，由于只是描述了各点的局部对称性，当它用于人眼的定位时产生的候选点较多，不太利于眼睛的精确定位。 结合广义对称变化和方向对称变换的优点，于是有了一种新的对称变换——离散对称变换，它不仅具有广义对称变换描述物体对称性大小的特点，而且通过对各点领域的考察，去除那些处于规则区域外的点，可大大降低计算量，实现眼睛定位的快速算法。广义对称变换把图像中的所有像素点同等对待，每个像素点都计算其对称值。事实上，在图像中物体的单一背景区域中，大面积的灰度均匀区域上的像素点在一定的尺度范围内不具有明显意义的对称性，所以就不必计算它的对称值，而这样的像素点在人脸图像中占了很大一部分，如头发、脸部除眼、嘴等特征区域之外的区域及部分身体区域。眼、嘴、鼻子等特征区域在大于其轮廓的范围内灰度有变化，这样的区域我们把它称为灰度不均匀区。离散对称变换以减少计算量为出发点，在计算对称之前加入一个对图像灰度不均匀区域的检测步骤以减少计算量，然后定义了一个与广义对称变化相似的对称算子来计算点对称。 离散对称变换实际上可看成一种非线形滤波，由于对每个像素点都进行相同的领域处理，适合于并行处理，在定位圆形物体圆心时，算子领域采用圆环。通过图像的离散对称变换后，眼睛中心点附近像素的对称值一般都处在对称值最大的前四、五位，对具有强对称值的候选点，采用两条简单的规则进行筛选。规则（1）：邻近像素合并，一般选取对称值内最大的前10位候选点，将其中位置相邻的候选点合并到它们中对称值最大的像素处；规则（2）：几何约束判别，对经过规则（1）筛选后的候选点，利用眼在脸部的几何分布性质进一步筛选，取基本符合眼睛分布规律的两点作为最终的定位双眼结果。3 基于肤色、几何特征和灰度信息的人眼定位 根据人眼灰度变化非常明显这一显著特点，本文提出的基于肤色、几何特征和灰度信息的人眼定位算法主要由以下几步组成。 (1) 肤色提取 肤色是人脸的重要信息，不依赖于面部的细节特征，对于旋转、表情等变化情况都能适用，具有相对的稳定性并且和大多数背景物体的颜色相区别。Anil K.Jain曾专门统计研究了皮肤的色彩模型，他提出的方法属于色彩空间中的聚类模型，这一类肤色模型的建立要选取一种合适的色彩空间。文献共2页: 1 [2] 下一页 论文出处(作者):
