人臉檢測及眼睛定位算法的研究

沈陽理工大學 李燕曉 秦麗娟

人臉檢測及眼睛定位算法的研究

沈陽理工大學 李燕曉 秦麗娟

隨著人工智能的迅速發展，人眼檢測和眼睛定位作為人臉識別、虹膜識別等研究的重要組成部分，其重要性不言而喻。本文首先研究了基于高斯橢圓膚色模型和形態學結合的人臉檢測技術，實現人臉分割，然后對分割后的區域采用灰度積分投影和徑向對稱變換（Radial Symmetry Transform）相結合的算法準確定位人眼。實驗結果顯示該方法在一定條件下具有較高的檢測率，而且具有較低的復雜度，容易滿足實際工程的要求。

人眼檢測；膚色分割；徑向對稱變換；高斯膚色模型

1 橢圓膚色模型的建立

根據膚色信息在色度分量上聚類特性，本文采用了Hsu提出的基于YCbCr色彩空間的加入亮度補償的橢圓膚色模型進行人臉分割。橢圓膚色模型公式如下：

其中，gray(x,y)表示在像素點（x,y）處的灰度值的大小，D表示膚色區域。橢圓膚色模型分割后的圖如圖1所示：

圖1 橢圓膚色模型分割圖

圖2 矩形標記后的二值人臉圖像

2 形態學處理和人臉矩形區域分割

為了更準確的分割出人臉區域，降低背景中類膚色信息的干擾，對膚色分割后的二值圖像進行形態學的開運算，以消除小的連通區域和孤立點，從而達到平滑二值圖像的目的。形態學處理和矩形區域分割后的圖像如圖2所示。

3 灰度積分投影算法粗略定位人眼位置

灰度積分投影算法是通過計算灰度圖像在不同方向上灰度值的累加和，然后根據投影曲線的分布特性來進行檢測的一種常見的圖像處理方法。通常情況下灰度積分投影分為水平投影和垂直投影,則圖像的水平和垂直投影分別為公式為：

本文實現眼睛定位的水平灰度積分投影曲線圖如圖3所示。

根據人臉的五官特征，眉毛區域的灰度值相對于額頭及上眼臉的灰度比較低，人眼中瞳孔和虹膜的像素值相對于上眼臉和下眼瞼的灰度值也比較低等特點判斷出圖中投影曲線的第一個谷值處對應眉毛區域，第二個谷值處對應眼球位置。分割出來的人眼區域如圖4所示。

4 徑向對稱變換實現眼睛的精確定位

徑向對稱算法（Radial Symmetry Transform）最早是由Loy提出用于檢測感興趣的區域（ROI）。它是通過徑向對稱性來凸顯具有對稱性的部分，從而實現對稱物體檢測的目的。由于圓形具有徑向對稱的特性，而且人眼瞳孔近似圓形，所以徑向對稱變換（RST）算法可以進行瞳孔檢測及定位。RST的算法流程圖如圖5。

圖3 水平灰度積分投影圖

圖4 水平灰度積分投影分割后的圖像

圖5 R S T算法流程圖

RST算法對上述分割后的圖像進行變換后的圖像如圖6所示。

圖6 R S T變換圖

圖7 人眼分割圖

經過RST變換過后，就可以精確的定位出瞳孔的位置。圖7中，亮斑的位置就是對應圖像中瞳孔的位置。實驗中以瞳孔中心為坐標，左右擴展十個像素點，上下擴展七個像素點，就可以準確地分割出人的眼睛。以左眼為例，分割效果如圖7所示。

5 結語

本文采用了加入光照補償的改進的高斯橢圓膚色模型和形態學結合的技術實現了人臉檢測，然后對分割后的區域采用了灰度積分投影和RST算法相結合的方法準確定位出了人眼。實驗結果表明具有比較高準確率和檢測速度，而且復雜度較低，易于工程實現。

[1]Rein-Lien Hsu，Abdel-Mottaleb M．，Jain A．k．，Face Detection in color image[J]．IEEE Trans．on Pattern Analysis and Machine Intelligence,2002,24(5)．

[2]黨治,馮曉毅．基于膚色模型的人臉檢測方法[J]．計算機應用,2006,28(4)．

[3]張杰,楊曉飛,趙瑞蓮．基于灰度積分投影和霍夫變換圓檢測的人眼精確定位方法研究[J]．重慶理工大學學報,2014,28(12)．