一種眼睛形狀聚類算法

武曉勇 王鵬 亢衡 崔家禮

摘要：人眼作為面部的主要特征，對(duì)其形狀分類可以為身份識(shí)別（如虹膜識(shí)別和人臉識(shí)別）等應(yīng)用提供非常重要的信息，而聚類為分類提供依據(jù)。本文提出了一種眼睛形狀聚類算法，該算法分為以下幾大部分：第一部分確定眼睛輪廓，對(duì)輸入人眼圖片進(jìn)行關(guān)鍵點(diǎn)檢測(cè)；第二部分根據(jù)輪廓點(diǎn)對(duì)能夠描述人眼形狀的相關(guān)特征進(jìn)行提取；最后，通過(guò)K-means聚類算法對(duì)提取的特征進(jìn)行聚類。算法共得到7個(gè)眼睛形狀聚類。

關(guān)鍵詞：虹膜識(shí)別，關(guān)鍵點(diǎn)檢測(cè)，特征提取，眼睛形狀聚類

1 引言

隨著機(jī)器視覺(jué)、人工智能等領(lǐng)域技術(shù)的飛躍，IT行業(yè)進(jìn)入了認(rèn)知時(shí)代[1]，虹膜識(shí)別、刷臉支付等生物特征識(shí)別技術(shù)出現(xiàn)在日常生活中。與傳統(tǒng)的身份驗(yàn)證方法（身份證件、銀行卡、口令等）相比，生物特征有不易復(fù)制，不易丟失等顯著優(yōu)點(diǎn)[2]。

眼睛作為具有高度辨識(shí)性的面部器官之一，在虹膜識(shí)別和人臉識(shí)別等領(lǐng)域起著關(guān)鍵的作用。在虹膜識(shí)別中，眼睛檢測(cè)是預(yù)處理的第一步，也是至關(guān)重要的一步。大型的面部特征數(shù)據(jù)庫(kù)能夠根據(jù)人眼形狀劃分為多個(gè)子面部特征數(shù)據(jù)庫(kù)，從而為縮小身份搜尋范圍提供極其有效的信息，在此基礎(chǔ)上進(jìn)行人臉識(shí)別將會(huì)大幅提高識(shí)別速度[3-5]。在此背景下，基于關(guān)鍵點(diǎn)的眼睛形狀聚類算法實(shí)現(xiàn)有著深遠(yuǎn)的應(yīng)用前景和研究?jī)r(jià)值。

2 算法流程

在通過(guò)神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行人眼檢測(cè)后，基于關(guān)鍵點(diǎn)的眼睛形狀聚類算法總流程包括輪廓點(diǎn)檢測(cè)、特征提取與眼形聚類幾個(gè)主要步驟。人眼輪廓點(diǎn)的位置信息為后續(xù)特征提取及眼形聚類提供了數(shù)據(jù)支持。

2.1確定眼睛輪廓

本文采用AlexNet模型，AlexNet具備5個(gè)卷積層和3個(gè)全連接層[14]。

（1）卷積層

卷積層共有5層。在后續(xù)參數(shù)優(yōu)化過(guò)程中，一個(gè)卷積核與一個(gè)差值相映射，即本卷積層里每個(gè)卷積核與上層輸入的每個(gè)偏差值相映射。

（2）全連接層

全連接層共有3層，上一層輸出的特征圖與本層全連接，本文采用tf.reshape（）將特征圖轉(zhuǎn)換為一維尺度，輸出值遵循dropout規(guī)則[6-13]。

3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)數(shù)據(jù)集來(lái)自劍橋大學(xué)Rainbow Group，該數(shù)據(jù)集包含11382個(gè)眼睛特寫(xiě)圖像[12]。本算法利用了眼周12個(gè)坐標(biāo)點(diǎn)，左眼角關(guān)鍵點(diǎn)序號(hào)為0，其他關(guān)鍵點(diǎn)按照順時(shí)針依次排列，分別記為p0，p1，…，p11。人眼樣本及輪廓點(diǎn)如圖1所示。

人眼圖像共聚成7類，其特征數(shù)據(jù)如表1所示。根據(jù)數(shù)據(jù)和直觀認(rèn)識(shí)，7類眼形分別命名為細(xì)長(zhǎng)眼、梭形眼、上斜眼、標(biāo)準(zhǔn)眼、杏眼、半月眼、瞇縫眼。

4 結(jié)論

本文提出一種基于關(guān)鍵點(diǎn)的眼睛形狀聚類算法。該算法基于關(guān)鍵點(diǎn)檢測(cè)技術(shù)，提取眼周相關(guān)數(shù)據(jù)，對(duì)目標(biāo)眼形進(jìn)行聚類。

基于關(guān)鍵點(diǎn)的眼睛形狀聚類算法不足之處在于：人眼關(guān)鍵點(diǎn)檢測(cè)環(huán)節(jié)，受圖片中眼周陰影、睫毛等因素影響，關(guān)鍵點(diǎn)定位精確度不高，影響聚類效果。

本文受北京市教委面上（KM201510009005）等資助。

參考文獻(xiàn)

[1]沈曉衛(wèi).IT行業(yè)已進(jìn)入認(rèn)知時(shí)代，掌握這5點(diǎn)很關(guān)鍵.[EB/OL].http：//www.sohu.com /a/ 133469 919_38932 7，2017.

[2]王濤.基于臉部生物特征及人眼定位的身份識(shí)別系統(tǒng)[D].蘭州：蘭州大學(xué)，2010.

[3]孫勁光，榮文釗.曲線相似度眼型分類[J].計(jì)算機(jī)科學(xué)與探索，2017，11（8）：1305-1313.

[4]劉歡喜.人體生物特征的綜合分析與應(yīng)用[D].上海：上海交通大學(xué)，2010.

[5]RainbowGroup.RenderingofEyes for Eye-Shape Registration andGazeEstimation.[EB/OL].http：//www.cl.cam.ac.uk/research/rainbow/projects/syntheseyes/，2015.

[6]賈瑞鳳，馬曾，侯春龍.以Python為工具培養(yǎng)學(xué)生計(jì)算思維[J].電腦知識(shí)與技術(shù)，2018，14（02）：117-118.

[7]Tensorflow官方網(wǎng)站.Tensorflow簡(jiǎn)介.[EB/OL]. https：//www.tensorflow.org/，2016.

[8]張立毅.神經(jīng)網(wǎng)絡(luò)盲均衡理論、算法與應(yīng)用[M].北京：清華大學(xué)出版社，2013，43-44.

[9]Wikipedia.Convolutional neural network.[EB/OL]. https：//en.wikipedia .org /wiki/ Convolutional_ neural_ network，2018.

[10]SVL.Module 2：Convolutional Neural Networks.[EB/OL]. http：//cs231n.github.io/ convol- utional-networks/#conv，2018.

[11]ujjwalkarn.An Intuitive Explanation of Convolutional Neural Networks.[EB/OL].https：// ujjwalkarn.me /20 16/08/11/intuitive-explanation-convnets/，2016-8-11.

[12]Fredrik Lundh.An Introduction To Tkinter[EB/OL].http：//effbot.org/tkinterbook /tkinter -whats-tkinter.ht - m，1999.

[13]朱威，屈景怡，吳仁彪.結(jié)合批歸一化的直通卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2017，29（9）：1650-1657.

[14]Alex Krizhevsky，，Ilya Sutskever，，and Geoffrey E. Hinton. ImageNet Classification with Deep Convo lutional Neural Networks[J].COMMUNICATIONS OF THE ACM，2017，60（6）：84-90.

[15]Wikipedia.Cross entropy.[EB/OL]. https：//en.wikipedia.org/wiki/Cross_entropy，2018- 1-13.

[16]索紅光，王玉偉.一種用于文本聚類的改進(jìn)k-means算法[J].山東大學(xué)學(xué)報(bào)（理學(xué)版），2008，43（1）：60-64.

（作者單位：北方工業(yè)大學(xué)信息學(xué)院）