[发明专利]基于Retinex理论的复杂光照下的人眼检测方法

说明书

技术领域

本发明属于模式识别技术领域，主要涉及目标检测，尤其涉及从人脸图像中进行人眼检测这一方向。具体是一种基于Retinex理论的复杂光照下的人眼检测方法。本发明主要用于人脸交互系统实现人眼位置的获取。

背景技术

人脸检测与识别的研究始于20世纪60年代中后期，主要包含人脸检测与跟踪、面部特征检测与提取、人脸属性分类及识别几个功能。目前已经成为模式识别和计算机视觉领域中一项受到普遍重视且研究十分活跃的课题，已被广泛应用于公安刑侦、司法鉴定、访问控制、金融支付、医学应用、视觉监控、视频会议等众多领域。作为脸部特征的重要组成部分，眼睛的检测对于人脸信息的处理具有重要的意义，不仅可以提高识别和检测的速度，而且能够降低识别算法的复杂度。在脸部器官定位方面，只要人眼被精确定位，眉毛、鼻子、嘴巴等其他特征就可以通过潜在的分布关系比较准确地进行定位。眼睛的定位还可以使人脸较好地归一化，预处理的效果也更加明显。另外，眼睛在感情以及辅助语言交流中也发挥着巨大的作用。

一般来说，在图像中检测眼睛主要有两种方式：首先在图像中检测人脸，然后再在人脸区域内寻找眼睛；直接在图像中检测眼睛。本发明属于在第一种方式下的人眼检测问题。

目前，人眼检测的基本方法可以归为以下几类：1.基于模板匹配的方法2.基于统计的方法3.基于知识的方法。

早期的基于统计的方法例如，支持向量机(support vector machine，SVM)在过去的眼睛检测研究中占有重要的地位。SVM是由Vanpik领导的AT&TBell实验室研究小组在1963年提出的一种分类技术。它是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域。其核心思想是：对于输入空间中非线性可分的情形，选择一个适当的非线性映射，将输入空间中的样本点映射到一个高维的特征空间，使对应的样本点在该特征空间中是线性可分的。实践证明，该算法检测精度较高，对于正面图像或者旋转较少的人脸图像有着较高的检测率。

本发明项目组对国内外专利文献和公开发表的期刊论文检索，尚未发现与本发明密切相关和一样的报道或文献。

发明内容

本发明是一种人眼检测方法，能对不同光照下的人脸图像中的人眼进行定位，为人脸交互系统的其它处理提供了基本前提。本发明检测速度快，并且能适用于多种复杂的光照环境，适应性强。

下面对本发明进行详细说明

本发明是一种基于Retinex理论的人眼检测方法，其特征在于：对正面人脸图像进行人眼检测过程包括如下步骤：

步骤1对输入的待检测正面人脸图像进行光照标准化处理。

步骤2人眼候选检测，用10*20像素的窗口对光照标准化的图像进行扫描，扫描步长为2像素，在每个10*20像素的窗口中统计5种边缘模板出现的次数，得到该窗口的边缘直方图描述子(EHD)，对该直方图描述子的5维求平均值，得到该窗口的边缘复杂度E，对待测正面人脸图像的所有窗口求得平均边缘复杂度E_mean，以E_mean为阈值，大于该阈值的图像块，被选为候选人眼，等待进一步验证，将所有候选的10*20像素图像块展开成一维向量x_i，由此生成验证样本集V。

步骤3基于支持向量机的人眼验证，使用SVM分类器对验证样本集V中的样本进行验证，SVM分类器需要通过训练过程得到一个人眼预测模型model，用该模型对验证样本集进行分类，先后将人眼预测模型model和验证样本集V输入SVM分类器，基于SVM进行分类，SVM分类器的输出是一个二值的标签y即人眼或非人眼，以及验证样本与分类超平面的距离f，执行步骤3的结果得到样本标签y及验证样本与分类超平面的距离f，其中y表示和区别该样本为人眼或非人眼。

步骤4确定人眼位置，用样本与分类超平面的距离f计算出待检测正面人脸图像的人眼概率分布在该分布中，求出两个最大的极大值点，确定为人眼的位置。

在现有的人眼检测方法中，有多种方法，本方法在其中一种基于统计方法即支持向量机方法的基础上进行了改进。本发明主要针对人眼检测系统框架进行了改进，加入了基于EHD的人眼候选检测，从而来优化检测的效率，降低计算复杂度。另一方面针对不同光照会影响检测效率的特点，采用光照标准化预处理表示，提高检测精度。

本发明的实现还在于：步骤2所述的边缘直方图描述子，该描述子是MPEG-7标准中的用于描述图像中边缘分布的描述子，该描述子的具体计算方法包括以下步骤：

2.1使用2*2像素的窗口在光照标准化后的图像中进行扫描。