[发明专利]一种人眼中心点定位的方法

说明书

技术领域

本发明属于计算机程序的技术领域，尤其涉及人眼中心点定位视觉处理的算法。

背景技术

人眼中心点定位在人脸识别、人脸特征定位、人脸艺术化等应用领域有着举足轻重的作用。目前人眼中心点定位算法总体来说有如下方法：

1、于模板匹配的方法。模板匹配的基本原理是对人眼睛建立一个参考模板，然后在多尺度上遍历图像，找到与人眼睛最匹配的尺度与位置，作为人眼中心点的精确定位。这种方法比较典型的有David等人提出的主动形状模型（Active Shape Models），Hall lnan.p.w等人提出的一种二维的可变形模板法。主动形状模型对初始的粗略位置要求比较高，否则容易陷入局部极小值，而且只能定位到与训练样本差不多的人眼，如果要定位不同姿态的人眼，需要训练多个分类器，这样标注训练样本的工作强度较大。而二维的可变形模板法用一个圆和两条抛物线来表示人眼模板，这个办法先使用一种边缘检测的算法检测边缘，然后运用插值的办法将边缘组成抛物线或圆，最后检测有意义区域，这种办法受噪声和表情的影响非常大，并且能够定位的人眼姿态也非常有限。

2、基于灰度投影的办法。灰度投影是将检测到的人脸在水平和垂直方向投影，这种办法根据人眼珠是黑颜色在灰度投影上会形成一个谷底，然后通过检测谷底的位置达到定位人眼特征的目的，但是通过实验发现投影谷底并不明显，对特征定位的精度极低。鉴于此李文娜将灰度变换和Gabor变换结合起来，直接检测凹陷的地形特征点，并结合人眼睛是对称的知识点，得到了一种快速的人眼定位的方法，但是这种办法对人眼的姿势要求严格，另外如果眼珠特征不明显时检测失败。

3、基于机器学习的方法。这种办法使用神经网络，支持向量机，Adaboost，Fisher判别等机器学习的方法训练人眼的分类器，然后在多尺度上使用分类器判别是否是人眼区域。这种办法在检测速度和检测率上有一定的保证，但是检测精度不高。

发明内容

本发明的研制目的是提供了一种计算量小，能适应各种复杂场景，克服人脸姿势变化，有较高定位精度的人眼中心点定位方法。此项发明准确率高，性能稳定，可有效的使用在人脸识别、人脸艺术化、人脸特征定位等应用领域中。

本发明是一种人眼中心点定位的方法，首先运用一种自底向上的方法检测人脸，接着计算人脸图像的局部二阶矩图像H；计算H的极值区域、非极值区域、平均值区域；然后使用一种自顶向下的聚类算法将非极值点聚类到极值点区域；再寻找满足人眼知识的两个最可能的区域；最后计算寻找到的两个区域的重心作为人眼中心点位置。提供了一种计算量小，能适应各种复杂场景，克服人脸姿势变化，有较高定位精度的人眼中心点定位算法。总体流程图如图1所示。

所述的人脸检测方法中，先使用Adaboost算法检测人眼，然后根据眼睛位置得到人脸的位置，这是一种自底向上的人脸检测方法，能够克服部分遮挡的问题，同时因为在人脸姿势发生变化时人眼特征变化不大，故而能够检测到较大偏转角度人脸上的人眼，进而检测较大偏转角度的人脸。

所述的局部二阶矩的计算中，使用一定大小的滑动窗口，计算窗口内的局部矩，更好的描述了图像中的纹理信息，极大的突出了人眼部位的特征。

所述的求极值方法中，采用一种类似降潮的方法，从最大的特征值开始，降落至所有特征值的平均值，在降落的过程中，如果连通区域上方没有其它区域，则设为新的极值区域，如果连通区域上方只有一个区域，则扩大已有的极值区域，如果连通区域上方有两个或两个以上的区域，则连通区域为两极值或多极值区域的交融区域，设为一个新的非极值区域。小于平均值的像素点均设为平均值区域。

所述的自顶向下的聚类算法中，首先计算每个区域的上层点到最底层点平均需要像素数即区域变化率，最后如果某层与它的上层变化率相近则将此层与它的上层合并，否则与它的底层合并。重复上述过程，直至所有的区域要么属于极值点区域要么属于平均值区域。

所述的人眼候选区域判定算法中，只根据简单的人眼分布知识得到两个最可能的人眼候选区域。

所述的寻找满足人眼知识的两个最可能的区域，只寻找两个面积相差不大的区域，这两个区域中间没有大于两区域平均值的极值点，并且两区域之间的距离小于两区域中心向量方向的两区域的宽度之和，区域的外接矩形高度在总高度的1/12到1/4之间，区域的外接矩形宽度在总宽度的1/6到1/4之间。将这两个区域的重心作为人眼中心点的位置。

本发明的有益效果在于：

1.搭建了人眼中心点定位方法框架，为多种不同方式的人眼中心点定位算法的研究奠定了基础；