[发明专利]基于低分辨率光学摄像头的虹膜中心定位方法

说明书

本发明公开了基于低分辨率光学摄像头的虹膜中心定位方法。该方法通过改进Snakuscule能量模型的迭代部分，融合了跳跃迭代和单像素迭代的方法，实现虹膜中心的快速和准确检测，并且在迭代过程中加入了虹膜中心质检步骤来对迭代模式进行决策，以提高迭代效率，避免迭代步长过大造成的反复迭代以及迭代步过短造成的迭代时间过长的问题，且在单像素迭代中考虑十种可能的活动，包括8个方向和半径收缩与扩张的活动，以能提供最大能量值的活动作为迭代结果，解决了虹膜中心检测在非限定环境以及低分辨率设备条件下检测准确率低的问题，增加了虹膜中心的定位精度。

技术领域

本发明属于计算机视觉领域，具体是一种基于人脸关键点和主动轮廓模型的低分辨率人脸图像虹膜中心定位方法。

背景技术

虹膜中心的定位在许多计算机视觉应用中具有重要意义，是人机交互、人脸识别、人脸匹配、人脸情绪识别、用户注意力检测和视线估计等应用的重要前提。现有技术中虹膜中心定位的方法大致可以分为基于特征的方法、基于形状的方法、基于外观的方法以及混合方法这四类。

其中，基于特征的方法使用了人眼的一些典型特征完成虹膜中心的定位，例如眼角、虹膜、瞳孔、眼睑、角膜反射等。基于形状的方法一般是将眼睛的形状近似为简单的圆形或椭圆形，通过在人眼中寻找这些形状的中心来确定虹膜中心。基于外观的方法利用眼睛内部及眼睛轮廓周围的颜色特征来直接进行定位虹膜中心。混合方法则是通过混合使用多种上述方法，结合不同方法的优势从而提高识别的精度。

根据大量文献的记载，目前研究者们对于虹膜中心定位的实验结果已经可以达到很高的检测精度。然而实际生活场景中，由于检测环境几乎都比较复杂，且检测用的摄像头大多数也为低分辨率摄像头，很难达到论文中的理想实验状态，如何在这种非限定环境下准确而高效地定位虹膜中心是一项具有挑战的工作。

发明内容

针对现有技术的不足，本发明提出了基于低分辨率光学摄像头的虹膜中心定位方法，基于人脸关键点和主动轮廓模型的低分辨率人脸图像，通过改进snakuscule模型的迭代算法，实现在非限定环境与低分辨率设备下快速、准确定位虹膜中心。

基于低分辨率光学摄像头的虹膜中心定位方法，具体包括以下步骤：

步骤一：获取人脸图像，并基于SDM算法定位人脸图像上的特征点。

作为优选，定位人脸图像上的68个特征点。

步骤二：将步骤一定位得到的人眼特征点向外扩张几个像素实现分割，得到人眼ROI区域。通过人眼特征点得到眼睛的宽度和高度，进而得到人眼横纵比，通过横纵比判断人眼的开、闭状态。

步骤三：当步骤二判断的结果为人眼闭合状态，则通过人眼关键点求取人眼的中点，并将该中点作为人眼闭合状态下的虹膜中心点。

步骤四：当步骤二判断的结果为人眼睁开状态，对步骤二得到的人眼ROI区域进行二值化操作，然后进行降噪处理得到人眼ROI二值化图像，再对步骤二得到的人眼ROI区域通过灰度化函数得到对应的人眼ROI灰度图。

作为优选，通过全局阈值对人眼ROI区域进行二值化操作。

作为优选，全局阈值通过灰度直方图求得。

步骤五：遍历步骤四得到的人眼ROI二值化图像，获取其中值为255的像素点的位置，以及对应位置在人眼ROI灰度图上对应的像素值，将对应的灰度图中像素值最小的位置作为人眼虹膜的粗定位中心。

步骤六：根据步骤五得到的粗定位结果初始化snakuscule模型，向模型输入步骤二得到的人眼ROI区域。

步骤七：对步骤六得到的初始化后的snakuscule模型的内圆区域内作四区域跳跃迭代模型，通过比较四区域的归一化能量值，得到一个最优的跳跃迭代结果。