[发明专利]一种人脸三庭五眼自动定位及比例确定方法

摘要

本发明公开了一种人脸三庭五眼自动定位及比例确定方法，在高清人脸图像上自动检测及提取完整人脸，自动检测局部特征及定位特征点，检测的局部特征包括左眼、右眼、左眉毛、右眉毛、鼻子、嘴巴、额头发际区、下巴区及脸宽区；定位的特征点包括左眼内眼角点、左眼外眼角点、右眼内眼角点、右眼外眼角点、左眉头点、右眉头点、鼻下点、下巴点、额头发际点、左眼外眼角外侧发际点以及右眼外眼角外侧发际点，最终，根据特征点在人脸图像中的坐标位置，自动计算出三庭五眼的像素间距及比例关系。本发明方法，定位及计算结果直观可见，准确度高。

主权项

一种人脸三庭五眼自动定位及比例确定方法，其特征在于，具体按照以下步骤实施：步骤1、检测人脸及提取完整人脸，具体步骤是：对于一幅人脸正面高清图像，利用AdaBoost算法的人脸分类器进行人脸检测，所检测到的人脸区域记为FaceROI，定义其左上角点为LeftTopPointface，该点的横坐标为LeftTopPointface.x、纵坐标为LeftTopPointface.y，宽为wface，高为hface，由区域FaceROI经公式(1)计算得到完整人脸区域FaceROI_Whole的左上角点的横坐标为LeftTopPointface_Whole.x，纵坐标为LeftTopPointface_Whole.y，宽度为W，高度为H，参照如下公式(1)：LeftTopPointface_Whole.x=LeftTopPointface.x-wface7LeftTopPointface_Whole.y=LeftTopPointface.y-hface5W=wface+2*wface7H=hface+12*hface35,---(1)]]>得到最终提取的完整人脸区域FaceROI_Whole；步骤2、检测人脸局部特征，定位特征点，具体步骤是：2.1)检测眼睛及眼角点定位2.1.1)检测眼睛及初步定位眼睛区域在完整人脸区域FaceROI_Whole中，由点(0,0)、(W/2,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行左眼检测，所检测到的左眼区域记为LeftROI，其宽、高分别记为weyeL、heyeL，左上角点记为LeftTopPointLeftROI；在由点(W/2,0)、(W,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行右眼检测，所检测到的右眼区域记为RightROI，其宽、高分别记为weyeR、heyeR，左上角点记为LeftTopPointRightROI；2.1.2)定位眼睛区域在完整人脸区域FaceROI_Whole中拷贝LeftROI区域到LeftROIImg，对区域LeftROIImg灰度化，计算区域LeftROIImg的灰度均值记为LeftROIImgG，再对LeftROIImg二值化，LeftROIImg的二值化阈值LeftThreshold的计算公式为：LeftThreshold＝0.8*LeftROIImgG， (2)二值化时，若像素的灰度值大于阈值LeftThreshold，则把像素置黑，否则置白，以下所有二值化操作均遵循此原则；置LeftROIImg二值图中高为的上边界区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightROI区域到RightROIImg，对区域RightROIImg灰度化，计算区域RightROIImg的灰度均值记为RightROIImgG，再对RightROIImg二值化，RightROIImg的二值化阈值RightThreshold的计算公式为：RightThreshold＝0.8*RightROIImgG， (3)置RightROIImg二值图中高为的上边界区域为黑；遍历LeftROIImg二值图，分别寻找上、下、左、右第一个白点Lt、Lb、Ll、Lr，过Lt、Lb分别沿水平方向画线，过Ll、Lr分别沿垂直方向画线，该四条直线的交点所围成的矩形区域的中心点记为OeyeLS，宽、高分别记为weyeLS、heyeLS；返回完整人脸区域FaceROI_Whole中，以OeyeLS为中心点，得到新的矩形区域LeftROI_new，其左上角点记为LeftTopPointLeftROI_new，宽、高分别为weyeLnew、heyeLnew，计算公式如下：weyeLnew=2*weyeLSheyeLnew=2*heyeLS,---(4)]]>遍历RightROIImg二值图，分别寻找上、下、左、右第一个白点Rt、Rb、Rl、Rr，过Rt、Rb分别沿水平方向画线，过Rl、Rr分别沿垂直方向画线，此四条直线的交点所围成的矩形区域的中心点记为OeyeRS，宽、高分别记为weyeRS、heyeRS；返回完整人脸区域FaceROI_Whole中，以OeyeRS为中心点，得到新的矩形区域RightROI_new，其左上角点记为LeftTopPointRightROI_new，宽、高分别为weyeRnew、heyeRnew，计算公式如下：weyeRnew=2*weyeRSheyeRnew=2*heyeRS,---(5)]]>2.1.3)定位内外眼角点2.1.3.1)在完整人脸区域FaceROI_Whole中拷贝LeftROI_new区域到LeftROI_newImg，对区域LeftROI_newImg灰度化，再对区域LeftROI_newImg二值化，LeftROI_newImg的二值化阈值计算公式同公式(2)；置LeftROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightROI_new区域到RightROI_newImg，对区域RightROI_newImg灰度化，再对区域RightROI_newImg二值化，RightROI_newImg的二值化阈值计算公式同公式(3)；置RightROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；2.1.3.2)遍历LeftROI_newImg二值图，分别寻找左、右第一个白点，即为疑似左眼外、内眼角点LeyeOut、LeyeIn；遍历RightROI_newImg二值图，分别寻找左、右第一个白点，即为疑似右眼内、外眼角点ReyeIn、ReyeOut；2.1.3.3)分别计算LeyeIn、LeyeOut的水平间距dInOutLx、垂直间距dInOutLy，分别计算ReyeIn、ReyeOut的水平间距dInOutRx、垂直间距dInOutRy，计算公式如下：dInOutLx=|LeyeIn.x-LeyeOut.x|dInOutLy=|LeyeIn.y-LeyeOut.y|dInOutRx=|ReyeIn.x-ReyeOut.x|dInOutRy=|ReyeIn.y-ReyeOut.y|,---(6)]]>其中，LeyeIn.x、LeyeIn.y分别为左眼内眼角点LeyeIn的横、纵坐标，LeyeOut.x、LeyeOut.y分别为左眼外眼角点LeyeOut的横、纵坐标，ReyeIn.x、ReyeIn.y分别为右眼内眼角点ReyeIn的横、纵坐标，ReyeOut.x、ReyeOut.y分别为右眼外眼角点ReyeOut的横、纵坐标；判断LeyeIn、LeyeOut、ReyeIn、ReyeOut、dInOutLx、dInOutLy、dInOutRx、dInOutRy是否满足公式(7)中的条件：其中，min(weyeLS,weyeRS)为weyeLS、weyeRS两者中值较小者，min(heyeLS,heyeRS)为heyeLS、heyeRS两者中值较小者，LeyeIn.y为左眼内眼角点LeyeIn的纵坐标，LeyeOut.y为左眼外眼角点LeyeOut的纵坐标，ReyeIn.y为右眼内眼角点ReyeIn的纵坐标，ReyeOut.y为右眼外眼角点ReyeOut的纵坐标；不满足条件①时，扩大区域LeftROI_new、RightROI_new，区域中心点OeyeLS、OeyeRS保持不变，宽度分别变为1.2*weyeLnew、1.2*weyeRnew，高度分别变更为1.2*heyeLnew、1.2*heyeRnew，重新执行步骤2.1.3.1)、步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件①为止；不满足条件②、③、④时，把步骤2.1.3.1)中置黑的上、下边界区域高度分别扩大为原上、下边界区域高度的1.3倍，重新执行步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件②、③、④为止；这时，LeyeIn、LeyeOut即为最终定位的左眼内、外眼角点，ReyeIn、ReyeOut即为最终定位的右眼内、外眼角点；2.2)确定眉毛区域及定位眉头点2.2.1)确定眉毛区域在完整人脸区域FaceROI_Whole中，定义OeyeLS点垂直方向上方2*heyeLS处的点为OLM，以OLM为中心点，2.5*weyeLS为宽，2*heyeLS为高，即为左眉毛所在区域LeftMROI，其宽、高分别记为wLM、hLM；定义OeyeRS点垂直方向上方2*heyeRS处的点为ORM，以ORM为中心点，2.5*weyeRS为宽，2*heyeRS为高，即为右眉毛所在区域RightMROI，其宽、高分别记为wRM、hRM；2.2.2)定位眉头点2.2.2.1)在完整人脸区域FaceROI_Whole中拷贝LeftMROI区域到LeftMROIImg，对区域LeftMROIImg灰度化，计算区域LeftMROIImg的灰度均值记为LeftMROIImgG，再对LeftMROIImg二值化，LeftMROIImg的二值化阈值LeftThreshold_M的计算公式为：LeftThreshold_M＝0.85*LeftMROIImgG， (8)置LeftMROIImg二值图中上边界高度为的区域、右边界宽度为的区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightMROI区域到RightMROIImg，对区域RightMROIImg灰度化，计算区域RightMROIImg的灰度均值记为RightMROIImgG，再对RightMROIImg二值化，RightMROIImg的二值化阈值RightThreshold_M的计算公式为：RightThreshold_M＝0.85*RightMROIImgG， (9)置RightMROIImg二值图中上边界高度为的区域、左边界宽度为的区域为黑；2.2.2.2)遍历LeftMROIImg二值图，由右到左、由上到下寻找第一个白点LMt，由右到左、由下到上寻找第一个白点LMb，LMt、LMb即为疑似左眉头上、下点；遍历RightMROIImg二值图，由左到右、由上到下寻找第一个白点RMt，由左到右、由下到上寻找第一个白点RMb，RMt、RMb即为疑似右眉头上、下点；2.2.2.3)计算LMt、LMb的垂直间距dLMy，RMt、RMb的垂直间距dRMy，LMt、RMt的垂直间距dLRMty和LMb、RMb的垂直间距dLRMby，计算公式如下：dLMy=|LMt.y-LMb.y|dRMy=|RMt.y-RMb.y|dLRMty=|LMt.y-RMt.y|dLRMby=|LMb.y-RMb.y|,---(10)]]>LMt.y为左眉头上点LMt纵坐标，LMb.y为左眉头下点LMb纵坐标，RMt.y为右眉头上点RMt纵坐标，RMb.y为右眉头下点RMb纵坐标；判断dLMy、dRMy、dLRMty、dLRMby是否满足公式(11)中的条件：|dLMy-dRMy|<min(hLM,hRM)3dLRMty<min(hLM,hRM)5dLRMby<min(hLM,hRM)5,---(11)]]>其中，min(hLM,hRM)为hLM、hRM两者中值较小者；不满足条件时，把步骤2.2.2.1)中置黑的上边界区域高度扩大为原上边界区域高度的1.5倍，重新执行步骤2.2.2.2)、步骤2.2.2.3)，直到满足条件为止；最终定位的左眉头点LM的横坐标LM.x、纵坐标LM.y，右眉头点RM的横坐标RM.x、纵坐标RM.y的计算公式如下：LM.x=(LMt.x+LMb.x)2LM.y=(LMt.y+LMb.y)2RM.x=(RMt.x+RMb.x)2RM.y=(RMt.y+RMb.y)2,---(12)]]>其中，LMt.x、LMt.y为左眉头上点LMt的横、纵坐标，LMb.x、LMb.y为左眉头下点LMb的横、纵坐标，RMt.x、RMt.y为右眉头上点RMt的横、纵坐标，RMb.x、RMb.y为右眉头下点RMb的横、纵坐标；2.3)检测鼻子及定位鼻下点2.3.1)确定鼻子区域在完整人脸区域FaceROI_Whole中，由点(0,H/3)、(W,H)围成的矩形区域内，利用AdaBoost算法的鼻子分类器进行鼻子检测，所检测到的区域记为NoseROI，定义其左上角点为LeftTopPointNoseROI，它的横坐标为LeftTopPointNoseROI.x、纵坐标为LeftTopPointNoseROI.y，宽为wN，高为hN；判断NoseROI区域是否满足公式(13)中的条件：W5<wN<W3H6<hN<H3W3<LeftTopPointNoseROI.x<W2H3<LeftTopPointNoseROI.y<2*H3,---(13)]]>W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；满足条件时，NoseROI区域即为确定的鼻子区域NoseROI_final，其宽、高分别记为wNf、hNf，左上角点记为LeftTopPointNoseROI_final；否则，NoseROI_final区域的左上角点的横坐标LeftTopPointNoseROI_final.x、纵坐标LeftTopPointNoseROI_final.y、宽度wNf、高度hNf由公式(14)计算得出：LeftTopPointNoseROI_final.x=LeyeIn.xLeftTopPointNoseROI_final.y=LeyeIn.y+ReyeIn.y2+H12wNf=|LeyeIn.x-ReyeIn.x|hNf=H7,---(14)]]>其中，LeyeIn.x、LeyeIn.y为步骤2.1.3)中定位的左眼内眼角点LeyeIn的横、纵坐标，ReyeIn.x、ReyeIn.y为步骤2.1.3)中定位的右眼内眼角点ReyeIn的横、纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；2.3.2)定位鼻下点2.3.2.1)在完整人脸区域FaceROI_Whole中拷贝NoseROI_final区域到NoseROI_finalImg，对区域NoseROI_finalImg灰度化，计算区域NoseROI_finalImg的灰度最小值记为NoseROI_finalImgM，再对NoseROI_finalImg二值化，NoseROI_finalImg的二值化阈值NoseThreshold的计算公式为：NoseThreshold＝4*NoseROI_finalImgM+10， (15)2.3.2.2)遍历NoseROI_finalImg二值图，由下到上、由左到右寻找第一个白点NL，由下到上、由右到左寻找第一个白点NR，NL、NR即为疑似左、右鼻孔点；2.3.2.3)分别计算NL、NR的水平间距dNLRx、垂直间距dNLRy，计算公式如下：dNLRx=|NL.x-NR.x|dNLRy=|NL.y-NR.y|,---(16)]]>其中，NL.x、NL.y为左鼻孔点NL的横、纵坐标，NR.x、NR.y为右鼻孔点NR的横、纵坐标；判断NL.x、NL.y、NR.x、NR.y、dNLRx、dNLRy是否满足公式(17)中的条件：不满足条件①、②、③、④时，扩大区域NoseROI_final，区域中心保持不变，高度变为1.2*hNf，重新执行步骤2.3.2.1)、步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件①、②、③、④为止；不满足条件⑤、⑥时，将步骤2.3.2.1)中二值化阈值NoseThreshold减小为0.85*NoseThreshold，重新执行步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件⑤、⑥为止；最终定位的鼻下点N的横坐标N.x、纵坐标N.y的计算公式如下：N.x=(LM.x+RM.x)2N.y=(NL.y+NR.y)2+H60,---(18)]]>其中，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标，NL.y为左鼻孔点NL的纵坐标，NR.y为右鼻孔点NR的纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；2.4)确定下巴区域及定位下巴点2.4.1)确定下巴区域在完整人脸区域FaceROI_Whole中，由点(0,H/2)、(W,H)围成的矩形区域内，利用AdaBoost算法的嘴巴分类器进行嘴巴检测，所检测到的区域记为MouthROI，定义其左上角点为LeftTopPointMouthROI，它的横坐标为LeftTopPointMouthROI.x、纵坐标为LeftTopPointMouthROI.y，宽为wM，高为hM；判断MouthROI区域是否满足公式(19)中的条件：W5<wM<W2H10<hM<H3W5<LeftTopPointMouthROI.x<W2H2<LeftTopPointMouthROI.y<5*H6,---(19)]]>W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；满足条件时，MouthROI区域即为确定的嘴巴区域MouthROI_final，其宽、高分别记为wMf、hMf，左上角点记为LeftTopPointMouthROI_final；否则，MouthROI_final区域的左上角点的横坐标LeftTopPointMouthROI_final.x、纵坐标LeftTopPointMouthROI_final.y、宽度wMf、高度hMf由公式(20)计算得出：LeftTopPointMouthROI_final.x=N.x-W6LeftTopPointMouthROI_final.y=N.y+W15wMf=W3hMf=H8,---(20)]]>其中，N.x、N.y为步骤2.3.2)中定位的鼻下点N的横、纵坐标，W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；在完整人脸区域FaceROI_Whole中拷贝MouthROI_final区域到MouthROI_finalImg，把MouthROI_finalImg由RGB空间转换到HSV空间，转换公式如下：V＝max(R,G,B)S=0V=0max(R,G,B)-min(R,G,B)max(R,G,B)V≠0,---(21)]]>H=0V=0(G-B)VS×60V=R(2+B-RSV)×60V=G(4+R-GSV)×60V=BH+360H<0]]>其中，max(R,G,B)、min(R,G,B)分别为像素的R、G、B值中的最大值和最小值；若像素的H、S值满足公式(22)中的条件，则将像素置白，否则将像素置黑，得到MouthROI_finalImg的二值图；320≤H<360且0.3≤S<1， (22)遍历MouthROI_finalImg二值图，由左到右、由下到上按列扫描寻找第一个白点ML，由右到左、由下到上按列扫描寻找第一个白点MR，由下到上、由右到左按行扫描寻找第一个白点MM，ML、MR、MM即为疑似左嘴角点、右嘴角点、嘴巴下边缘点；计算ML、MR的水平间距dMLRx，ML与MM、MR与MM的垂直间距dMLMy、dMRMy，计算公式如下：dMLRx=|ML.x-MR.x|dMLMy=|ML.y-MM.y|dMRMy=|MR.y-MM.y|,---(23)]]>其中，ML.x、ML.y为左嘴角点ML的横、纵坐标，MR.x、MR.y为右嘴角点MR的横、纵坐标，MM.y为嘴巴下边缘点MM的纵坐标；判断ML.x、ML.y、MR.x、MR.y、MM.x、MM.y、dMLRx、dMLMy、dMRMy是否满足公式(24)中的条件：不满足条件①、②时，修正公式(22)中H、S的取值范围，H下限值在原基础上减5，S下限值在原基础上减0.05，重新二值化，直到满足条件①、②为止；不满足条件③、④、⑤时，缩小MouthROI_final区域，保持MouthROI_final区域中心不变，宽、高分别变为0.9*wMf、0.9*hMf，重新进行由RGB到HSV的颜色空间转换及二值化，直到满足条件③、④、⑤为止；定位的嘴巴下边缘点M的横坐标M.x、纵坐标M.y的计算公式是：M.x=(LM.x+RM.x)2M.y=(ML.y+MR.y)2+(dMLMy+dMRMy)2,---(25)]]>LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；在完整人脸区域FaceROI_Whole中，定义M点垂直方向下方hMf处的点为OC，以OC为中心点，为宽，2*hMf为高，即为下巴所在区域ChinROI，其宽、高分别记为wC、hC；2.4.2)定位下巴点2.4.2.1)在完整人脸区域FaceROI_Whole中拷贝ChinROI区域到ChinROIImg，对区域ChinROIImg灰度化，计算区域ChinROIImg的灰度均值为ChinROIImgG，再对ChinROIImg二值化，ChinROIImg的二值化阈值ChinThreshold的计算公式为：ChinThreshold＝0.85*ChinROIImgG， (26)2.4.2.2)遍历ChinROIImg二值图，由上到下，分别寻找水平坐标值为0、wC时的第一个白点C1、C2、C3、C4、C5、C6、C7，若Ci，i∈1,2,3,4,5,6,7不存在，则Ci，i∈1,2,3,4,5,6,7的纵坐标值等于与其相邻的下一个点的纵坐标值，若C7不存在，则C7的纵坐标值等于C1的纵坐标值，C1、C2、C3、C4、C5、C6、C7即为7个疑似下巴点；2.4.2.3)判断点C1、C2、C3、C4、C5、C6、C7是否满足公式(27)中的条件；Ci.y≠0，i＝1,2,3,4,5,6,7， (27)其中，Ci.y为疑似下巴点Ci的纵坐标，i＝1,2,3,4,5,6,7；不满足条件时，将步骤2.4.2.1)中二值化阈值ChinThreshold增大为1.05*ChinThreshold，重新执行步骤2.4.2.2)、步骤2.4.2.3)，直到满足条件为止；这时，最终定位的下巴点C的横坐标C.x、纵坐标C.y的计算公式如下：其中，max(C1.y,C2.y,C3.y,C4.y,C5.y,C6.y,C7.y)为C1.y、C2.y、C3.y、C4.y、C5.y、C6.y、C7.y中的最大值，C1.y、C2.y、C3.y、C4.y、C5.y、C6.y、C7.y分别为疑似下巴点C1、C2、C3、C4、C5、C6、C7的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；2.5)确定额头发际区域及定位额头发际点2.5.1)确定额头发际区域在完整人脸区域FaceROI_Whole中，定义左、右眉头点LM、RM的中心点为OLRM，LM、RM的水平间距为dLRM，OLRM的横、纵坐标OLRM.x、OLRM.y及dLRM的计算公式如下：OLRM.x=LM.x+RM.x2OLRM.y=LM.y+RM.y2dLRM=|LM.x-RM.x|,---(29)]]>其中，LM.x、LM.y为步骤2.2.2)中定位的左眉头点LM的横、纵坐标，RM.x、RM.y为步骤2.2.2)中定位的右眉头点RM的横、纵坐标；在完整人脸区域FaceROI_Whole中，定义OLRM点垂直方向上方2*dLRM处的点为OF，以OF为中心点，为宽，为高，即为额头发际所在区域ForeROI，其宽、高分别记为wF、hF；2.5.2)定位额头发际点2.5.2.1)在完整人脸区域FaceROI_Whole中拷贝ForeROI区域到ForeROIImg，对区域ForeROIImg灰度化，计算区域ForeROIImg的灰度均值为ForeROIImgG，再对ForeROIImg二值化，ForeROIImg的二值化阈值ForeThreshold的计算公式为：ForeThreshold＝0.8*ForeROIImgG， (30)2.5.2.2)遍历ForeROIImg二值图，由下到上，分别寻找水平坐标值为0、wF时的第一个白点F1、F2、F3，若点Fi，i∈1,2,3不存在，则Fi，i∈1,2,3的纵坐标值等于与其相邻的下一个点的纵坐标值，若F3不存在，则F3的纵坐标值等于F1的纵坐标值，F1、F2、F3即为3个疑似发际点；2.5.2.3)判断点F1、F2、F3是否满足公式(31)中的条件：Fi.y≠0，i＝1,2,3， (31)其中，Fi.y为疑似发际点Fi的纵坐标，i＝1,2,3；不满足条件时，将步骤2.5.2.1)中二值化阈值ForeThreshold增大为1.05*ForeThreshold，重新执行步骤2.5.2.2)、步骤2.5.2.3)，直到满足条件为止；终定位的额头发际点F的横坐标F.x、纵坐标F.y的计算公式如下：其中，min(F1.y,F2.y,F3.y)为F1.y、F2.y、F3.y中的最小值，F1.y、F2.y、F3.y分别为发际点F1、F2、F3的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；2.6)确定脸宽区域及定位两侧发际点2.6.1)确定脸宽区在完整人脸区域FaceROI_Whole中，定义左、右眼内眼角点LeyeIn、ReyeIn的中心点为OLReyeIn，LeyeIn、ReyeIn的水平间距为dLReyeIn，OLReyeIn的横、纵坐标OLReyeIn.x、OLReyeIn.y及dLReyeIn的计算公式如下：OLReyeIn.x=LeyeIn.x+ReyeIn.x2OLReyeIn.y=LeyeIn.y+ReyeIn.y2dLReyeIn=|LeyeIn.x-ReyeIn.x|,---(33)]]>其中，LeyeIn.x、LeyeIn.y为左眼内眼角点LeyeIn的横、纵坐标，ReyeIn.x、ReyeIn.y为右眼内眼角点ReyeIn的横、纵坐标；在完整人脸区域FaceROI_Whole中，以OLReyeIn为中心点，5*dLReyeIn为宽，为高，即为脸宽区域FaceWidthROI，其宽、高分别记为wFW、hFW；2.6.2)定位两侧发际点2.6.2.1)在完整人脸区域FaceROI_Whole中拷贝FaceWidthROI区域到FaceWidthROIImg，对区域FaceWidthROIImg灰度化，计算区域FaceWidthROIImg的灰度均值为FaceWidthROIImgG，再对FaceWidthROIImg二值化，FaceWidthROIImg的二值化阈值FWThreshold的计算公式：FWThreshold＝0.9*FaceWidthROIImgG， (34)2.6.2.2)在FaceWidthROIImg二值图中，由左眼外眼角点LeyeOut的横坐标LeyeOut.x、OLReyeIn的纵坐标OLReyeIn.y开始，沿水平方向向左寻找第一个白点FWL；由右眼外眼角点ReyeOut的横坐标ReyeOut.x、OLReyeIn的纵坐标OLReyeIn.y开始，沿水平方向向右寻找第一个白点FWR，FWL、FWR即为疑似左、右侧发际点；2.6.2.3)判断FWL、FWR是否满足公式(35)中的条件：FWL.x≠0FWR.x≠0,---(35)]]>FWL.x为左侧发际点FWL横坐标，FWR.x为右侧发际点FWR横坐标；不满足条件时，将步骤2.6.2.1)中二值化阈值增加为1.05*FWThreshold，重新执行步骤2.6.2.2)、步骤2.6.2.3)，直到满足条件为止；这时，FWL、FWR即为最终定位的左、右两侧发际点；最终定位的特征点，包括额头发际点F、左眉头点LM、右眉头点RM、左眼内眼角点LeyeIn、左眼外眼角点LeyeOut、右眼内眼角点ReyeIn、右眼外眼角点ReyeOut、鼻下点N、下巴点C、左侧发际点FWL、右侧发际点FWR；步骤3、确定三庭五眼的像素间距及比例。