基于Kalman滤波和Mean Shift算法的人眼实时跟踪

万方数据
１７４模式识别与人工智能１７卷
方法不仅具有直观、实现简单和快速等优点，而且对
姿态变化不敏感【４］，因此，在本文中，对于彩色图像
即采用此人脸检测及定位方法．在检测出人脸之后，
就用Ｂｌｏｂ操作确定人脸的高度和宽度，然后运用下
述方法来确定眼睛的位置．而对于灰度图，则可直接
运用下述方法实现眼睛定位．
为了说明人眼的检测定位过程，本文从Ｓｕｒｆｉｍ—
ａｇｅ人脸数据库中选出一幅图像进行眼睛定位．图２
为人脸灰度图，先对图２做垂直灰度投影，为了减少
噪声的影响，须将垂直灰度投影曲线进行平滑，平滑
前和平滑后的垂直投影曲线如图３所示．根据曲线
中主要凸峰的左右边界即可确定人脸的左右边界
（图４）．再对图４做水平灰度投影，并对水平投影曲
线进行平滑操作，所得曲线如图５所示．根据曲线确
定头顶及鼻中部形成的上下边界，由此确定眉跟区
域（图６）．最后用ＳＯＢＥＬ算子求出眉眼区域的边缘
图，并进行边缘分组，定位出眼睛的位置（图７），以
此位置作为眼睛跟踪的初始值，并构造人眼的初始
模板．
２１．５
ｌ０．５图２人脸灰度图像
２
１．５
ｌ
Ｏ．５
ｌ
（ａ）人脸的垂直灰度（ｂ）平滑后的垂直灰度投影曲线投影曲线
图３人脸的垂直灰度投影曲线
图４人脸的左右边界
（ａ）人脸的水平灰度
投影曲线
（ｂ）平滑后的水平灰度
投影曲线
图５人脸区域的水平灰度投影曲线粼曰
图６人脸的眼睛区域图７眼睛的位置
３眼睛跟踪算法
针对现有一些眼睛跟踪算法的缺陷，考虑到Ｋａｌｍａｎ滤波和基于颜色分布特征的ＭｅａｎＳｈｉｆｔ算法所具有的快速迭代的特点，这里提出了综合使用Ｋａｌｍａｎ滤波和ＭｅａｎＳｈｉｆｔ算法来实现人眼的实时跟踪．跟踪时首先要在初始帧中检测和定位出眼睛的位置，然后再构造眼睛模板．为了减小ＭｅａｎＳｈｉｆｔ的误差漂移，在以后的跟踪过程中要不断地更新眼睛模板．
３．１Ｋａｌｍａｎ滤波算法
眼睛运动的特征可用位置和速度来描述．设（Ｃ。

，ｒｔ）为ｔ时刻眼睛的位置（质心的位置），（“。

，轨）为ｔ时刻眼睛在ｆ方向和ｒ方向的速度，所以ｔ时刻眼睛的状态向量为毛＝（ｑ，让，“。

，矾）Ｔ．系统状态模型可表示为
屯十ｌ＝锄ｆ＋Ｗｔ，（１）其中砌。

是系统噪声．
假定眼睛在连续两帧图像之间（时间间隔为出）的位移很小，且是匀速移动，那么状态转移矩阵事可以设定为
Ｆ１０Ａｔ０
｜０１０Ａｔ
西＝Ｉ
００１０
ＬＯ００１
观测量ｚ：＝（三：，≥：）为ｔ时刻眼睛的位置，因此系统的测量模型为
‰＝Ｉ－Ｉｘｆ＋训￡，
其中轨为测量噪声
（２）万方数据
万方数据
１７６模式识别与人工智能１７卷
大，当如和多１几乎表示图像坐标中同一个像元时则此帧眼睛跟踪结束．
每一帧的跟踪过程都如上所述．因此，对于给定的初始位置和目标模板，充分利用运动预测和帧间的相似性，在当前帧的预测邻域内进行搜索，采用上述算法最小化距离ｄ就能实现最优目标跟踪．在跟踪过程中，为防止ＭｅａｎＳｈｉｆｔ漂移误差的传递，结合模板更新的思想不断自适应地调整被跟踪目标的模板．
４实验测试
为了验证上述算法的优越性，在ＰＣ机Ｗｉｎｄｏｗ２０００操作系统下对Ｓｕｒｆｉｍａｇｅ和ＵＭＩＳＴ等人脸数据库进行测试．Ｓｕｒｆｉｍａｇｅ图像大小为９２＊１１２，跟踪测试中取（ｈ。

ｈ。

）＝（２３，１８）；ＵＭＩＳＴ图像大小为１９０＊１６５，（ｈ”ｈ。

）＝（３９，２１），两者的眼睛模板的直方图量化层数均取３２．测试过程如下：
第一步ｉ首先在初始帧中检测出人脸，然后对图像进行水平和垂直灰度投影，以确定眼睛区域，并进一步获得眼睛的精确位置，构造出眼睛模板（图８（ａ）和图８（ｃ））；
第二步：将检测到眼睛位置和模板作为初始值和初始目标，并确定图像序列的状态模型和测量模型，然后根据Ｋａｌｍａｎ滤波器预测出下一帧眼睛的位置和协方差；
第三步：以预测值作为Ｍｅａｎｓｈｉｆｔ迭代运算的初始值进行迭代，搜索出与目标模板亮度分布最相似的潜在目标，此目标即为跟踪目标，然后更新目标模板，返回到第二步，重复此过程实现眼睛的跟踪．整个实验过程中测试效果较好．图８给出了部分测试结果（图８（ｂ）和图８（ｄ））．实验结果说明此算法在光照条件较差、头部旋转和眼睛部分遮挡等情况下仍能准确地跟踪到眼睛．
５结论
上述的眼睛跟踪算法充分利用了亮度分布的特性进行匹配，计算简单，跟踪时间短，有较强的鲁棒性，在人的眼睛只有一部分可见或者完全闭合也同样能够跟踪到．但跟踪时，ＭｅａｎＳｈｉｆｔ算法对跟踪窗的大小非常敏感，跟踪窗大小的选择没有固定标准，主要是针对具体的情况通过实验来获取．在头部倾斜度过大的情况下可能会出现定位失败，遇到这种情况时，可通过等待下一帧图像并重新进行定位来解决．
（ａ）初始帧眼睛模板
（ｂ）Ｓｕｒｆｉｍａｇｅ人脸数据库眼睛跟踪测试结果
（Ｃ）初始帧眼睛模板
（ｄ）ＵＭＩＳＴ图像库眼睛跟踪测试结果
图８眼睛跟踪测试部分结果
参考文献
［１］ＭｏｒｉｍｏｔｏＣ，ＫｏｏｎｓＤ，ＡｉＴｌｉｒＡ，ＦｌｉｃｋｎｅｒＭ．ＲｅａｌｔｉｍｅＤｅｔｅｃｔｉｏｎｏｆＥｙｅｓａｎｄＦａｃｅｓ．Ｉｎ：ＰｒｏｃｏｆｔｈｅＩｎｔｅｒｎａｔｉｏｎａｌＷｏｒｋｓｈｏｐｏｎ
Ｐｅｒｃｅｐ．
万方数据
万方数据。