基于灰度积分投影的人眼定位

关键 ,为此 ,国内外学者进行了广泛深入的研究和大量实验 ,
提出了多种阈值选取方法 , 如双峰直方图阈值分割法 [5 ] 、最
大熵阈值分割法 、模糊聚类分析法 [6 ]等 。这里采用的是最大
类间方差阈值分割法 ,又叫大津法 。其基本思路是将直方图
在某一阈值处分割成两组 , 当被分成的两组的方差为最大
[ 4 ] ADAMS Reference Manual Version 12 [M ]. Mechanical Dynam2 ics, Inc. 2002.
[作者简介 ] 马岳峰 ( 1977 - ) ,男 (汉族 ) ,辽宁人 , 博士生 , 主 要研究方向 :车辆系统仿真 ,车辆电子 。 刘昭度 ( 1949 - ) ,男 (汉族 ) ,安徽人 , 教授 , 博士 生导师 ,博士后 ,主要研究方向 :汽车动力性与排放 检测 ,车辆电子 。 宋 明 ( 1978 - ) ,男 (汉族 ) ,河南人 ,硕士生 ,主要研究方向 :车辆 系统仿真 ,车辆电子 。 张景波 ( 1975 - ) ,男 (汉族 ) ,吉林人 ,博士生 ,主要研究方向 :车辆 电子 。
1 前言
自动人脸识别技术的研究始于 20世纪 60年代末期 ,近 些年来吸引了来自模式识别 、图像处理 、计算机视觉 、人工智 能等诸多领域的众多研究者 ,是一个既有吸引力又充满挑战 的研究热点 。人脸识别系统与传统的身份识别系统相比 ,具 有不易伪装 、非接触性 、无需被识别者刻意配合 ,工作方式自 然友好等优点 。因此在公安系统 、银行系统 、网络安全等诸 多领域有着广阔的应用前景 。
∑ S0 的概率 :η0 = pi =η( k)
(4)
i =1
M
∑ S1 的概率 :η1 =
pi = 1 - η( k)
(5)
i =k =1
∑ S0 的平均值 :λ0
=
k ipi η
i =1 0
=
λ( k) 1 - η( k)
(6)
∑ S1 的平均值 :λ1
=
M
ipi η
i = k +1 1
=
λ 1
灰度值 , 在图像 [ y1 , y2 ] 区域的水平积分投影 H ( x) 和 [ x1 ,
x2 ] 区域的垂直积分投影 V ( y) 表示为 :
∑ H ( x) =
1
x2
G ( x, y)
(9)
x2 - x1 x =1
y2
∑ V ( y) = 1
G ( x, y)
y2 - y1 y1
( 10)
对二 值 化 后 的 人
像灰度分配较为均匀 。预处理前后的图像如下图 1、图 2 所
示。
图 1 原始人脸图像 图 2 预处理后的图像 图 3 二值化后的图像
由图中可以看出 , 经过预处理后的人脸图像 , 噪声得到
了明显的抑制 ,灰度对比明显 ,有利于后续的二值化处理 。
3. 2 图像二值化
要将特征点从人脸图像分割出来 , 二值化阈值的选取是
人脸的主要特征包括眼睛 ,鼻子 ,嘴巴 ,下巴等 ,对于这 些特征点的提取是否准确将直接关系到整个识别系统的性
收稿日期 : 2003 - 10 - 9
能 。本文主要研究眼睛的定位 ,通过眼睛的定位可求得人脸 中心对称轴 ,以眼睛之间的距离为基准对所提取的面部特征 向量进行归一化 ,可以使得这些特征向量具有旋转不变性 , 因此准确的定位眼球位置是基于几何特征的人脸识别系统 中非常重要的一个环节 。
-
λ( η(
k) k)
(7)
k
k
∑ ∑ 其中 :λ =
ipi 是图像的整体灰度平均值
,
λ k
=
ipi 是
i =1
i =1
— 76 —
阈值为 k时灰度的平均值 ,定义 S0、S1 两组间的方差如 ( 8) 式
所示 :
σ2 ( k)
=
η 0
(λ0
- λ) 2
+
η 1
(λ1
- λ) 2
=
ηη 01
(λ1
-
参考文献 : [ 1 ] 司利增. 汽车防滑控制系统 % ABS与 ASR [M ]. 人民交通出
版社 , 1996. [ 2 ] 李春明. 捷达都市先锋轿车结构与维修 [M ]. 北京理工大学出
版社 , 2000.
[ 3 ] Matlab Reference Manual Version 6. 1 [ M ]. Mathworks Inc. 2001.
2 人脸识别常用方法
根据表征方式的不同 ,人脸识别常用的方法大致分为基 于几何特征的识别 、基于代数特征的识别和基于神经网络的 识别方法 [1 ] 。基于几何特征的识别方法主要是利用人脸的 特征点在图像中明显区别与其他区域的特点 (如灰度偏低 ) 进行特征提取和定位 ,通过构造几何特征向量来达到识别人 脸的目的 [ 2 ] 。
图 5 眼睛区域垂直积分投影
y 为 中 心 , 宽 度 为 2δ 的条形区域 ,δ值的选取以所选取部分不包含眉毛为宜 ,对本 文中所取图像选取 δ= 10,很明显 ,眼睛位于人脸中心对称轴
两侧对称的两块低灰度圆形区域 。对条形区域作垂直积分
投影 ,归一化后的曲线如图 5所示 :从图中可以看出 ,人脸中
脸图像 进 行 水 平 积 分
灰度 投 影 , 并 对 投 影
曲线归一化 。利用对
人脸图 像 的 先 验 知 识
可以 知 道 , 眼 睛 和 眉
毛是人 脸 图 像 中 头 发
下面距 离 较 近 的 黑 色
区域 , 对 应 着 水 平 灰
度投影 曲 线 的 两 个 极
小值 点 , 由 此 便 可 以
图 4 人脸图像水平积分投影
3 算法描述
3. 1 人脸图像预处理 因为自然条件下获得的人脸图像总存在一些噪声 ,比如
传感器引起的噪声在图像中经常表现出一些孤立离散形的
— 75 —
© 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
麻点 。为去除这些噪声 ,可采用中值滤波技术 ,它对于干扰 脉冲和点状噪声有良好的抑制作用 ,同时又能较好的保持图 像的边缘 。本文采用 3 ×3 中值滤波法 。另外 ,在曝光条件 不足或过度情况下 ,图像灰度可能会局限在很小的范围内 , 造成了图像的模糊不清 ,本实验中采用非线性灰度变换技术 来消除这种影响 ,以指数函数作为映射函数进行灰度变换 , 如式 (1)所示 。
第 22卷 第 4期 文章编号 : 1006 - 9348 ( 2005) 04 - 0075 - 02
计
冯建强 , 刘文波 ,于盛林
(南京航空航天大学自动化学院 ,江苏 南京 210016)
摘要 :该文提出了一种基于最大类间方差阈值分割和灰度积分投影技术的眼睛定位方法 。首先通过图像预处理技术中的中 值滤波方法去除图像噪声 ,并通过非线性变换消除人脸图像因为曝光条件不同而造成的模糊 ,得到灰度分配较为均匀的图 像 ,然后利用最大类间方差阈值法对图像进行二值化处理 ,将特征点从人脸图像分割出来 ,并分别利用水平和垂直灰度积分 投影曲线结合人脸的结构特征找到眼睛的位置坐标 ,实现了准确的眼睛定位 ,从而为进一步提取其它特征点打好了基础 。 关键词 :特征提取 ; 眼睛定位 ; 阈值分割 ; 积分投影 中图分类号 : TP391. 4 文献标识码 : A
心对称轴两侧出现两个最小值点 , 分别对应于左右眼的中
心 。因此从垂直积分投影曲线中心向左右搜索最小值即可
得到眼睛中心的水平坐标 。
(下转第 104页 )
© 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
获得 眼 睛 的 纵 轴 坐
标 , 如 图 4 所 示 。从
图中可 以 看 出 距 离 较
近的眉 毛 和 眼 睛 能 够
明显分辨开来 。并且
其它 特 征 点 如 鼻 子 、
嘴巴等 的 灰 度 特 征 也
能够 很 好 的 体 现 出
来 。设由上图得到的
眼睛垂直坐标为 y, 在 人脸图 像 上 取 一 个 以
Eyes L oca tion Ba sed on Gray - level In tegra tion Projection
FEN G J ian - qiang, L IU W en - bo, YU Sheng - lin
(College of Automation Engineering, Nanjing University of Aeronautics and A stronautics, Nanjing J iangsu 210016, China)
λ 0
)
2
=
[λη( η( k)
k) [1
- λ( k) - η( k)
]2 ]
(8)
寻找 1 ～M 间使得上式取最大值的 k,即可得到阈值 。
3. 3 眼球定位
二值化后人脸的特征点如头发 、眉毛 、眼睛 、鼻子 、嘴巴
等被明显的分割出来 , 如图 ( 3) 所示 。对该二值图像进行积
分投影便可准确的定位人眼 。设 G ( x, y) 表示图像 ( x, y) 处的
基于灰度投影的人脸特征提取是一种非常重要的方法 , 国内外很多 学 者 在 这 方 面 进 行 了 研 究 , 如 D ieckmann[3 ] 和 Karin Sobottka[4 ]曾提出的直接对原图做灰度投影的方法 ,这 种方法的缺点是投影图像中干扰噪声太大 ,曲线不规则 ,很 难在此基础上直接找到特征点 。后来又有人提出了改进的 利用灰度方差投影图来找特征点的方法 ,但计算复杂度也相 应的加大了 。本文在总结前人研究方法的基础上 ,利用图像 预处理技术去除噪声 ,并针对二值化后的图像进行积分投 影 ,既降低了计算复杂度 ,又能够有效的定位特征点 。
时 ,决定阈值 。设一幅图像的灰度值为 1～M 级 , 灰度值为 i
的象素数为 ni,此时得到总像素数 :
M
∑ N = ni
(2)
i =1
各值的概率为 : pi = ni /N
(3)
然后将像素用 k将其分成两组 S0 = { 1 ～ k} 和 S1 = { k
+ 1 ～M } ,则各组的概率为 :
k
合器结合度 、方向盘转角和档位作为输入接口 ,四个车轮的 转速作为输出接口同 MATLAB 进行 ASR 控制联合仿真 ,不 但可以对车辆在低附着系数路面上的驱动防滑过程进行仿 真 ,而且可以对车辆在对开系数路面 、分离系数路面 、弯道加 速防滑等工况进行仿真 。此模型较准确地反映了 ASR 控制 过程车辆各相关参数的变化情况 ,可以作为进行实车 ASR 控制算法开发的基础 。基于该模型还可进行 ABS/ASR /ACC (Adap tive Cruise Control)集成化系统仿真 。
g ( x, y) = a + ln[ f ( x, y) + 1 ] / b
(1)
lnc
这里 , f ( x, y)是原图像 ( x, y)位置处的像素灰度值 , g ( x,
y)是变换后的像素灰度值 , a、b、c是可调参数 。通过变换 ,图
像的低灰度区有了较大扩展而高灰度区得到了压缩 , 使得图
ABSTRACT:An algorithm for eyes location is p resented in this paper based on maximum variance between two clas2 ses and gray - level integration p rojection. First, median filter is used to elim inate the noise, then the image blur caused by deficient exposal is cleared up using non - linear transform. M aximum variance between two classes is p ro2 vided to get the binary image, and then the features are extracted from the image. Finally, by the way of gray - level integration p rojection and human face configuration, we can easily find that the location of eyes is determ ined by the coordinate of the m inimum in the diagram. Further feature detection can be done based on this result. KEYW O RD S: Feature extraction; Eye location; Threshold segment; Integration p rojection