一种基于圆形角点的瞳孔定位算法*

提出了一种利用圆形角点定位瞳孔的算法。该算法主要在定位到人眼区域的基础上,利用改进的SUSAN算法寻找圆形角点;然后根据梯度放缩计算角点向量的梯度值,最后通过筛选函数输出瞳孔中心位置及亮瞳面积,准确地定位到瞳孔,并根据亮瞳的大小定位到瞳孔区域中心。实验结果表明本算法是准确可靠的。     

视线追踪系统中特征参数提取方法研究

为了提取人眼的高精度亚像素特征参数,利用亮瞳现象,提出了一种基于多通道图像的高精度亚像素特征参数提取方法。该方法首先通过差分图像滤波获得瞳孔区域,进而检测瞳孔区域的边缘,并在眼睛区域附近基于灰度,搜索角膜反射区域; 然后求取其质心用于定位角膜反射区域中心,并对瞳孔边缘做滤波,以消除角膜反射对瞳孔边缘轮廓的影响,进而利用椭圆拟合来定位瞳孔中心;最后提取包括人眼特征和人脸位置的多个参数,另外,还建立了一个多特征参数提取的流程,为下一步的视线估计提供了参数依据。 实验结果及视线追踪系统最终的视线估计结果证明,该方法是有效的。     

基于灰度积分投影与霍夫圆变换算法的人眼瞳距自动检测

人眼瞳距在视光学研究中和配置眼镜时都是需要精确测量的基础性参数, 实现瞳距自动检测具有重要的应用价值, 结合高斯肤色模型, 提出一种基于灰度积分投影与霍夫圆变换算法的人眼瞳孔定位和瞳距计算方法. 首先, 通过二维伽马函数的自适应亮度校正方法对图像进行光照补偿预处理, 在此基础上, 利用肤色概率模型检测人脸并提取出面部区域. 再运用灰度积分投影法, 选取合适的阈值对眼部区域进行提取, 经过一系列形态学图像处理, 采用Canny边缘检测算子实现瞳孔边缘检测, 最后通过Hough圆变换算法进行瞳孔定位, 并对其中心距离进行计算. 研究结果表明, 该算法具有较快的瞳孔定位速度, 能够较精确地实现瞳距自动测量, 为瞳孔测距的智能化技术研究奠定了基础.     

人眼检测及瞳孔定位

提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域,通过Adaboost（The Adaptive Boosting Algorithm）算法搜索先前设置好的区域,可以得到人眼所在粗略位置,利用图像二值化和Canny算法提取图像轮廓,通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标,即瞳孔的位置。实验结果表明该方法能准确定位瞳孔,对光照、姿态具有一定的鲁棒性。     

红外图像的疲劳状态识别方法

为了解决光照变化对疲劳检测系统造成的识别准确性不高的问题,提出了一种近红外环境下判断人眼状态的方法,即针对红外光补图像的人眼状态判断;首先,利用Adaboost算法进行人眼区域定位,在网格法标记人眼瞳孔部分的基础上,采用Retinex算法对红外图像进行增强;接着,结合“亮瞳效应”特性,对二值化以及边缘检测后的红外图像分别进行网格法闭合度计算,得到人眼闭合度大小;最后,根据闭合度计算结果设定双阈值并结合PERCLOS准则来判断人眼特征状态;另外,在DM642硬件平台上进行疲劳检测试验,实验结果表明,该方法的人眼状态识别率达到了90%以上,且平均每秒能处理21帧图片;证明了该方法不仅能有效解决光照变化带来的问题,而且满足疲劳状态检测系统的快速性、准确性和有效性等要求。     

复杂背景下的多阈值人眼定位新算法*

提出了一种基于复杂背景下的多阈值人眼定位算法。该算法首先对图像进行光线补偿,减小由于光照不均等因素造成的影响;然后根据对人眼灰度特征的分析来确定3个人眼二值化阈值,从而分离出人眼候选区域;最后根据人脸的几何特征、人眼位置判定准则以及计算二维相关系数来排除非人眼区域,从而定位双眼。实验结果表明,该算法能在不同条件下准确定位人眼,且具有较快的定位速度和较高的检测率。     

基于形态学方法的虹膜快速定位算法

为提高虹膜的定位速度,提出一种粗定位与精定位相结合的虹膜快速定位算法。首先,利用阈值对人眼图像进行分割提取瞳孔,对二值化瞳孔区域进行形态学开运算去除瞳孔区域外睫毛等噪声点;然后选用一系列半径递增的结构元素对瞳孔区域进行形态学腐蚀操作,根据腐蚀结果粗略定位虹膜内边缘;最后利用圆梯度算子对虹膜内外边缘进行精确定位。对CASIA（version 1.0）虹膜数据库中100多幅虹膜图像进行定位实验,文中算法平均耗费时间为1.22秒,圆梯度算子耗时10.8秒,Hough变换方法耗时15.7秒。定位结果表明,文中算法对不同质量的虹膜图像定位速度快,精度高,鲁棒性强。     

基于极小值区域的人眼定位新算法

提出了一种基于灰度图像极小值区域的快速鲁棒的人眼自动定位方法。首先,利用极小值区域进行眼睛粗定位,得到一组候选眼睛位置;再利用眼睛对的几个自然约束条件进行粗筛选;最后利用PCA方法验证眼睛对,得到唯一的候选眼睛对。对BioID图像集进行测试,结果表明,利用该算法进行眼睛定位的成功率和定位精度较高。     

轮廓初始点检测对眼睛虹膜区域反射光的去除

针对传统人眼反射光模型单一的缺陷,提出了一种自适应的对不规则形状人眼反射光的检测并去除算法。对含有人眼反射光区域,应用区域生长算法对人眼图像进行分割,并利用垂直边缘检测算子提取虹膜左右轮廓边界,拟合虹膜轮廓,对虹膜所在轮廓区域,采用提出的反射光轮廓初始点检测算法,反射光区域判定算法,对其轮廓的位置进行自动定位并提取,利用虹膜及瞳孔的纹理信息对人眼反射光覆盖区域进行修补。通过对不同人眼图像进行验证,结果表明该方法对检测不同噪声条件下的虹膜反射光具有鲁棒性,并且能够更加快速有效地对虹膜反射光进行去除。     

基于YCbCr模型和形态学的瞳孔分割及人脸检测

该文提出了一种精确度高、抗干扰性强的人眼瞳孔分割方法,并利用这种方法定位人脸。先利用YCbCr模型提取人脸候选区域,然后根据人眼瞳孔的圆形特征,从形态学入手,先利用YCbCr模型提取人脸候选区域,然后根据人眼瞳孔的圆形特征．使用形态学方法增强瞳孔和其他区域的对比度,最后对瞳孔进行投影以确定瞳孔位置。当人脸候选区域和瞳孔区域的交集就是要找的人脸,最后对人脸进行归一化处理。该文提出的形态学方法同时保留了艟孔的圆形形状和灰度对比度,并利用这种方法定位人脸。     

基于规则和对称分析的眼睛定位方法

为了提高人眼定位算法的准确性,本文提出了一种基于规则和对称分析的人眼快速定位方法.该方法首先在多阈值得到的二值化图像上应用灰度形态学和连通区域检测算法提取人眼、嘴巴特征候选块,并对用粗过滤规则得到的人眼区域进行对称检测,最后利用细过滤规则和人眼对称轴信息进行眼睛的精确定位.实验结果表明,对称信息的添加大大提高了人眼定位的准确性.     

自适应平滑自商图与多层分块的人眼定位算法

针对光照对眼睛定位产生的影响,提出了一种基于自适应平滑自商图像与多层分块的人眼定位算法。首先进行光照评估,利用自适应平滑自商图像（ASSQI）对光照条件差的进行处理,消除人脸图像的光照影响;然后运用眼睛区域梯度复杂度大的特征并结合积分图分块处理获得眼睛粗定位;最后对粗定位区域继续分块并利用质心得到准确的瞳孔中心。在JAFFE数据库、Yale B数据库和BioID数据库上测试表明该文算法有较高的定位正确率,对光照的鲁棒性较强。     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

非学习模式下的类Haar特征快速人眼定位

本文研宄非学习模式下的快速人眼定位算法.首先,在己检出的人脸区域中,根据人脸几何特征的先验信息,设置一定的人眼候选区域,通过高斯差分滤波消除光照影响.其次,定义一种类Haar的特征作用于二值化后的图像,在人眼候选区域计算该特征的评价值获得精确的人眼位置,实现人眼的快速搜索定位.该算法的处理方法简单快速,并且对于眼镜、眉毛以及发髻的干扰都有一定的鲁棒性.算法通过人脸几何先验知识,减少了训练和学习过程.实验结果表明,该算法能够快速准确实时地完成眼睛的定位,为后续的人脸识别提供必要的前提条件.     

基于最大熵分割和肤色模型的人眼定位

人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。     

一种精确的人眼瞳孔定位算法

提出一种利用单目摄像头快速定位人眼的方法,通过改进的AdaBoost方法构造级联强分类器定位人脸,根据人眼眨眼前后眼部区域灰度变化显著的特点检测人眼区域,采用边缘提取、局部Hough变换检测圆心的方法定位瞳孔中心。实验结果表明,该算法能够快捷、准确地定位复杂背景下的人眼,对于光照及头部旋转情况下人眼定位具有较好的鲁棒性。     

一种在红外图像中定位人眼的方法

提出了一种新型快速的在红外图像中进行眼睛定位的方法.该方法由两部分组成:首先,通过同态滤波增强图像的对比度,使用改进的迭代阈值算法和积分投影函数获取人脸,根据人眼和人脸的几何特征,获取大致的人眼区域;其次,通过自适应中值滤波算法和迭代阈值法获取最小人眼块,利用最小人眼块的质心和积分投影最终准确定位眼睛.实验表明:所提出的算法是快速和可靠的.     

基于灰度信息和瞳孔滤波器的人眼定位算法

提出一种新的人眼定位方法,首先用Adaboost算法检测人脸区域,经过归一化和预处理后截取出人眼检测窗,然后利用眼眉的灰度信息确定人眼的大致位置,再利用瞳孔滤波器以精确定位。该方法解决了将眼睛错误定位到眉毛的问题,速度快而且定位准确。实验结果表明,无论是用于背景复杂的静态图像还是实时人脸检测系统,该算法都能取得很好的定位效果。     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置,然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系,最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明,该算法能够有效并准确地检测和校正人脸,可以显著提高识别率。     

一种新的图像中的人眼检测算法*

提出了一种新的图像中人眼检测算法,在一幅已知的人脸图像中首先采用同态滤波算法增强图像的对比度,然后利用迭代式阈值选择法对图像进行二值化处理,根据传统的先验知识获得眼睛的候选区域。根据眼睛的构造提出了一种基于最小外接矩形的自定义模板来实现眼睛的最终定位并利用区域质心标定出了眼睛区域的中心位置。实验证明,本算法简单实用,能够有效地实施人眼的检测,具有较高的检测精度。