基于多尺度自商图和改进积分投影法的人眼定位

针对传统的投影方法在人眼定位时易受光照干扰以及难以获得精准的人眼中心点的问题,提出一种基于多尺度自商图和改进的积分投影法的人眼定位算法.首先利用多尺度自商图消除人脸图像的光照影响;然后分析眼睛在水平方向上灰度分布的特点,采用两个行梯度算子对积分投影法进行了改进,以提升眼睛区域特征并初步定位人眼区域;接着采用Sobel算子对人眼区域进行滤波得到人眼滤波图,并对人眼滤波图的垂直积分投影曲线进行高斯函数拟合,根据拟合结果分割出左眼窗口和右眼窗口;最后,计算左眼窗口和右眼窗口的尺寸,获取左眼窗口和右眼窗口的中心点,即为人眼中心点.在YaleB人脸数据库和JAFFE人脸数据库上测试表明,本文方法对复杂光照、人脸边缘以及人脸表情适应性强,可以获得较为精准的人眼中心点.     

基于肤色检测和人眼定位的人脸检测方法

提出了一种基于肤色检测和人眼定位的人脸检测方法。使用基于“基准白色”的色彩平衡方法归一化彩色图像,将图像在HSV空间进行肤色分割,确定候选人脸,采用形态学滤波器对其降噪。在获得虹膜位置的基础上,使用Susan算子定位两个眼角点,从而实现眼睛的精确定位。实验证明提出的方法能够很好的检测人脸、定位人眼,尤其对存在人脸旋转和光照异常的人脸图像有很高的精确度和鲁棒性.     

人眼定位的边缘强度信息积分投影方法

为了提高积分投影方法对人眼定位的准确性和适用范围,提出了一种在极坐标系下对边缘强度信息进行积分投影的改进方法。基于肤色特征确定出人脸区域,采用Kirsch算子建立边缘强度信息图像,对不同极角方向进行积分投影,确定出人眼角度方向,对人眼所在角度方向的边缘强度进行微分累加运算确定出人眼的极径,从而实现人眼的极坐标定位。实验结果表明,该方法能够有效地提高各种姿态人脸图像中人眼定位的准确性,尤其对于旋转人脸图像的人眼定位,该算法具有良好的鲁棒性。     

复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

人脸检测中的眼睛定位算法研究

眼睛是一个在人脸检测中极为重要的人脸特征,因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。本文分析了几种常用的眼睛定位算法,并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。算法采用由粗到细的检测策略,先对AnilK.Jain的Cb、Cr椭圆聚类方法进行了改进,用改进的算法进行肤色提取,经过肤色区域的分析,对人脸区域进行预检测,然后结合人眼几何特征进行初步定位,再利用人眼的灰度信息进行精确定位。该算法定位效率高,并对背景、尺寸等细节具有很好的适应性,在人脸实时检测系统中具有很好的应用价值。     

复杂背景下提取人脸方法的改进

人脸检测在身份认证、人口统计、实时检测等领域都起着非常重要的作用。作为一种预处理手段,人脸检测和定位可以有效地提高表情识别和人脸识别的识别率。为此提出了一种先定位眼睛再提取人脸的改进方法,首先基于adaboost算法的级联人眼检测器检测到人眼+眉毛的侯选位置,然后根据人眼的地形特征和模板匹配准确定位人眼,最后再利用人脸的拓扑结构提取出人脸,达到有效检测人脸目的的方法。该方法很好地降低了误检率,并大大提高检测速度,同时也解决了由于眼睛和眉毛非常相似而引起的个体混淆。     

一种融合Hough变换和ASM定位瞳孔中心点方法

特征点的准确定位是机器视觉和模式识别的关键技术之一.主动形状模型(ASM)是一种传统的图像特征点定位算法,具有较高的精确性和鲁棒性.为了提高ASM人脸瞳孔特征点定位的精确度,提出了使用Hough变换方法来改进瞳孔特征点的定位.通过ASM算法,初步定位出瞳孔特征点,并使用Sobel算子对图像进行边缘检测,然后在人眼位置选择一个合适的窗口使用Hough圆检测,找出精确瞳孔点相对于ASM初步定位瞳孔点的偏移量.在实验室采集的人脸图像上的对比实验表明,该方法能够显著的改善ASM人眼瞳孔特征点定位准确性.由于使用了初定位进行了搜索范围的限制,计算量也得到了有效的控制.     

复杂背景下基于肤色和几何特征的人眼定位

人眼检测和定位是人脸识别技术中一个重要组成部分。基于肤色信息和人脸面部几何特征的算法是一种快速、高效、稳定的人眼检测算法。算法采用由粗到细的检测策略,先通过肤色信息对人脸区域进行预检测,然后结合人眼几何特征进行定位,该算法定位效率高,并对背景、尺寸、旋转角度等细节具有很好的适应性,在人脸实时检测系统中具有很好的应用价值。     

基于积分投影和差分投影的人眼定位

人脸识别是生物特征识别的重要组成部分,而人眼是人脸最突出的特征之一,眼睛定位成为人脸识别的关键环节。积分投影法是一种常用的人眼定位方法,但直接采用此方法进行人眼定位时,由于眉毛与眼睛距离较近,容易将眉毛的水平位置错误地判定为眼睛的水平位置,降低眼睛定位的准确率。所以,在人脸区域粗定位后,计算眼睛区域的水平积分投影时,增加了其在水平方向灰度变化频繁的特征,即差分投影法,最后将积分投影法与差分投影法相结合来实现人眼定位。该方法在ORL人脸库上经过测试,取得了约90.5%的定位准确率。实验结果表明,该方法可以更准确地定位人眼。     

基于模板匹配和遗传算法的人眼定位

文中提出了一种利用模板匹配与遗传算法相结合的人眼定位算法.根据人脸几何特征将人脸分为几个特征区域(眼睛、鼻子、嘴巴),在找到人眼区域后根据人眼几何特征,建立人眼特征模板及其能量函数,通过改变模型参数用遗传算法实现能量函数的全局最小化,使能量函数最小的模型参数即可描述人眼的特征,从而实现人脸特征的有效定位.同时还讨论了不同的能量函数在人眼定位过程中的地位和作用.可避免在能量函数寻优过程中的局部最小化的出现,较准确较快捷的确定人脸主要特征的位置.     

一种基于偏转角度的AAM人脸特征点定位方法

对有偏转角度的人脸特征点定位来说,拟合初始位置和模型的角度对人脸特征点定位效果有很大的影响。而传统的AAM（Active Appearance Models）人脸特征定位方法没有具体考虑这一问题,对有偏转角度的人脸特征点的定位准确率和速度并不理想。为解决这个问题,文中提出了一种利用两眼中心坐标和嘴中心坐标来计算人脸偏转角度,根据坐标和角度确定拟合初始位置和模板的方法。用Adaboost和YCbCr对人脸进行预检测,根据找到的特征区域计算偏转角,用反向算法结合该角度的模板进行特征点定位。实验的测试结果表明本方法对有偏转角度的人脸的特征点定位比传统方法在准确度和速度上都有了提高。     

A robust eye detection method using combined binary edge and intensity information

In this paper, a new eye detection method is presented. The method consists of three steps: (1) extraction of binary edge images (BEIs) from the grayscale face image based on multi-resolution wavelet transform, (2) extraction of eye regions and segments from BEIs and (3) eye localization based on light dots and intensity information. In the paper, an improved face region extraction algorithm and a light dots detection algorithm are proposed for better eye detection performance. Also a multi-level eye detection scheme is adopted. Experimental results show that a correct eye detection rate of 98.7% can be achieved on 150 Bern images with variations in views and gaze directions and 96.6% can be achieved on 564 AR images with different facial expressions and lighting conditions.     

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。     

Eye detection in a facial image under pose variation based on multi-scale iris shape feature

The accurate location of eyes in a facial image is important to many human facial recognition-related applications, and has attracted considerable research interest in computer vision. However, most prevalent methods are based on the frontal pose of the face, where applying them to non-frontal poses can yield erroneous results.In this paper, we propose an eye detection method that can locate the eyes in facial images captured at various head poses. Our proposed method consists of two stages: eye candidate detection and eye candidate verification. In eye candidate detection, eye candidates are obtained by using multi-scale iris shape features and integral image. The size of the iris in face images varies as the head pose changes, and the proposed multi-scale iris shape feature method can detect the eyes in such cases. Since it utilizes the integral image, its computational cost is relatively low. The extracted eye candidates are then verified in the eye candidate verification stage using a support vector machine (SVM) based on the feature-level fusion of a histogram of oriented gradients (HOG) and cell mean intensity features.We tested the performance of the proposed method using the Chinese Academy of Sciences' Pose, Expression, Accessories, and Lighting (CAS-PEAL) database and the Pointing'04 database. The results confirmed the superiority of our method over the conventional Haar-like detector and two hybrid eye detectors under relatively extreme head pose variations.     

一种鲁棒的全自动人脸特征点定位方法

人脸特征点定位的目标是能够对人脸进行全自动精确定位. 主动形状模型(Active shape modal, ASM)和主动表象模型(Active appearance modal, AAM)的发表为全自动人脸特征点定位工作提供了很好的思路和解决框架. 之后很多研究工作也都在ASM和AAM的框架下进行了改进. 但是目前的研究工作尚未很好地解决人脸表情、光照以及姿态变化情况下的人脸特征点定位问题, 本文基于ASM框架提出了全自动人脸特征点定位算法. 和传统ASM方法以及ASM的改进方法的不同在于: 1)引进有效的机器学习方法来建立局部纹理模型. 这部分工作改进了传统ASM方法中用灰度图像的梯度分布进行局部纹理建模的方法, 引入了基于随机森林分类器和点对比较特征的局部纹理建模方法. 这种方法基于大量样本的统计学习, 能够有效解决人脸特征点定位中光照和表情变化这些难点; 2)在人脸模型参数优化部分, 本文成功地将分类器输出的结果结合到人脸模型参数优化的目标函数当中, 并且加入形状限制项使得优化的目标函数更为合理. 本文在包含表情、光照以及姿态变化的人脸数据上进行实验, 实验结果证明本文提出的全自动人脸特征点定位方法能够有效地适应人脸的光照和表情变化. 在姿态数据库上的测试结果说明了本算法的有效性.     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。     

正面人脸图像方位的自动校正

人脸识别中图像方位的变化对识别结果有很大的影响。本文在研究眼睛的精确定位的基础上,提出一种图像方位的自动校正的方法,采用本方法对40多幅人脸图像进行了实验,结果验证了方法的有效性。     

基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。     

基于改进SVR的眼睛中心定位方法

眼睛中心定位技术无法摆脱图像分辨率较低、光照条件较差、侧脸及眼睛状态不定等问题对定位精度的影响.为了解决这一问题,文中提出改进的支持向量回归(SVR)的眼睛中心定位方法,基于面部特征定位中心,同时尝试几种图像预处理技术,用于提高定位精度.实验表明,结合高斯滤波器的SVR可以获得较好的中心定位精度.