基于積分投影和模板匹配的人眼定位算法研究

亢 潔， 李 靜

(陜西科技大學 電氣與信息工程學院， 陜西 西安 710021)

基于積分投影和模板匹配的人眼定位算法研究

亢 潔， 李 靜

(陜西科技大學 電氣與信息工程學院， 陜西 西安 710021)

以駕駛員疲勞檢測為背景，針對灰度投影算法對人臉戴眼鏡、姿態變化敏感，以及模板匹配算法計算量過大的問題，提出基于積分投影和模板匹配的人眼定位算法.利用圖像網絡分析算法檢測出人臉區域，再對人臉區域進行灰度積分投影，并結合人臉結構特征實現眼睛的粗定位，然后采用模板匹配算法精確定位人眼.仿真結果表明此算法相較于傳統的模板匹配算法對戴眼鏡、姿態變化的人臉圖像可快速地實現較好地人眼定位.

人眼定位； 灰度積分投影； 模板匹配

0 引言

根據交通事故年鑒：疲勞駕駛經常導致嚴重的交通事故，其中有17%致命的交通事故是疲勞駕駛引起的[1].快速、準確的人眼定位算法可以提高疲勞駕駛狀態的檢測速度，對減少交通事故的發生具有重要意義.

對給定圖像中的人眼進行準確定位和狀態分析是駕駛員疲勞狀態檢測、視線跟蹤等研究的關鍵技術之一.人眼定位的常用方法有基于幾何特征算法、積分投影算法和模板匹配算法等[2].基于幾何特征算法是利用人眼區域的灰度特征明顯區別于其他區域的特點，通過構造幾何特征向量定位人眼，但對人眼閉合、戴眼鏡情況時的定位效果較差[3].灰度積分投影算法是根據圖像在水平和垂直方向上的投影分布特征，并結合人臉結構特征對人眼進行定位.該方法定位速度快，但很難對旋轉的人臉圖像進行有效的人眼定位[4].模板匹配法是利用圖像的灰度信息計算已知模板和原圖像的均方誤差之和判斷相似性，具有較好的檢測效果和魯棒性，但算法復雜，檢測速度較慢.

針對灰度投影對人臉配戴眼鏡、姿態變化敏感，以及模板匹配算法雖精度較高，但計算量過大的缺點，本文提出一種基于積分投影和模板匹配的人眼定位算法，該算法在一定程度上適應人臉圖像光照和旋轉角度的變化，排除眼鏡的干擾，具有較好的魯棒性.

1 人臉檢測和人眼定位

本文首先利用中值濾波、直方圖均衡化對人臉圖像進行預處理，然后用圖像網絡分析算法對駕駛員的臉部進行檢測.對檢測出的人臉圖像采用灰度積分投影算法分別進行水平和垂直方向的投影，通過水平和垂直方向的坐標投影結合人臉幾何特征分布知識，將研究區域縮小到只有眉毛和眼睛的小區域.人眼圖像樣本構建模板采用手動方式采集，其大小為26×16，用模板匹配法搜索定位出的眉眼區域與其最相似的匹配塊，以實現對檢測到的眉眼區域人眼精定位.本文算法流程如圖1所示.

圖1 本文算法流程圖

1.1 人臉檢測

人臉中包含著重要的信息，準確的人臉檢測對后續的人眼定位和狀態分析等研究有著重要的意義[5].本文采用圖像網絡分析算法實現人臉檢測，算法的主要步驟為：

Step1：對不同光照環境下戴眼鏡和有一定傾斜的人臉圖像采用濾波窗口大小3×3的中值濾波算法、直方圖均衡化等進行預處理，效果圖如圖2(a)所示.

Step2：對預處理后的圖像二值化，對所得圖像采用10×10的網格進行分塊處理，圖2(b)為10×10分塊處理效果圖.

Step3：統計每個小方塊的黑色像素在圖像中的比例，將滿足面部檢測要求的小方塊提取出來組成新的圖像，找到人臉面積最大的聯通區域，即為人臉區域，圖2(c)為人臉檢測效果圖.

(a)預處理圖像 (b)分塊處理 (c)人臉檢測圖2 人臉檢測效果圖

1.2 灰度積分投影粗定位眉眼區域

灰度積分投影法算法容易受人臉姿態旋轉和戴眼鏡等因素的干擾，因此本文將積分投影曲線與人臉的幾何結構特征相結合，對檢測到的人臉圖像進行眉眼區域的粗定位.

采用灰度積分投影法算法對檢測出的人臉圖像分別進行水平和垂直方向的投影，得到兩個方向上的像素灰度的累加值曲線，然后根據曲線中波峰波谷的分布及人臉面部幾何特征知識定位人眼區域[6].設在大小為92×112的圖像上，I(x,y)為圖像上(x,y)像素點的灰度值，其中區間[x1,x2]即為[0,91]，區間[y1,y2]即為[0,111]；水平和垂直積分投影函數分別表示為H(x)和V(y).

(1)

(2)

人臉圖像分別往水平、垂直方向投影，在進行水平方向投影時，可以看到主要出現兩個極大值點，分別對應兩個眼睛；而對垂直方向投影時，可以看到有大概3個明顯的極大值點，分別大致對應著眉毛、眼睛和嘴巴[7].眼睛區域根據人臉特征分布的幾何知識在人臉的上半部，所以在垂直方向灰度積分投影時應該取前半部分的最大值.通過水平和垂直方向的坐標投影結合人臉幾何特征分布知識，實現人眼區域的粗定位，圖3、圖4、圖5分別為戴眼鏡、頭部不偏轉和偏轉圖像眉眼區域粗定位的過程圖.

(a)人臉圖像 (b)水平投影 (c)垂直投影 (d)眉眼粗定位圖3 戴眼鏡圖像的眉眼粗定位

(a)人臉圖像 (b)水平投影 (c)垂直投影 (d)眉眼粗定位圖4 頭部不偏轉圖像的眉眼粗定位

(a)人臉圖像 (b)水平投影 (c)垂直投影 (d)眉眼粗定位圖5 頭部偏轉圖像的眉眼粗定位

利用灰度積分投影曲線的分布結合人臉的結構特征，排除了嘴巴和背景的干擾，實現較為準確的眉眼粗定位.

1.3 模板匹配

傳統的模板匹配是對整幅圖像與目標圖像相同位置的像素灰度值或顏色值進行比較，該方法存在計算的復雜度高，對目標的旋轉比較敏感，干擾因素較多等問題.本文中因為已粗略定位出眉眼區域，排除了嘴和背景干擾，有利于提高模板匹配算法在人眼檢測方面的速度和準確率.圖6為部分在ORL標準人臉庫和實驗室自建人臉庫中裁剪的大小為26×16的人眼圖像模板.

圖6 人眼圖像模板

采用模板匹配算法對定位出的眉眼區域搜索與人眼構建的模板最相似的匹配塊，即尋找最大允許誤差的位置.利用歸一化互相關計算粗定位眉眼圖像與人眼模板之間的相關系數來度量它們的匹配程度，相關系數r表示兩個向量的相關程度[8]即：

(3)

(4)

(5)

模板匹配的具體步驟如下：

Step1：假定原眉眼圖像I(x,y)和人眼模板圖像的起始點都在左上角；

Step2：當x和y變化時，根據歸一化互相關矩陣計算F(k,j)在圖像I區域中移動所有的r值；

Step3：r取最大值時即是人眼模板圖像與原眉眼圖像匹配的最佳位置，從該位置開始在原眉眼圖像相應搜索區域中尋找最小的價值函數(MAD)[10]，即可找到匹配圖像；圖7為人眼精確定位的效果圖.

(a)眉眼區域人眼定位 (b)人臉圖中人眼定位圖7 人眼定位

采用模板匹配算法對眉眼區域實現人眼定位，利用模板圖像、眉眼區域圖像、人臉圖像之間的坐標關系變換，完成在人臉圖像中的眼睛定位.

2 仿真結果及分析

本算法在MATLAB2015b實驗平臺下，從ORL人臉庫和自建庫中選取(12人，120幅)包括戴眼鏡、頭部偏轉、閉眼等情況的單人臉圖像.

2.1 人眼定位

圖8為ORL庫和自建庫中部分人眼定位正確效果圖，圖9為自建庫中部分人眼定位錯誤效果圖.矩形框標記出人臉和眼睛區域，十字符號標記出眼睛的位置.

(a)佩戴眼鏡圖像

(b)閉眼圖像

(c)頭部偏轉圖像圖8 人眼定位正確圖像

從圖8的仿真結果可以看出,對ORL 庫中戴眼鏡、頭部偏轉、閉眼圖像，本文算法可以準確地對人眼進行定位.當對大量圖像進行仿真分析時，如圖9所示當實際拍攝圖像受背景復雜、圖像分辨率低、遮擋等因素影響時，部分圖像的人眼定位檢測誤差較大.

圖9 人眼定位錯誤圖像

2.2 人眼定位效果評價

采用Jesorsky等[11]的眼睛定位正確性度量標準，設手工標定的左右眼睛準確位置分別為EL和ER，算法檢測到的左右眼睛位置分別為EL′和ER′；dl、dr和dlr分別為EL-EL′，ER-ER′的距離，定位的相對誤差定義為

(6)

eer≤0.25,eer≤0.10分別對應定位的眼睛坐標在眼鏡框、眼球內[11].為了達到疲勞檢測系統的實用要求，本文采用的人眼定位算法的評價標準為eer≤0.10，定位準確率及平均定位時間如表1所示，分層采樣圖像的人眼定位計算坐標與實際坐標之間的相對誤差如表2所示.

表1 人眼定位方法對比

表2 分層抽樣圖像的人眼定位計算坐標與實際

表1仿真結果表明本文算法對眼睛的定位準確率比較高，平均檢測時間約56 ms，相較于傳統的模板匹配算法較好的提高了定位速度，具有較好的定位準確性；表2為分層抽樣圖像的計算坐標與實際坐標之間的相對誤差；其中對所采用的120幅人眼定位平均相對誤差eer=0.078 4，小于本文采用的人眼定位準確評價標準eer≤0.10，滿足駕駛員疲勞檢測應用的需要.

3 結論

針對傳統的人眼檢測方法易受戴眼鏡、頭部偏轉變化的影響，本文提出了一種基于積分投影和模板匹配的眼睛定位算法，相較于傳統的模板匹配算法可快速地對戴眼鏡、姿態變化的人臉圖像實現較好的人眼定位，在一定程度適應圖像旋轉角度變化，有較好的魯棒性.由于眼睛狀態變化只是疲勞表現的一個方面，在后期駕駛員疲勞判斷時，采用多特征融合的方法將是其研究的重點.

[1] Peng Yan,Zhou Tian,Wang Shaopeng,et al.Implementation of a real-time eye tracking system[J].The Journal of China Universities of Posts and Telecommunications,2013,20(S1):1-5.

[2] Song Fengyi,Tan Xiaoyang,Liu Xue,et al.Eyes closeness detection from still images with multi-scale histograms of principal oriented gradients[J].Pattern Recognition,2014,47(9):2 825-2 838.

[3] 牛清寧,周志強,金立生,等. 基于眼動特征的疲勞駕駛檢測方法[J].哈爾濱工程大學學報,2015,36(3):394-398.

[4] Liu Chunsheng,Chang Faliang,Chen Zhenxue,et al.Improved gaussian skin color model and its application in face detection[J].Chinese Journal of Scientific Instrument,2012,33(5):1 117-1 121.

[5] 李玲玲.基于多視覺信息融合的駕駛員疲勞檢測方法研究與實現[D].北京：北方工業大學,2012.

[6] 張文聰,鄧宏平,李 斌,等.基于徑向對稱變換的眼睛閉狀態檢測[J].中國科學技術大學學報,2013,40(5):460-465.

[7] R.Barea，L.Boquete，S.Ortega，et al.EOG-based eye movements codification for human computer interaction[J].Expert Systems with Applications,2012,39(3)：2 677-2 683.

[8] 張 偉.基于機器視覺的駕駛人疲勞狀態識別關鍵問題研究[D].北京：清華大學,2011.

[9] 吳 強，任 琳，張 杰.快速歸一化互相關算法及DSP優化實現[J].電子測量與儀器學報，2011，25(6):495-499.

[10] 劉 莎.基于最小值區域的人眼定位新算法[J].微型機與應用，2011，30(20):37-43.

[11] Jesorsky O,Kirchberg J,Frishholz R W.Robust face detection using the hausdorff distance，audio and video based persion authentication[J].Lecture Notes in Computer Science,2001,47(9):90-95.

【責任編輯：陳 佳】

Eye location algorithm based on integral projection and template matching

KANG Jie， LI Jing

(College of Electrical and Information Engineering, Shaanxi University of Science & Technology, Xi′an 710021, China)

Under the background of driver fatigue detection, aiming at the problems that gray projection algorithm is sensitive to posture change and the complex calculation of template matching,eye location algorithm based on integral projection and template matching is proposed.Face region is detected by using image network analysis algorithm,the eye area is roughly located through the method of gray-level integral projection and face geometry character,then precisely located by using template matching.Simulation shows that this algorithm has good location effect for wearing glasses and posture change image compared with the traditional template matching algorithm.

eye location； gray-level integral projection； template matching

2016-10-21

陜西省科技廳自然科學基礎研究計劃項目(2014JM8329)； 陜西省教育廳專項科研計劃項目(14JK1092)； 咸陽市科技計劃項目(2011K07-03)； 陜西科技大學博士科研啟動基金項目(BJ10-10)

亢 潔(1973-)，女，陜西潼關人，副教授，博士，研究方向：數字圖像處理、模式識別

1000-5811(2017)01-0174-04

TP391

A