一種基于積分投影的人眼定位算法

摘要：提出一種基于積分投影的人眼定位算法。該算法首先根據臉部膚色分割出人臉區域，然后再用積分投影函數定位人眼。實驗表明，該算法能比較準確地識別出人眼區域并進行定位，且計算量小、處理速度較快、魯棒性較好，該算法在實踐中具有極大的可行性和較高的準確性。[JP]

關鍵詞：人眼定位； 積分投影； 膚色分割； 投影曲線

中圖分類號： TP391

文獻標志碼：A

文章編號： 2095-2163（2016）06-0090-03

0引言

人臉識別技術在模式識別領域中占據著舉足輕重的地位。在人臉的各個部位中，人眼圖像通常呈現最為明顯的灰度變化。而且，人眼作為人類面部中實現了高度恒穩的性狀特征，可以用于幫助定位人臉、識別人臉表情變化等。因此，人眼的精確定位對于有效提升人臉識別率也必將有著積極重要的現實影響與意義。

迄今為止，國內外的專家學者提出了許多人眼定位的方法。其中，頗具代表性的方法主要有：Reinders等采用神經網絡和眼睛的微特性來定位人臉特征[1]；Zhu等利用積分圖像找到瞳孔候選點，然后使用SVN展開性能校驗；Liu等根據眼睛虹膜的幾何特點檢測人眼，再按一定規則設計配對，其后再通過神經網絡進行結果校驗；Bala等提出基于遺傳算法和決策樹來支持研究眼睛定位[2]；Feng等人又提出了一種多線索的眼睛定位方法[3]；Huang等人則利用SVN得到了人臉的姿態和人眼的位置[4]；此外，還有王守覺等根據幾何復雜度得到了快速人眼定位法；Zhang等人即通過Hough變換在提取的基礎上使用圓檢測算法來達到定位眼睛虹膜的目的。

綜上所述可知，目前已成功研發的各類的人眼定位算法都表現出較大的運算量，有的算法實現起來比較困難，有的算法對人臉圖像的旋轉、平移和尺度變化非常敏感，從而將直接導致算法效率的降低[5]。

在此基礎上，進一步研究發現，投影則是獲得圖像特征的一種有效方法，因其能夠降低圖像維數，對于分析圖像特征將提供明顯的研究方便，因此投影方法已然多次用于人臉特征提取及人臉定位開發應用中。早期，Kanade曾使用積分投影法用于識別人的臉部特征，之后Brunelli和Poggio又對其引入了改進，通過利用積分投影法對人臉圖像進行邊界分析，以此確定人臉的具體實際位置[6]。

[JP2]為此，本文隨即提出一種基于積分投影的人眼定位算法。該算法首先根據臉部膚色分割出人臉區域，然后再用積分投影函數定位人眼。實驗表明，該算法能比較準確地識別出人眼區域并進行定位，且計算量小、處理速度較快、魯棒性也較好。[JP]

[BT4]1基于積分投影的人眼定位算法

[BT5]1.1積分投影函數

設I（x，y）表示點（x，y）處的像素灰度值，在區間[x1，x2]和[y1，y2]上的水平積分投影函數和垂直積分投影函數分別表示為[7]：

[HT5SS]Sh（y）=∫x2x1I（x，y）dx[HT5”SS][JY]（1）

[HT5SS]Sy（x）=∫y2y1I（x，y）dy[HT5”SS][JY]（2）

同時，研究提出平均積分投影函數的數學形式表述可如下所示：

[HT5SS]Mh（y）=Sh（y）x2-x1[HT5”SS][JY]（3）

[HT5SS]My（x）=Sy（x）y2-y1[HT5”SS][JY]（4）

[BT5]1.2根據膚色分割框選人臉區域

準確定位眼部區域需要首先實現人臉區域框選。框選人臉前需要對圖像進行膚色分割，然后根據人臉的形態學特點，并結合眼部區域在人臉中的大概位置，粗略框選出包含眼睛區域的人臉部分。本算法在重點分析了Jain等人的研究結果后可知，在YCbCr色彩空間上設計使用了非線性分段變換后，人臉膚色的聚類區域可近似表示成一個橢圓[8]：

[HT5SS]（x-eCx）2a2+（y-eCy）2b2=1[HT5”SS][JY]（5）

且滿足下列條件：

[HT5SS]xy=cos θsin θ-sin θcos θCb-CxCr-Cy[HT5”SS][JY]（6）

在式（6）中，Cb和Cr為圖像經過非線性分段變換后的藍色分量和紅色分量。并且，Cx=109.38， Cy=152.02， θ=2.53 rad， eCx=1.6， eCy=2.41， b=14.03。

膚色分割后，將會進入對人臉區域框選研究。方法如下：

首先，垂直掃描人臉圖像，通過白色像素點的顯像和消失可以快速得到人臉區域在YCbCr色彩空間上x軸的起止坐標。然后，水平掃描人臉圖像，統計出每行像素中白色像素的個數。水平掃描剛開始時，可以發現幾乎全為黑色像素點，隨著掃描逐步進行，白色像素點則陸續出現，此現象表明已經掃描到了人臉的邊緣部分，繼續掃描發現白色像素點越來越多。直至掃描到眉毛區域，此時白色像素點急劇減少，眉毛區域掃描結束后，可得到該區域在YCbCr色彩空間上的y軸起止坐標。當最終停止掃描后，根據y軸起止坐標以及由x軸起止坐標得到的水平距離的一半進行人臉框選。

該方法能夠避免掃描大量的非膚色部分，不僅降低了運算量，有效簡化了眼睛定位的設計操作，而且也提高了眼睛定位的準確率，從而獲得了優勢運行速度與運算效率。

[BT5]1.3眼球定位

眼睛區域的圖像有2個特點：該區域比其周邊的區域要暗，因此對應的灰度值相對較低；該區域的灰度值范圍變化較大。所以研究中可以利用積分投影和微分投影來定位眼睛。對于框選出的眉眼區域，可直接對其進行水平積分投影，投影曲線如圖1所示。該曲線明確清晰地顯示出2個波谷，這是該曲線的2個最小值。通過分析眉毛和眼睛的相對位置，可以判斷出第二個波谷的位置就是眼睛的垂直位置。

[PS何春1.EPS；S*1；X*1，BP#]

[HT6H][ST6HZ][WT6HZ][JZ]圖1眉眼區域上的水平積分投影

[JZ]Fig. 1The horizontal integral projection on facial region

[HT5”SS][ST5”BZ][WT5”BZ]

眉眼區域的水平積分投影結果能有效去除眉毛的干擾。假設圖1中的眼睛垂直坐標為y，在人臉圖像中以y為中心選取一塊區域，所選區域寬度最好不包含眉毛部分，則眼睛對應著人臉中心對稱軸兩側對稱的2塊低灰度圓形區域。對條形區域作垂直積分投影得到歸一化后的曲線如圖2所示。從圖2可以看出，人臉中心對稱軸兩側出現了2個對稱的y值最小點，分別對應于左右眼球的中心位置。因此根據垂直積分投影曲線，從中心分別向左右搜索最小值即可準確定位并得到眼球中心的水平坐標值。

[PS何春2.EPS；S*1；X*1，BP#]

[HT6H][ST6HZ][WT6HZ][JZ]圖2眉眼區域上的垂直積分投影

[JZ]Fig. 2The vertical integral projection on facial region

[HT5”SS][ST5”BZ][WT5”BZ]

[BT4]2實驗結果與分析

為驗證該算法的有效性，測試中選用了英國劍橋大學Olivetti研究中心的人臉圖像庫，簡稱ORL圖庫。該圖庫包含40個人，每個人有10張圖像，分別對應不同的光照、姿態、表情，且圖像中包括了正面、微側、帶眼鏡等各種狀態。通過對400幅人臉圖像研發設計人眼定位實驗，結果表明， 與傳統算法相比，該算法對圖像具有平移、旋轉的不變性，算法在眉眼區域的定位上大大減少了運算量，降低了復雜度，并且簡單有效地排除了鼻子、嘴和脖頸等的影像干擾。同時，在眼球的定位上采取了分部進行水平積分投影和垂直積分投影的策略，這樣即能更加精準地確定眼球的中心，該算法在實踐中具有較好的現實可行性和較高的準確性。

[BT4]3結束語

本文論述了一種基于積分投影的人眼定位算法，該算法利用積分投影方法快速定位眼睛位置，能有效減少算法運算時間，提高人眼區域定位的精確性和魯棒性。同時該算法也存在一定的局限性，有些情況甚至可能導致算法失效，如頭發過長導致眼睛被遮擋住，頭部旋轉角度過大導致無法完全顯示眉眼部位，光線過于昏暗導致人臉圖像模糊等。這些問題也是后續工作中擬將進一步開展研究的方向和目標。

參考文獻：

[1] FENG G C， YUEN P C. Variance projection function and its application to eye detection for human face recognition[J]. Pattern Recognition Letters， 1998， 19（9）： 899-906.

[2] HAFED Z M， LEVINE M D. Face recognition using the Discrete Cosine Transform [J]. International Journal of Computer Vision， 2001， 43（3）： 167-188.

[3] BRUNELLI R， POGGIO T. Face recognition： Features versus templates [J]. IEEE， Transactions on Pattern Analysis and Machine Intelligence， 1993， 15（10）： 1042-1052.[ZK）]

[HT5”SS][JY]（下轉第93頁）[FL）]

[HT6SS][ST6BZ][WT6BZ]

[4] [ZK（#] 張書真，宋海龍，向曉燕. 基于膚色分割及特征定位的人臉檢測算法研究[J]. 現代電子技術， 2008，31（14）：82-84.

[5] JAIN A K. Face detection in color images [J]. IEEE Trans. on PAMI， 2002， 5： 696- 706.

[6] 耿新，周志華，陳世福. 基于混合投影函數的眼睛定位[J]. 軟件學報，2003，14（8）：1394-1400.

[7] 付煒，孔祥棟. 基于膚色和Adaboost算法的人臉檢測[J]. 現代電子技術，2010，33（6）：131-134.

[8] 山世光，高文，陳熙霖. 基于紋理分布和變形模板的面部特征提取[J]. 軟件學報， 2001， 12（4）： 570-577.[ZK）]

[FL）]