CN102129553A

CN102129553A - 基于单红外光源的人眼检测方法

Info

Publication number: CN102129553A
Application number: CN 201110062825
Authority: CN
Inventors: 高耀; 舒欣; 卢宏涛
Original assignee: Shanghai Jiaotong University
Current assignee: Shanghai Jiaotong University
Priority date: 2011-03-16
Filing date: 2011-03-16
Publication date: 2011-07-20

Abstract

一种图像处理技术领域的基于单红外光源的人眼检测方法，首先采用红外拍摄装置采集亮瞳孔图像，并将亮瞳孔图像进行阈值化处理，得到二值化图像；然后在二值化图像上进行连通区域的标定，得到每个连通区域的尺寸范围和质心位置；再过滤去除不含眼睛形状的连通区域，得到人眼候选区域；对人眼候选区域采用支持向量机进行人眼分类得到分类候选区域，然后依次对每个分类候选区域采用形状检测器进行人眼识别，从候选区域中选择出眼睛区域。本发明借助简单硬件和人眼特性在保证人眼检测准确率的情况下，快速实现人眼定位，并且提取人眼相关参数。

Description

基于单红外光源的人眼检测方法

技术领域

本发明涉及的是一种视觉跟踪检测技术领域的方法，具体是一种基于单红外光源的人眼检测方法。

背景技术

监视或跟踪眼睛运动可以用于很多不同的环境。例如人眼的目光注视信息可以用于分析该人的行为和意识。对司机开车时的眼睛运动进行跟踪和分析，可以用于判断司机的驾驶警觉度，当司机警觉度较低时给出警告，防止发生安全事故。

现有的很多计算机视觉研究和应用都很大程度上依赖于眼睛的相关信息，快速的完成眼睛位置检测和相关参数标定，对于相关算法和应用有着非常重要的意义。

经过对现有技术的检索发现，中国专利文献号CN 101196993A，记载有一种眼睛检测的方法。该技术检测眼睛的位置首先需要检测鼻孔位置，然后在鼻孔位置附近设定眼睛搜索区域来完成眼睛的搜索。而当鼻孔检测不太成功时，需要从嘴巴检测开始，设定鼻孔的搜索区域来搜索鼻孔。该技术将眼睛的检测依赖于鼻孔的检测来实现，鼻孔的检测依赖于嘴巴的检测来实现，但是嘴巴和鼻孔的检测同样十分复杂，其检测结果势必会降低眼睛检测准确率和速度。

中国专利文献号CN1725976A记载了一种用于检测和跟踪眼睛及其注视方向的方法和装置，该技术为了检测眼睛的位置，在显示器周围放置了一些光电感传感器和光源。当内元件被照亮时进行瞳孔的简单检测，外元件被照亮时确定眼睛离光电传感器的距离。该技术虽然准确率高，在硬件设计上采用了内圈与外圈光源交替闪烁，并且同步控制摄像头进行图像采集，这造成硬件实现复杂，采集速度和检测速度都不高。

中国专利文献号CN1422596A记载了一种眼睛位置检测方法以及眼睛位置检测装置，该技术首先对于面部图像进行灰度修正以使眼睛的巩膜部分和虹膜部分的反差变高。对灰度修正后的图像算出灰度梯度向量，进而利用算出的灰度梯度向量生成灰度梯度图像和眼睛模板的选配，修正眼睛中心位置，最终确定眼睛的位置。但该技术计算复杂，对于一次眼睛位置的确定，需要经过前处理，求解梯度向量，模板匹配等复杂过程。而且对于眼睛位置的确定，仍然采用搜索区域来实现。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于单红外光源的人眼检测方法，借助简单硬件和人眼特性在保证人眼检测准确率的情况下，快速实现人眼定位，并且提取人眼相关参数。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步、采用红外拍摄装置采集亮瞳孔图像I(src)；

所述的红外拍摄装置包括：红外摄像头和环绕其周围的若干个红外二极管，其中：红外摄像头采集图像信息并输出到计算模块；所述的红外摄像头上设有红外滤光片或者红外镜头；所述的红外二极管的波长小于900nm。

所述的红外二极管沿径向平均分布于圆形的红外摄像头的外侧。

第二步、将亮瞳孔图像I(src)进行阈值化处理，得到二值化图像I(bw)；

所述的阈值化处理是指：将亮瞳孔图像I(src)与N×N(N≥3)的模板进行卷积得到卷积图像I(conv)，然后将亮瞳孔图像I(src)减去卷积图像I(conv)，并设定灰度阈值进行阈值化，最终得到自适应的二值化图像I(bw)。

第三步、在二值化图像I(bw)上进行连通区域的标定，得到每个连通区域的尺寸范围和质心位置；

第四步、过滤去除不含眼睛形状的连通区域，得到人眼候选区域I(cand)；

所述的过滤是指：去除填充度小于0.1或大于0.9的连通区域，实际范围可以根据精度要求自行选择过滤的范围。

第五步、对人眼候选区域I(cand)采用支持向量机方法(SVM)进行人眼分类，分类之后得到分类候选区域I(class)，然后依次对每个分类候选区域采用形状检测器进行人眼识别，从候选区域中选择出最终的眼睛区域I(eye)。

所述的形状检测器使用霍夫变换检测或曲率信息检测分类候选区域I(class)中是否含有圆形或者半圆形区域，曲率方法的具体步骤为：首先计算分类候选区域I(class)中每一个点的曲率K：其中t为图像I(class)中的任意一个点。x′(t)、x″(t)分别为点t在x方向的一阶导数和二阶导数，y′(t)、y″(t)分别为点t在y方向的一阶导数和二阶导数。点t的曲率圆半径R＝|1/K|，在分类候选区域I(class)中的点上，沿着梯度方向距离为R的点即为曲率圆的圆心位置，I(class)中每一个点使用该方法都会找到一个相应的圆心位置。如果这些圆心位置最终可以聚合为一个点，则意味着区域中含有圆形或者半圆形区域并判定为眼睛区域I(eye)，否则判定为非眼睛区域。

本发明的主要优势在于通过在红外摄像头附近增加一圈红外光源，实现了对人眼的快速准确检测。普通摄像头只需要稍加改造就可以使用本发明方法，同时本发明区别于现有红外检测方法的是不采用内外圈光源方法，因此不需要进行硬件同步，大大提高了红外图像的采集速度和人眼的检测速度。本发明方法使用了自带红外光源，克服了可见光条件下的人眼检测方法受外部光源变化的影响较大的缺点，在强烈光源和无光源条件下都可以正常工作，单圈红外光源条件下，人眼所呈现出的亮眼特点也极大提高了人眼检测的速度。

附图说明

图1为硬件示意图

图2为白天和强烈外部光源时的采集图像。

图3为夜晚和较弱外部光源时的采集图像。

图4为对图2进行二值化和降噪之后的二值化图像。

图5为图4所得到的候选区域在原始图像上的体现，即候选区域。

图6为对候选区域进行模式分类和形状检测之后得到的眼睛区域。

图7为硬件实物实施例。

具体实施方式

下面结合附图对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

第一步，采用如图1所示的红外拍摄装置采集亮瞳孔图像I(src)；

所述的红外拍摄装置包括：红外摄像头2以及环绕设置的若干个红外二极管1，其中：红外摄像头2采集图像信息并输出至计算模块；所述的红外摄像头2上设有红外滤光片或者红外镜头；所述的红外二极管1的波长小于900nm。

所述的红外二极管1沿径向平均分布于圆形的红外摄像头2的外侧。

实施例的采集设备如图7所示，白天和夜晚采集到的亮瞳孔图像分别如图2和图3所示。

第二步，对I(src)进行自适应阈值化。亮瞳孔图像I(src)与N×N(N＞＝3)的模板进行卷积得到卷积图像I(conv)，亮瞳孔图像I(src)减去卷积图像I(conv)，最后进行阈值化，得到自适应的阈值化差分图像I(bw)。3×3的模板为

1	1	1
			1	1	1
1	1	1

阈值化图像如图4所示。

第三步，在I(bw)上进行连通区域的标定，求出每个连通区域的范围和质心位置。

第四步，根据每一个连通区域的范围和质心位置，将范围很大和很小的连通区域标定为非眼睛区域，从候选区域中过滤出去，进而在I(src)上得到人眼候选区域I(cand).候选区域如图5所示。

第五步，每一个候选区域I(cand)依次经过SVM的人眼分类，如果人眼分类器识别为非眼睛区域，则从候选区域中移除，如果判断为眼睛区域，得到分类候选区域I(class)

第六步，对于每一个I(class)依次进行形状检测，检测I(class)是否含有圆形或者半圆形区域，如果含有近似圆形，I(class)判定为人眼区域I(eye)，否则判定为非眼睛区域。圆检测的方法可以使用霍夫变换检测，也可以采用曲率信息进行圆形检测。具体方法为，计算I(class)中每一个点的曲率K，计算方法为其中t为图像I(class)中的任意一个点。x′(t)、x″(t)分别为点t在x方向的一阶导数和二阶导数，y′(t)、y″(t)分别为点t在y方向的一阶导数和二阶导数。每一个点的曲率圆半径R＝1/K，在I(class)中的点上，沿着梯度方向距离为R的点即为曲率圆的圆心位置，I(class)中每一个点都会找到一个相应的圆心位置，如果这些圆心位置最终可以聚合为一个点，说明I(class)中含有圆形或者半圆形区域，判定为I(eye)，如果不能聚合为一点判断为非眼睛区域。人眼检测结果如图6所示。

由于本实验采用简单的硬件进行人眼检测，在保证检测准确率与现有眼睛检测方法大体相当的情况下大大提高了眼睛的检测速度，而且硬件方便实现，造价便宜。

经典Haar特征的人眼检测在对320*240图像进行处理时，大约需要100-200ms。采用双圈红外二极管的人眼检测方法，受制于硬件采集速度，采集速度大约为15帧/秒，检测速度约为50-100ms。本实施例对320*240图像进行人眼检测速度，大约为20-30ms。本实施例在保证不降低人眼检测准确率的情况下，极大的提高了人眼检测的速度。

本实施例最大的特点为采用了单圈红外光源，既克服了无光源方法在光线较弱时无法正常工作的缺点，也克服了双圈红外光源方法，硬件设计复杂，检测速度较低的缺点，有力的提高了人眼检测的速度和健壮性。

Claims

1.一种基于单红外光源的人眼检测方法，其特征在于，包括以下步骤：

第一步、采用红外拍摄装置采集亮瞳孔图像；

第二步、将亮瞳孔图像进行阈值化处理，得到二值化图像；

第三步、在二值化图像上进行连通区域的标定，得到每个连通区域的尺寸范围和质心位置；

第四步、过滤去除不含眼睛形状的连通区域，得到人眼候选区域；

第五步、对人眼候选区域采用支持向量机进行人眼分类得到分类候选区域，然后依次对每个分类候选区域采用形状检测器进行人眼识别，从候选区域中选择出眼睛区域。

2.根据权利要求1所述的基于单红外光源的人眼检测方法，其特征是，所述的红外拍摄装置包括：红外摄像头和环绕设置的若干个红外二极管，其中：红外摄像头采集图像信息并输出至计算模块；所述的红外摄像头上设有红外滤光片或者红外镜头；所述的红外二极管的波长小于900nm。

3.根据权利要求1所述的基于单红外光源的人眼检测方法，其特征是，所述的红外二极管沿径向平均分布于圆形的红外摄像头的外侧。

4.根据权利要求1所述的基于单红外光源的人眼检测方法，其特征是，所述的阈值化处理是指：将亮瞳孔图像与N×N(N＞＝3)的模板进行卷积得到卷积图像，然后将亮瞳孔图像减去卷积图像，并设定灰度阈值进行阈值化，得到自适应的二值化图像。

5.根据权利要求1所述的基于单红外光源的人眼检测方法，其特征是，所述的过滤是指：所述的过滤是指：去除填充度小于0.1或大于0.9的连通区域，实际范围可以根据精度要求自行选择过滤的范围。

6.根据权利要求1所述的基于单红外光源的人眼检测方法，其特征是，所述的形状检测器检测分类候选区域使用霍夫变换检测或曲率信息检测候选区域中是否含有圆形或者半圆形区域，曲率检测的具体步骤为：首先计算分类候选区域中每一个点的曲率K：

其中：其中t为图像I(class)中的一个点，x′(t)、x″(t)分别为点t在x方向的一阶导数和二阶导数，y′(t)、y″(t)分别为点t在y方向的一阶导数和二阶导数，点t的曲率圆半径R＝1/K，在分类候选区域中的点上，沿着梯度方向距离为R的点即为圆的圆心位置，当这些圆心位置最终聚合为一个点，则意味含有圆形或者半圆形区域并判定为眼睛区域I(eye)，否则判定为非眼睛区域。