CN1474357A - 数字灰度图像中人脸眼睛中心的精确自动定位方法 - Google Patents

Abstract

本发明公开了一种从数字灰度图像中精确、自动地定位人脸眼睛的方法，其步骤：(1)设定两眼距离；(2)对每个像素进行8邻域比较；(3)若某个白色像素块过大，则变为黑色；(4)若某白色像素的邻域中白色像素比率较低，则变为黑色；(5)若某黑色像素的邻域中黑色像素数比率较低，则变为白色；(6)若某个白色像素块过大、过小、或方向过于垂直，则变为黑色；(7)将白色像素块配对；(8)对每个配对中的两个白色像素块若其满足眼睛窗口的要求，则执行步骤9，否则执行步骤8；(9)以两个质心为中心，各建立一个矩形眼睛窗口；(10)计算出每个窗口混合投影函数；(11)利用混合投影函数确定精确眼睛中心位置；(12)对原图像做缩放，重复执行步骤2至11。

Description

数字灰度图像中人脸眼睛中心的精确自动定位方法

一、技术领域

本发明涉及数字人脸图像检测与识别装置，特别涉及一种在数字灰度图像中精确、自动地对人脸眼睛中心进行定位的方法。

二、背景技术

数字人脸图像检测与识别装置可以广泛地应用于身份证件识别、建筑物出入控制、计算机登录控制、***持卡人鉴别、罪犯跟踪、事故检测等方面。与利用指纹、虹膜等其他人体生物特征进行身份鉴别的方法相比，使用人脸进行鉴别更加友好和方便。目前的数字人脸图像识别技术都建立在人脸区域的大小和位置已知的基础上，在进行识别之前需要通过人脸图像检测技术来确定给定的图像或图像序列中是否包含人脸，并给出人脸区域的位置和大小。而眼睛定位是人脸图像检测技术的关键，一旦左右眼睛的位置确定下来，人脸图像所在的位置也就基本确定了。进一步，根据两眼之间连线的长度和方向，人脸图像区域的大小和方向也可以大致估计出来。现有的眼睛定位方法仅能给出眼睛中心的大致位置，不能进行精确定位。由于眼睛定位是后续的检测和识别处理的前端，如果定位不准确，其误差将在后续处理中被放大，从而影响整个数字人脸图像检测与识别装置的性能。

三、发明内容

1、本发明的目的是针对现有技术仅能进行粗糙眼睛中心定位的问题，提供一种精确的眼睛中心自动定位方法，以辅助提高数字人脸图像检测与识别装置的性能。

2、为实现本发明所述目的，本发明提供一种从数字灰度图像中精确、自动地定位人脸眼睛的方法，该方法包括以下步骤：(1)设定两眼中心的距离；(2)对每个像素进行8邻域比较，若某像素灰度值低于大多数邻域像素的平均灰度值，则将其标记为白色，否则标记为黑色；(3)若某个白色像素块过大，则将其变为黑色；(4)若某白色像素的邻域中白色像素占总像素数的比率较低，则将其变为黑色；(5)若某黑色像素的邻域中黑色像素数占总像素数的比率较低，则将其变为白色；(6)若某个白色像素块过大、过小、或方向过于垂直，则将其变为黑色；(7)将白色像素块配对；(8)对每个配对中的两个白色像素块，若其满足眼睛窗口的要求，则执行步骤9，否则考察其他配对，重新执行步骤8；(9)分别以这两个质心为粗糙眼睛中心，各建立一个矩形眼睛窗口；(10)对每个眼睛窗口，分别计算出本发明专门设计的混合投影函数；(11)在每个眼睛窗口中，利用混合投影函数的变化率来确定精确眼睛中心位置；(12)对原图像做缩放，重复执行步骤2至11，以定位不同尺寸人脸图像的眼睛中心。

四、附图说明

图1是数字人脸图像检测与识别装置工作流程图。

图2是本发明方法的流程图。

图3是中心像素的8邻域示意图。

图4是从输入设备获取的初始数字灰度图像。

图5是步骤2之后的结果。

图6是步骤3之后的结果。

图7是步骤4之后的结果。

图8是步骤5之后的结果。

图9是步骤6之后的结果在初始图像上的显示情况。

图10是眼睛窗口示意图，圆形标记粗糙眼睛中心，十字标记精确眼睛中心。

图11是通过混合投影函数获取精确眼睛中心的示意图。

五、具体实施方式

如图1所示，数字人脸图像检测与识别装置通过数字图像输入设备获取数字灰度图像，然后该图像由眼睛定位部分进行处理。

本发明的方法如图2所示。步骤10是初始动作。步骤11设定两眼中心的距离d，该距离可以是度量大量同一尺寸的人脸图像后得到的统计平均值，单位为整像素数。根据人体测量学的发现，人脸上两眼水平距离的平均值大致是眼睛长度的两倍，眼睛的宽度大致是眼睛长度的一半。因此，在得到d后可以估计出眼睛的宽约为0.5d、高约为0.25d。

图2的步骤12进行8邻域比较。某像素及其8邻域如图3所示，其中黑色为该像素本身，其余区域则分别为不同的邻域，图3中数值单位为像素数。对图像中的每一个像素，步骤12先分别计算出各邻域的灰度平均值，然后将其与该像素本身的灰度值进行比较，如果该像素的灰度值比至少6个邻域的平均灰度值低，则该像素可能是眼睛内部的像素，将其标记为白色，否则标记为黑色。对图4所示的初始图像，经过步骤12后变为图5。

图2的步骤13对每个白色像素块进行分析，如果某个块的外接矩形宽度大于d或高度大于0.5d，则其已经远大于眼睛，不可能为眼睛区域，将其变为黑色。对一个像素块来说，其外接矩形宽度为该像素块中相隔最远的两个像素的距离，外接矩形高度为与宽度方向垂直的方向上相隔最远的两个像素的距离。图5经过步骤13后变为图6。

图2的步骤14要去除稀疏的白色像素，若某白色像素的8邻域中白色像素占总像素数的比率低于20％，则其不可能为眼睛区域的像素，将其变为黑色。图6经过步骤14后变为图7。步骤15要去除稀疏的黑色像素，若某黑色像素的8邻域中黑色像素占总像素数的比率低于65％，则其很可能是眼睛区域的像素，将其变为白色。图7经过步骤15后变为图8。

图2的步骤16再一次对每个白色像素块进行分析，如果某个块的外界矩形宽度大于d或小于0.25d、高度大于0.5d或小于0.125d、或高度与宽度的比值大于0.8，则其或者已经远大于眼睛、远小于眼睛、或者方向过于垂直，不可能为眼睛区域，将其变为黑色。图8经过步骤16后在初始图像上的显示结果如图6。

图2的步骤17将所有的白色像素块进行两两配对，若有N个白色像素块，则有N(N-1)个配对，每个配对包含两个白色像素块。对每个白色像素块来说，其外接矩形的对角线交点就是其质心。

对每一个配对，执行步骤18到23。首先在步骤18，判断配对中的两个白色像素块是否满足建立眼睛窗口的条件。设两个质心的坐标分别为(x₁，y₁)和(x₂，y₂)，若 $0.75d<\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}<1.25d$ 且|x₁-x₂|＜0.25d，则满足条件，执行步骤20；否则不满足条件，放弃该配对，并转到步骤23。

在步骤20，分别以两个白色像素块的质心为粗糙眼睛中心，建立宽为0.8d、高为0.4d的矩形眼睛窗口，矩形宽边与两个质心的连线平行，粗糙眼睛中心为矩形对角线交点，如图11所示。注意该窗口比估计的眼睛尺寸0.5d×0.25d稍大。

然后步骤21在每个眼睛窗口中计算混合投影函数。混合投影函数是本发明专门设计的，包括垂直混合投影函数和水平混合投影函数。假设I(x，y)表示点(x，y)处的像素灰度值，则在由左上角(x₁，y₁)和右下角(x₂，y₂)确定的眼睛窗口内，点(x，y)处的水平垂直混合投影函数值和水平混合投影函数值分别为： ${\mathrm{HPF}}_v\left(x\right)=\frac{0.4}{y_2-y_1}{\&Integral;}_{y_1}^{y_2}I(x,y)\mathrm{dy}+\frac{0.6}{y_2-y_1}\underset{y_i=y_1}{\overset{y_2}{\mathrm{\&Sigma;}}}[I(x,y_i)-\frac{1}{y_2-y_1}{\&Integral;}_{y_1}^{y_2}I(x,y)\mathrm{dy}]$ ${\mathrm{HPF}}_h\left(y\right)=\frac{0.4}{x_2-x_1}{\&Integral;}_{x_1}^{x_2}I(x,y)\mathrm{dx}+\frac{0.6}{x_2-x_1}\underset{x_i=x_1}{\overset{x_2}{\mathrm{\&Sigma;}}}[I(x_i,y)-\frac{1}{x_2-x_1}{\&Integral;}_{x_1}^{x_2}I(x,y)\mathrm{dx}]$

由于混合投影函数反映了图像在某方向上灰度均值和方差的变化情况，因此步骤22利用混合投影函数来确定眼睛中心的精确位置。在每个眼睛窗口中，分别计算出垂直和水平混合投影函数的变化率。在计算时可以采用下面的近似替代算法：对垂直混合投影函数HPF_v，对眼睛窗口内的每个横坐标值x，计算|HPF_v(x+1)-HPF_v(x)|，并以此作为HPF_v在x处的变化率；对水平混合投影函数HPF_h，对眼睛窗口内的每个纵坐标值y，计算|HPF_h(y+1)-HPF_h(y)|，并以此作为HPF_h在y处的变化率。然后，对垂直混合投影函数，找出变化率最大的4处，以靠外侧的两处的横坐标均值作为最终的精确眼睛中心的横坐标；对水平混合投影函数，找出变化率最大的2处，以其纵坐标均值作为最终的精确眼睛中心的纵坐标。如图11所示。

在步骤23，如果还有未考察的白色像素块配对，则转到步骤18；否则进入步骤24。在步骤24，如果当前图像已经被缩放7次，则进入步骤25结束状态；否则以1.2为比例对图像进行缩放，即将图像扩大1.2倍或缩小1.2倍，再转到步骤12。对图像进行缩放的目的是找出不同尺寸大小的人脸图像的眼睛，而缩放7次则是对检测率和时间开销进行折衷的结果，7次中包含原图像一次、放大3次、缩小3次。

Claims (8)

1、一种数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是该方法包括以下步骤：

(1)设定两眼中心的距离d；

(2)对每个像素进行8邻域比较，若某像素灰度值低于大多数邻域像素的平均灰度值，则将其标记为白色，否则标记为黑色；

(3)若某个白色像素块过大，则将其变为黑色；

(4)若某白色像素的邻域中白色像素占总像素数的比率较低，则将其变为黑色；

(5)若某黑色像素的邻域中黑色像素数占总像素数的比率较低，则将其变为白色；

(6)若某个白色像素块过大、过小、或方向过于垂直，则将其变为黑色；

(7)将白色像素块配对；

(8)对每个配对中的两个白色像素块，若其满足眼睛窗口的要求，则执行步骤9，否则考察其他配对，重新执行步骤8；

(9)分别以这两个质心为粗糙眼睛中心，各建立一个矩形眼睛窗口；

(10)对每个眼睛窗口，分别计算出混合投影函数；

(11)在每个眼睛窗口中，利用混合投影函数的变化率来确定精确眼睛中心位置；

(12)对原图像进行缩放，重复执行步骤2至11，以定位不同尺寸人脸图像的眼睛中心。

2、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(2)中，若某像素灰度值低于不少于6个邻域像素的平均灰度值，则将其标记为白色，否则标记为黑色。

3、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(3)中，若某个白色像素块的宽度大于d，或高度大于0.5d，则将其变为黑色。

4、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(4)和(5)中，若某白色像素的8邻域中白色像素占总像素数的比率低于20％，则将其变为黑色；若某黑色像素的8邻域中黑色像素占总像素数的比率低于65％，则将其变为白色。

5、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(6)中，如果白色像素块的外界矩形宽度大于d或小于0.25d、高度大于0.5d或小于0.125d、或高度与宽度的比值大于0.8，则将其变为黑色。

6、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(8)中，两个白色像素块质心的坐标分别为(x₁，y₁)和(x₂，y₂)，若 $0.75d<\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}<1.25d$ 且|x₁-x₂|＜0.25d，则满足眼睛窗口条件。

7、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(10)中，混合投影函数包括以下垂直混合投影函数和水平混合投影函数： ${\mathrm{HPF}}_v\left(x\right)=\frac{0.4}{y_2-y_1}{\&Integral;}_{y_1}^{y_2}I(x,y)\mathrm{dy}+\frac{0.6}{y_2-y_1}\underset{y_i=y_1}{\overset{y_2}{\mathrm{\&Sigma;}}}[I(x,y_i)-\frac{1}{y_2-y_1}{\&Integral;}_{y_1}^{y_2}I(x,y)\mathrm{dy}]$ ${\mathrm{HPF}}_h\left(y\right)=\frac{0.4}{x_2-x_1}{\&Integral;}_{x_1}^{x_2}I(x,y)\mathrm{dx}+\frac{0.6}{x_2-x_1}\underset{x_i=x_1}{\overset{x_2}{\mathrm{\&Sigma;}}}[I(x_i,y)-\frac{1}{x_2-x_1}{\&Integral;}_{x_1}^{x_2}I(x,y)\mathrm{dx}]$ 式中I(x，y)表示点(x，y)处的像素灰度值，(x₁，y₁)和(x₂，y₂)分别是点(x，y)左上角和

                     右下角在眼睛窗口内的点。

8、根据权利要求1所述的数字灰度图像中人脸眼睛中心的精确自动定位方法，其特征是：在(12)中，以1.2为比例对图像进行7次缩放。

Images