基于灰度投影与改进Hough变换的人眼定位算法

李爱平，魏 江，郝思思

（西北工业大学 电子信息学院，陕西 西安 710072）

基于灰度投影与改进Hough变换的人眼定位算法

李爱平，魏 江，郝思思

（西北工业大学 电子信息学院，陕西 西安 710072）

人眼定位是人脸识别的重要步骤，本文提出一种结合灰度投影与改进Hough变换的人眼定位算法。首先，通过两次积分投影进行人眼粗定位，对粗定位的眼睛灰度图像增强处理后提取边缘，然后采用改进Hough变换检测圆来定位眼球的准确位置。实验结果表明，该算法与已有算法相比，具有更为快速和精确的定位效果，并且对头部偏转具有较强的鲁棒性。

积分投影；人眼检测；Hough变换；眼球定位

近年来，人脸识别技术的应用越来越广泛。人眼相对于面部其他器官来说，包含了更多的信息，对人眼的精确检测有利于人脸识别技术的发展，对人眼的定位与分析具有重要意义。目前人眼定位常用的方法主要有3类：基于特征的方法，如投影法[1]，该类方法处理速度快，但受人脸姿态变换影响较大；基于形状的方法，如模板匹配法[2]，该类方法定位准确，但通常计算量比较大，实时性不够；基于表现的方法，如Adaboost算法[3]，该类方法具有较强的鲁棒性，但往往需要大量的训练样本。

本文结合投影法与Hough变换检测圆的优势，采用了二者结合的方式精确定位眼球，并对各自的不足进行改进，该算法在人眼定位的精度和速度上都有所提高。

1 算法描述

本文算法分为3个步骤：首先图像预处理，对图像进行平滑滤波消除噪声的影响，对预处理后的人脸灰度图像采用两次积分投影的方式粗定位人眼，最后在人眼粗定位的基础上，运用改进的Hough变换精确定位眼球。

1.1 图像预处理

摄像头获取的图像不可避免受噪声的影响，将使后面的灰度投影产生误差，中值滤波是一种能有效抑制随机噪声的

非线性滤波方式，其思想是在图像中移动模板，将模板下覆盖的值按大小排序，取中间值作为模板中心的像素值。

1.2 人眼粗定位

人脸图像中，眉毛、眼睛、鼻子、嘴巴处的灰度值有明显的突变，而人脸的其他部位灰度变化相对平缓。因此在灰度积分投影中，眉毛、眼睛等器官处会出现明显的极小值。根据这些极小值出现的位置可以大致定位出各个面部器官部位[4-5]。根据人脸图像中面部器官的分布，眼睛只可能出现在人脸的上半部分，因此，只需要对上半部分人脸图像进行灰度投影。这就减少了人眼定位中，鼻子跟嘴巴对定位结果的干扰。当人脸倾斜时，左右眼不在同一水平高度上，用传统的水平投影可能难以确认眼睛的水平位置。因此本文从人脸的中部分别向两边进行水平投影，分别找到左右两侧眼睛、眉毛对的水平基线。最后，以眼睛的水平基线为中心线，同侧眼睛眉毛对的基线距离为高，粗定位出眼睛的水平高度。算法如下：

1）截取人脸图像的上半部。以人脸图像的宽为宽，1/2人脸的高为高，截取人脸的上半部。

2）设截取图像为 I（x，y），大小为 r行 c 列，PL（x）、PR（x）分别为左右两侧按行积分投影值，积分投影公式分别如下：

3）对积分投影曲线进行平滑滤波。滤波器算子选取[11111]，消除积分投影曲线受发丝等干扰产生的毛刺。平滑后的曲线会有两个明显的波谷，对应同侧的眉毛和眼睛。取第1个波谷y1作为眉毛的水平中线，第2个波谷y2作为眼睛的水平中线。

5）对上步截取的图像首先进行二值化处理，使用最大类间方差法得到一个合适的阈值，然后利用此阈值将图像二值化。处理后的图像取反后沿垂直方向进行灰度积分投影，积分公式如下：

垂直积分投影曲线有一个波峰，沿波峰向两侧会有两个零值点，对应着眼睛的左右边界部分。到此已经利用水平和垂直积分投影确定眼睛的左右及上下边界，对人眼进行了粗定位。

分别利用一次积分投影和两次积分投影进行人眼定位，并进行比较，一次积分如图1（a）所示，两次积分如图 1（b）所示，可以看出人脸倾斜时一次积分投影效果不好，因为人脸倾斜时水平积分投影中左右眼对应的极小值点不在同一高度上，图2中（a）为人脸左侧投影，（b）为人脸右侧投影。

图1 人眼定位效果比较图Fig.1 The comparison of eye location effect

图2 倾斜脸左右两侧积分投影Fig.2 Both side integral projection of sloping face

1.3 眼球定位及改进的Hough变换

人的眼球近似为圆形，如果能找到眼球的圆心跟眼球的轮廓，就能精确定位眼睛。但由于人眼睁开的状态，及上下眼帘、睫毛的存在，眼球的部分边缘会被遮挡。Hough变换作为一种检测圆的方法，具有受噪声和边缘间断影响小的优点，当圆的边界不完整时，也能够检测出来[6-7]，因此本算法采用Hough变换检测眼球。

1.3.1 人眼图像增强及边缘提取

获取图像时容易受光照不均匀及噪声的干扰，会导致图像的质量下降，影响后续的定位精度。灰度变换即按照一定关系逐点改变原图像中每一个像素的灰度值。为了增强人眼图像的对比度，使眼球与眼白部分尽可能有效地区分出来，我们选择线性灰度变换函数进行灰度变换，公式如下：

经过试验，文中a=2，b=-0.216时可以取得较好的效果。

图像边缘即是灰度变化剧烈的地方，是图像最基本的特征。Sobel算子是一阶导数的边缘检测算子，通过3*3模板作为核与图像中的每个像素点做卷积和运算。此外，由于Sobel检测算子是对一些像素求和然后差分，对平滑图像噪声具有一定的作用[8]。

1.3.2 改进的Hough变换检测眼球

Hough变换检测圆的思想是将图像中的每一边缘点映射到参数空间的一个区域，并对该区域每个对应点的累加值加1，最终选取最大累加值对应的坐标作为圆的圆心。利用传统的Hough变换检测眼球，由于眼球的半径未知，故有3个自由参数，这就使得用传统的Hough变换检测眼球耗费的内存空间及计算量大增[9]。本文充分利用圆的几何性质，即圆心一定在圆上任意两点连线的中垂线上，用改进的Hough变换定位眼球。

对上节处理后的眼球区域提取出该区域的边界。本文Hough变换的思想是，对圆上任意两点m和n（坐标分别记为xm、ym和xn、yn），则圆心一定在这两个点连线的中垂线上，对应中垂线的方程如下：

故在参数空间中对这条中垂线上所有的点的累加值加1，最后提取参数空间中累加值最大的点，该坐标点即是检测圆的圆心。圆心确定后，统计圆心到所有边界点的距离。相同距离中出现次数最大的那个值即可认为是检测圆的半径。算法步骤如下：

1）初始化参数：取大小与人眼边缘图像相同的全零矩阵作为累加器。以n1作为点集内步长，n2作为点集间步长，用来搜索边缘图像的两点。取数组r和数组num分别用来存储边界点到圆心的距离以及相同距离出现的次数。

2）任取一边缘点 m 作为起点（坐标记为 xm，ym），以 n1为步长，搜索第二个边缘点n（坐标分别记为xn，yn）。

3）在参数空间中寻找满足方程（5）的点，在累加器矩阵中对所有满足该方程的点对应的累加值加1。

4）以n2为步长循环取两点集的起点，以n1为两点集内步长搜索两点集的终点，跳回至上一步，若某一次循环搜索的起点与m相等，则循环结束。

5）获得累加器矩阵中的最大值（x0，y0）作为检测圆圆心的坐标。

6）计算所有的边界点到该圆心的距离，并把结果存放在数组r和数组num中。最后取数组num中的最大数在数组r中对应的值r0作为圆的半径。

2 实验结果与分析

本文的实验采用了ORL人脸图像数据库以及实验室拍摄的人脸图像共约450幅图片，其中人脸的表情与姿态均有小幅度的变化。分别用文献[6]采用的积分投影算法、文献[10]的Hough算法以及本文的改进算法进行对比实验，本文算法部分结果如图3所示。当人脸倾斜角度大时，文献[6]的一次积分投影不能定位出眼睛，而本文算法能较精确定位出来，如图4所示。此外，对50幅人眼半闭合的图像进行检测，本算法能准确定位出45幅，准确率为90%，而文献[10]的Hough算法只能准确定位39幅，准确率只有78%，图5中（a）为本算法精确定位的人眼，（b）为文献[10]算法定位偏差的人眼。在Pentium （R）Dual-Core 2.7GHz CPU，2GB RAM 的 PC 机上Matlab2011b下，3种算法的性能如表1所示。

图3 部分人眼定位效果图Fig.3 Part of eye location effect

图4 倾斜人脸的人眼定位Fig.4 Eye location of sloping face

图5 半闭合人眼的定位Fig.5 Half closed eyes location

表1 算法性能的比较Tab.1 The comparison of algorithm performance

对所采用的450副人脸图像进行人眼定位，本算法能达到93.2%的检测精度，文献[6]能达到92.5%的精度，而文献[10]只能达到89.6%的精度。而且本算法采用改进的Hough变换，速度明显比文献[10]快。

3 结 论

文中提出了将二次积分投影与改进的Hough变换相结合的方法进行眼球的定位，克服了人脸倾斜时眼睛粗定位不准确的缺点；同时充分利用圆的几何性质，使用改进的Hough变换检测眼球，具有处理速度快及定位准确的优势，在背景相对简单，光照环境较好时能取得不错的检测效果，具有一定的研究意义。当然本文也存在一些不足，比如当人眼睁开程度过小时，提取的眼球边缘严重残缺，可能会导致检测结果误差较大，这一方面还需要在以后的工作中进一步研究。

[1]王文成，常发亮.一种基于区域投影的人眼精确定位方法[J].光电子·激光，2011，22（4）:618-622.

WANG Wen-cheng，CHANG Fa-liang.A human eye accurate location method based on projection area[J].Photoelectron·Laser，2011，22（4）:618-622.

[2]舒梅，董秀成.基于肤色和模板匹配的人眼定位[J].计算机工程与应用，2009，45（2）:237-239.

SHU Mei，DONG Xiu-cheng.Eye location based on complexion and template matching[J].Computer Engineering and Application，2011，2（4）:618-622.

[3]甘玲，朱江，苗东.扩展Haar特征检测人眼的方法[J].电子

科技大学学报，2010，39（2）:247-249.

GAN Ling，ZHU Jiang，MIAO Dong.The extension method to detect the human eye Haar features[J].Journal of University of Electronic Science and Technology，2010，39（2）:247-249.

[4]孙立书，孙长春.积分投影与区域生长法相结合的人眼定位[J].沈阳理工大学学报，2012，31（5）:56-60.

SUN Li-shu，SUN Chang-chun.Integral projection and region growing method combined with eye location[J].Journal of Shenyang University of Technology，2012，31（5）:56-60.

[5]Ömer Faruk Söylemez，Burhan Ergen.Eye location and eye state detection in facial image using circular hough transform[J].Lecture Notes in Computer Science，2013，8104:141-147.

[6]刘念，苏杭，郭纯宏，等.基于Hough变换圆检测的人眼定位方法改进[J].计算机工程与设计，2011，32（4）:1359-1362.

LIU Nian，SU Hang，GUO Chun-hong，et al.The improved eye location method based on Hough transform circle detection[J].Computer Engineering and Design，2011，32 （4）:1359-1362.

[7]XU Di-jian，LIU Xing-hua，WANG Jing-rui.An algorithm of iris location based on gray projection and improved Hough transform[J].Advances in Intelligent and Soft Computing，2009，62:263-269.

[8]韩文静，李晶，孙农亮.基于HPF和Hough变换的人眼精确定位[J].计算机工程与应用，2008，44（10）：64-66.

HANWen-jing，LI Jing，SUN Nong-liang.The accurate location of human eyes based on HPF and Hough transform[J].Computer Engineering and Application，2008，44（10）：64-66.

[9]朱桂英，张瑞林.基于Hough变换的圆检测方法[J].计算机工程与设计，2008，29（6）:1462-1464.

SUN Gui-ying，ZHANG Rui-lin.Based on Hough transform circle detection method[J].Computer Engineering and Design，2008，29（6）:1462-1464.

[10]张杰，杨晓飞，赵瑞莲.基于积分投影和Hough变换圆检测的人眼精确定位方法研究[J].电子器件，2006，28（4）:706-709.

ZHANG Jie，YANG Xiao-fei，ZHAO Rui-lian.Eye accurate positioning method research based on integral projection and Hough transform circle detection[J].Electronic Device，2006，28（4）:706-709.

Eye location based on gray projection and improved Hough transform algorithm

LI Ai-ping， WEI Jiang， HAO Si-si
（School of Electronics and Information，Northwestern Polytechnical University， Xi’an 710072， China）

Eye location is an important step in face recognition，this paper proposes an eye location algorithm using gray projection and improved Hough transform.Integral projection is used to locate the eyes roughly for two times， and then ，we abstract the edge information after processing the eye image though gray enhancement.The improved Hough transform is used to detect the circle location.The experimental results show that， compared with the existing algorithm， this algorithm is faster and more accurate，and has stronger robustness on the head deflection.

integral projection；eye detection；Hough transform；eyeball location

10.14022/j.cnki.dzsjgc.2014.16.050

TN911.73

A

1674-6236（2014）16-0171-03

2013-11-06 稿件编号：201311055

李爱平（1989—），女，河南驻马店人，硕士研究生。研究方向：图像处理。