一种基于积分投影的人眼定位算法

摘要：提出一种基于积分投影的人眼定位算法。该算法首先根据脸部肤色分割出人脸区域，然后再用积分投影函数定位人眼。实验表明，该算法能比较准确地识别出人眼区域并进行定位，且计算量小、处理速度较快、鲁棒性较好，该算法在实践中具有极大的可行性和较高的准确性。[JP]

关键词：人眼定位； 积分投影； 肤色分割； 投影曲线

中图分类号： TP391

文献标志码：A

文章编号： 2095-2163（2016）06-0090-03

0引言

人脸识别技术在模式识别领域中占据着举足轻重的地位。在人脸的各个部位中，人眼图像通常呈现最为明显的灰度变化。而且，人眼作为人类面部中实现了高度恒稳的性状特征，可以用于帮助定位人脸、识别人脸表情变化等。因此，人眼的精确定位对于有效提升人脸识别率也必将有着积极重要的现实影响与意义。

迄今为止，国内外的专家学者提出了许多人眼定位的方法。其中，颇具代表性的方法主要有：Reinders等采用神经网络和眼睛的微特性来定位人脸特征[1]；Zhu等利用积分图像找到瞳孔候选点，然后使用SVN展开性能校验；Liu等根据眼睛虹膜的几何特点检测人眼，再按一定规则设计配对，其后再通过神经网络进行结果校验；Bala等提出基于遗传算法和决策树来支持研究眼睛定位[2]；Feng等人又提出了一种多线索的眼睛定位方法[3]；Huang等人则利用SVN得到了人脸的姿态和人眼的位置[4]；此外，还有王守觉等根据几何复杂度得到了快速人眼定位法；Zhang等人即通过Hough变换在提取的基础上使用圆检测算法来达到定位眼睛虹膜的目的。

综上所述可知，目前已成功研发的各类的人眼定位算法都表现出较大的运算量，有的算法实现起来比较困难，有的算法对人脸图像的旋转、平移和尺度变化非常敏感，从而将直接导致算法效率的降低[5]。

在此基础上，进一步研究发现，投影则是获得图像特征的一种有效方法，因其能够降低图像维数，对于分析圖像特征将提供明显的研究方便，因此投影方法已然多次用于人脸特征提取及人脸定位开发应用中。早期，Kanade曾使用积分投影法用于识别人的脸部特征，之后Brunelli和Poggio又对其引入了改进，通过利用积分投影法对人脸图像进行边界分析，以此确定人脸的具体实际位置[6]。

[JP2]为此，本文随即提出一种基于积分投影的人眼定位算法。该算法首先根据脸部肤色分割出人脸区域，然后再用积分投影函数定位人眼。实验表明，该算法能比较准确地识别出人眼区域并进行定位，且计算量小、处理速度较快、鲁棒性也较好。[JP]

[BT4]1基于积分投影的人眼定位算法

[BT5]1.1积分投影函数

设I（x，y）表示点（x，y）处的像素灰度值，在区间[x1，x2]和[y1，y2]上的水平积分投影函数和垂直积分投影函数分别表示为[7]：

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

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

同时，研究提出平均积分投影函数的数学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根据肤色分割框选人脸区域

准确定位眼部区域需要首先实现人脸区域框选。框选人脸前需要对图像进行肤色分割，然后根据人脸的形态学特点，并结合眼部区域在人脸中的大概位置，粗略框选出包含眼睛区域的人脸部分。本算法在重点分析了Jain等人的研究结果后可知，在YCbCr色彩空间上设计使用了非线性分段变换后，人脸肤色的聚类区域可近似表示成一个椭圆[8]：

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

且满足下列条件：

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

在式（6）中，Cb和Cr为图像经过非线性分段变换后的蓝色分量和红色分量。并且，Cx=109.38， Cy=152.02， θ=2.53 rad， eCx=1.6， eCy=2.41， b=14.03。

肤色分割后，将会进入对人脸区域框选研究。方法如下：

首先，垂直扫描人脸图像，通过白色像素点的显像和消失可以快速得到人脸区域在YCbCr色彩空间上x轴的起止坐标。然后，水平扫描人脸图像，统计出每行像素中白色像素的个数。水平扫描刚开始时，可以发现几乎全为黑色像素点，随着扫描逐步进行，白色像素点则陆续出现，此现象表明已经扫描到了人脸的边缘部分，继续扫描发现白色像素点越来越多。直至扫描到眉毛区域，此时白色像素点急剧减少，眉毛区域扫描结束后，可得到该区域在YCbCr色彩空间上的y轴起止坐标。当最终停止扫描后，根据y轴起止坐标以及由x轴起止坐标得到的水平距离的一半进行人脸框选。

该方法能够避免扫描大量的非肤色部分，不仅降低了运算量，有效简化了眼睛定位的设计操作，而且也提高了眼睛定位的准确率，从而获得了优势运行速度与运算效率。

[BT5]1.3眼球定位

眼睛区域的图像有2个特点：该区域比其周边的区域要暗，因此对应的灰度值相对较低；该区域的灰度值范围变化较大。所以研究中可以利用积分投影和微分投影来定位眼睛。对于框选出的眉眼区域，可直接对其进行水平积分投影，投影曲线如图1所示。该曲线明确清晰地显示出2个波谷，这是该曲线的2个最小值。通过分析眉毛和眼睛的相对位置，可以判断出第二个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眉眼区域上的水平积分投影

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

[HT5”SS][ST5”BZ][WT5”BZ]

眉眼区域的水平积分投影结果能有效去除眉毛的干扰。假设图1中的眼睛垂直坐标为y，在人脸图像中以y为中心选取一块区域，所选区域宽度最好不包含眉毛部分，则眼睛对应着人脸中心对称轴两侧对称的2块低灰度圆形区域。对条形区域作垂直积分投影得到归一化后的曲线如图2所示。从图2可以看出，人脸中心对称轴两侧出现了2个对称的y值最小点，分别对应于左右眼球的中心位置。因此根据垂直积分投影曲线，从中心分别向左右搜索最小值即可准确定位并得到眼球中心的水平坐标值。

[PS何春2.EPS；S*1；X*1，BP#]

[HT6H][ST6HZ][WT6HZ][JZ]图2眉眼区域上的垂直积分投影

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

[HT5”SS][ST5”BZ][WT5”BZ]

[BT4]2实验结果与分析

为验证该算法的有效性，测试中选用了英国剑桥大学Olivetti研究中心的人脸图像库，简称ORL图库。该图库包含40个人，每个人有10张图像，分别对应不同的光照、姿态、表情，且图像中包括了正面、微侧、带眼镜等各种状态。通过对400幅人脸图像研发设计人眼定位实验，结果表明， 与传统算法相比，该算法对图像具有平移、旋转的不变性，算法在眉眼区域的定位上大大减少了运算量，降低了复杂度，并且简单有效地排除了鼻子、嘴和脖颈等的影像干扰。同时，在眼球的定位上采取了分部进行水平积分投影和垂直积分投影的策略，这样即能更加精准地确定眼球的中心，该算法在实践中具有较好的现实可行性和较高的准确性。

[BT4]3结束语

本文论述了一种基于积分投影的人眼定位算法，该算法利用积分投影方法快速定位眼睛位置，能有效减少算法运算时间，提高人眼区域定位的精确性和鲁棒性。同时该算法也存在一定的局限性，有些情况甚至可能导致算法失效，如头发过长导致眼睛被遮挡住，头部旋转角度过大导致无法完全显示眉眼部位，光线过于昏暗导致人脸图像模糊等。这些问题也是后续工作中拟将进一步开展研究的方向和目标。

参考文献：

[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]（下转第93页）[FL）]

[HT6SS][ST6BZ][WT6BZ]

[4] [ZK（#] 张书真，宋海龙，向晓燕. 基于肤色分割及特征定位的人脸检测算法研究[J]. 现代电子技术， 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，周志华，陈世福. 基于混合投影函数的眼睛定位[J]. 软件学报，2003，14（8）：1394-1400.

[7] 付炜，孔祥栋. 基于肤色和Adaboost算法的人脸检测[J]. 现代电子技术，2010，33（6）：131-134.

[8] 山世光，高文，陈熙霖. 基于纹理分布和变形模板的面部特征提取[J]. 软件学报， 2001， 12（4）： 570-577.[ZK）]

[FL）]