总第２６３期 计算机与数字工程 Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３９ Ｎｏ．９ １２５ ２０１１年第９期 一种基于积分投影的人眼定位方法 李帆秦肖臻 ４３００７４） （华中科技大学控制科学与工程系 武汉摘要文章研究了人脸识别中的人眼定位这一重要环节。将经过预处理的人脸图像先通过积分投影变换法进行人 脸定位，在定位后的人脸区域内用一定的矩形框搜索，给方框内黑色像素进行计数，当黑色像素个数达到某个比例时，将其 标记为人眼位置侯选处。然后将小方框适当扩大，用ｃａｎｎｙ算子算出人眼的边缘轮廓，并在候选位置中进一步确定人眼位 置。实验结果表明本文采用的方法简单易行，具有较高的准确率和较强的光照鲁棒性。 关键词积分投影；人眼定位；ｃａｎｎｙ算子 ＴＰ３０１．６ 中图分类号Ａｎ Ｅｙｅｓ Ｌｏｃａｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｉｎｔｅｇｒａｌ Ｐｒｏｊｅｃｔｉｏｎ Ｌｉ Ｆａｎ Ｑｉｎ Ｘｉａｏｚｈｅｎ （Ｈｕａｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００７４） Ａｂｓｔｒａｃｔ Ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｔｈｅ ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ ｈｕｍａｎ ｅｙｅｓ，ａｎ ｉｍｐｏｒｔａｎｔ ｓｔｅｐ ｉｎ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅ ｉｎｐｕｔ ｉｍａｇｅ ｉｓ ｆｉｒｓｔ ｐｒｅｐｒｏｃｅｓｓｅｄ ｕｓｉｎｇ ｔｈｅ ｉｎｔｅｇｒａｌ ｐｒｏｊｅｃｔｉｏｎ ｔｒａｎｓｆｏｒｍ ｔＯ ｇｅｔ ｆａｃｅ ａｒｅａ ｉｎ ｔｈｅ ｉｍａｇｅ．Ｔｈｅｎ ｗｅ ｓｅａｒｃｈ ｔｈｅ ｅｙｅｓ ｕｓｉｎｇ ａ ｃｅｒ－ ｔａｉｎ ｒｅｃｔａｎｇｕｌａｒ ｂｏｘ ｉｎ ｔｈｅ ｆａｃｅ ａｒｅａ ｂｙ ｃｏｕｎｔｉｎｇ ｔｈｅ ｂｌａｃｋ ｐｉｘｅｌｓ．Ｗｈｅｎ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｂｌａｃｋ ｐｉｘｅｌｓ ａｃｈｉｅｖｅｓ ａ ｒａｔｉｏ，ｗｅ ｍａｒｋ ｔｈｅ ｌｏｃａｔｉｏｎ ａｓ ａｎ ｅｙｅ ｃａｎｄｉｄａｔｅ．Ｔｈｅｎ ｔｈｅ ｓｍａｌｌ ｒｅｃｔａｎｇｕｌａｒ ｂｏｘ ｉｓ ｓｌｉｇｈｔｌｙ ｅｘｐａｎｄｅｄ，ａｎｄ ｔｈｅ ｅｄｇｅ ｏｆ ｔｈｅ ｅｙｅ ｉｓ ｃａｌｃｕｌａｔｅｄ ｗｉｔｈ ｔｈｅ ｃａｎｎｙ ｏｐｅｒａｔｏｒ ｔｏ ｆｕｒｔｈｅｒ ｄｅｆｉｎｅ ｌｏｃａｔｉｏｎｓ ｏｆ ｔｈｅ ｅｙｅｓ．Ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｈａｓ ｈｉｇｈ ａｃｃｕｒａｃｙ ａｎｄ ｓｔｒｏｎｇ ｉｌｌｕｍｉｎａｔｉｏｎ ｒｏｂｕｓｔｎｅｓｓ，ａｎｄ ｉｓ ｖｅｒｙ ｓｉｍｐｌｅ． Ｋｅｙ Ｗｏｒｄｓ ｉｎｔｅｇｒａｌ ｐｒｏｊｅｃｔｉｏｎ，ｅｙｅｓ ｌｏｃａｔｉｏｎ，ｃａｎｎｙ ｏｐｅｒａｔｏｒ Ｃｌａｓｓ Ｎｕｍｂｅｒ ＴＰ３０１．６ １ 引言 从上世纪６０年代起，人脸识别就一直是被各 国学者广泛研究的热门课题。构建一个自动化人 脸识别系统主要有两个步骤：人脸检测和人脸识 别。前者的主要任务是决定待测图像中是否有人 眼、嘴、鼻等。而基于模板的方法常常是在检测出 眼睛，利用双眼的连线进行面部对齐和归一化之后 采用。大多数人两眼的位置和瞳距都是固定值，所 以人眼检测在人脸归一化的过程中起到的作用非 同小可，而且研究人眼定位对面部其他标志点的定 位还有很好的促进作用［３］。 脸存在，如果有，返回图像中人脸的位置与内容信 息；在识别阶段，将检测得到的人脸信息与数据库 目前广泛使用的人眼定位方法有边缘特征提 取法、模板匹配法、基于Ｈｏｕｇｈ变换Ｌ４］的方法等。 这些方法通常计算量较大，比如传统的模板匹配法 需要先分别得到左右眼的模板，然后分别用这两个 模板在图像中进行匹配计算，而且单一模板的匹配 很难适应人脸不同大小的情况［５］。Ｈｏｕｇｈ变换则 需要５维参数空间，这要耗费很大的存储空间，而 中存储的人脸数据对比，比较结果包括人的身份、 性别、表情等信息［ 。 一般说来，人脸识别算法被分为两类：基于几 何特征匹配的算法和基于模板匹配的算法［２］。在 几何特征的方法中通常需要一些标志点，如眉毛、 收稿日期：２０１１年３月１４日，修回日期：２０１１年４月２５日 作者简介：李帆，女，硕士，研究方向：计算机集成与网络控制。秦肖臻，女，硕士，副教授，研究方向：计算机集成与网 络控制。 李帆等：一种基于积分投影的人眼定位方法 第３９卷 且算法运行速度很慢。 本文采用直方图均衡化对图像预处理，然后通 过积分投影对人脸区域定位缩小检测范围，在搜索 小搜索人眼的区域。一般情况下脸的平均灰度值 与背景中其它物体的灰度值有明显的差异，在人脸 内部，灰度值的分布除眼眉处有变化外，其余部分 的灰度值分布比较均匀＿８］。因此对人脸进行投影 时得到的曲线在人脸所处的区域显得比较平坦，但 是脸与背景的交界处则会有突变，在分界处的点会 得到人眼候选位置后利用ｃａｎｎｙＥ。］算子进行边缘检 测，进一步确定定位结果的准确性。 ２图像预处理 在人脸识别中，由于光照明暗程度不同，设备有 有一个大的梯度值。因而整个曲线看起来会有一 个大的凹槽或凸起，根据这个突变可找到脸的大致 所差异，因而采集到的图像往往存在噪声。为了消 除噪声提高检测图像的对比度，首先对输入图片（大 小为ｍＸ ）进行直方图均衡化处理。统计原图的直 方图数组，用数组ｈ，表示，数组下标为０到２５５， ｈｒ（ ）一 ／Ｎ。其中拖是整幅图像中灰度值为 ＋１ 的像素点总数，Ｎ是原图像的总像素数Ｎ＝ｍＸｎ。 令 （ ）＝＝＝ （ 一１）＋ｈ ｒ（ ），则ｐａ（ ）表示灰 度值不超过ｉ的像素点占总像素点的概率；用数组 Ｆ记录新的索引值，即令Ｆ（ｉ，Ｊ）一（ｐａ（厂（ｉ，Ｊ）＋ １））×２５５，依次循环原图中每一个像素，取其灰度 ４ ３ ２ 值作为数组Ｆ的下标，取该下标对应的数组值为均 ５ ５ ４ ５ ３ ５ 衡化之后的像素值。原图图像、原图直方图，均衡 化后的图像和直方图的结果如图１所示。 通过直方图均衡化，图像的对比度被拉伸，从 而扩大前景和背景灰度的差别，达到增强对比度的 目的。 ■未处理的图像 雾 Ｌ ０ 原１０图０的直方２图００ 嘲琴 ｏ ｌｏｏ ２００ 直方图均衡化后的图像 直方图均衡化后的图像对应的直方图 图１直方图对比 另外，考虑到受光照的影响，有的图像可能偏 亮或偏暗。因而对直方图均衡化后的图像再进行 灰度归一化 ］，这样能一定程度上克服光照变化的 影响，提高识别率。设整幅图像的最小灰度为 Ｌ ｉ ，最大灰度为Ｌ ，设某个点的灰度为Ｌ，则变 换后的灰度为Ｌ，一驾 生三 。ｇ．ｍａｘ ／￣ｍｉｎ ３ 人脸定位 待检测的图像通常会有复杂背景，并不是单纯 的人脸头像。先采用积分投影法对人脸定位，以缩 边界。当然，这种做法可能会把人脸的一部分排除 在脸部区域外，比如耳朵，但不会把眼睛框在外面， 因此脸部特征的初定位不会受到影响，反而这样有 利于进一步减小搜索区域简化后续计算。 在求垂直灰度投 影曲线时，曲线上每 一点的横坐标对应着 原图像的列号，纵坐 标为图像中该列上所 有像素点的灰度值之 ● ５ 和。该曲线反映了图 图２垂直灰度投影曲线 像在水平方向上灰度 的变化。假设原图大小为优× ，各点像素值为ｊ （ｚ， ），则垂直灰度投影函数为Ｐ （ｚ）一∑Ｉ（ｘ， １ ），实验中输入图像的垂直灰度投影曲线如图２， 取突变处作为人脸的左右边界。 同理，可利用人脸区域的水平灰度投影曲线确 定头顶及下巴形成的边界。 ４ 人眼定位 根据“三庭五眼”这一人脸长与宽的一般标准 比例，人脸长度为从额头发际线到下鄂，将其三等 分后，三庭分别指从发际线到眉毛、眉毛到鼻尖、鼻 尖到下鄂。那么人眼处于脸部最上面那一庭区域 内。由于人的脸型各不相同，而且脖子、衣领、饰物 等对脸部定位也有一定的影响，在上一步获得的局 部脸图像中可能比真实的脸部区域要大，眼睛的位 置可能偏上或偏下，所以将眼睛搜索区域的下界定 在局部脸的图像高度的三分之一位置，这样能保证 不将眼睛排除在搜索区域外部。 前面已经对图像进行了直方图均衡化和像素 归一化处理，增强了图像的对比度。为了最大程度 上减少光照对定位结果的影响，先计算出局部脸的 平均灰度值ｍ。眼睛一般都比脸部皮肤黑，因而眼 部区域对应的像素灰度值较小（黑色的灰度值为 ２２０１１年第９期 计算机与数字工程 １２７ ０，白色的灰度值为２５５）。将平均灰度ｍ减去一个 ｆｕｎｃｔｉｏｎ［ｘ１，Ｙｌ，ｚ２，Ｙ２］＝＝＝ｅｙｅｐｏｓｉｔｉｏｎ（Ｆ，ｆ，ｈ，Ｐ，ｒ）则 ，Ｙ ）和（ｚ ，Ｙ２）。 适当灰度阈值厂得到眼睛灰度的大致范围Ｏ～ （ｅ 输出定位后的人眼坐标（—ｍ一．厂）。接下来以灰度值 作为标准进行判断。 将定位得到的脸部区域分成大小相等的左右 两部分，用ａ×ａ的方形框在这两半边区域分别搜 索。先在左半边搜索。对小方形框中所有灰度值 小于ｅ的点进行计数，当计数值大于一定的阈值 （例如０．８×ａ Ｘａ）时说明黑的点较多，记录此时方 框所处的位置，因为它很有可能就是眼睛的位置。 由于在取局部脸图像时定位是很粗略的，所以可能 还有一些发迹或者其他干扰物残留在图片上，因而 满足计数值大于阈值的位置可能不只一个，所以对 这些数据还要进一步加以处理ｌ＿ｌ 。一般说来发迹 的位置都偏上而眼睛的位置偏中间，因此取局部脸 的中心，计算数据与中心点的距离，并将它们按距 离从小到大排序，取距离最小的数据为（ ，Ｙ ），代 表其中一只眼睛。 用同样的方法在右半脸部区域搜索，可以找到 另一只眼睛（ｚ ， 。）。这样就得到了双眼位置的优 先侯选处，为了精确定位，把眼睛位置的ｚ、 坐标 值分别向两边扩大一定范围，得到一个眼睛区 域＿９］。对这个区域进行去噪、增强处理，然后用 ｃａｎｎｙ算子算出它的边缘轮廓图像。提取定位后 的人眼边缘信息，如图３所示。 人眼区域 人眼边缘 然后对人眼边缘图像 ■一 做线个最水。求大平值得、垂处水直对平灰应投的度影行投曲号影线，若 曲两 图３人眼边缘曲线 Ｙｌ介于这两个行号之间，则 它们相隔的距离就是眼睛的高度。对垂直投影曲线 也同样如此。若ｚ ， 不满足条件，取距离稍远的 数据再次进行验证，最后确定人眼的精确位置。 ５实验结果及分析 采用的实验平台是Ｉｎｔｅｒ（Ｒ）Ｃｏｒｅ（ＴＭ）２ Ｑｕａｄ ＣＰＵ，１．９８Ｇ内存，Ｍａｔｌａｂ７．０计算环境。 文中用到的主要函数有四个：ｆｕｎｃｔｉｏｎ［Ｆ，ａ，６］ ＝ｐｒｅｐｒｏｃｅｓｓ（ｆ）的输入参数是二维或者三维图像矩 阵厂，输出Ｆ是经过直方图均衡化后的灰度图像，以 及该图像大小ａ×６；ｆｕｎｃｔｉｏｎＬ＝ｌｉｎｅａｒｔｒ（Ｌ）将输入 图像进行像素灰度值归一化；ｆｕｎｃｔｉｏｎＥｃ，ｈ，Ｐ，ｒ，Ｆ］ 一ｆａｃｅｐｏｓｉｔｉｏｎ（ｆ，口，６）的输人参数是图像矩阵－厂及 该图像的大小ａＸｂ，输出定位后的人脸图像Ｆ及它 在原图像所处的行号范围（ｃ， ）和列号范围（Ｐ，ｒ）； 从日本女性表情数据库（ＪＡＦＦＥ）里选取了４０ 幅图像，以及在互联网上随机选取一些彩色图像， 大小从２５６＊２５６到３６６＊４５５不等。图４是其中 一部分图像的定位结果。 豳囟 圄 一国 ■ 图４人眼定位结果 实验结果表明本文中的方法定位准确率高，速 度快，由于没有使用图像的绝对灰度值，所以定位 结果对光照变化不敏感，但是本文中的方法在人脸 平面旋转角度较大的情况下定位不够准确。 ６ 结语 眼睛作为人面部最显著和最稳定的特征之一， 它的准确定位对于人脸定位和人脸识别都十分重 要。文中采取的方法计算速度快，准确率高，具有 较强的实用性。 参考文献 Ｅ１］周杰，卢春雨，张长水．人脸自动识别方法综述［Ｊ］．电 子学报，２０００，２８（４）：１Ｏ２～１０６ ［２］崔晓坤，尚韬，等．一种人脸定位的几何匹配算法设计 与实现［Ｊ］．科学技术与工程，２００５，１３（５）：９０６￣９０９ Ｅ３］Ｊ．Ｈｕａｎｇ，Ｈ．Ｗｅｃｈｓｌｅｒ．Ｖｉｓｕａｌ ｒｏｕｔｉｎｅｓ ｆｏｒ ｅｙｅ ｌｏｃａ— ｔｉｏｎ ｕｓｉｎｇ ｌｅａｒｎｉｎｇ ａｎｄ ｅｖｏｌｕｔｉｏｎ －ｌＪ］．ＩＥＥＥ Ｔｒａｎｓａｃ— ｔｉｏｎｓ ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ，２０００，４（１）：７３￣８２ ［４］张杰，杨晓飞，赵瑞莲．基于Ｈｏｕｇｈ变换圆检测的人眼精确 定位方法Ｉ－Ｊ］．计算机工程与应用，２００５，２７（１４）：４３￣４４ ［５］朱树先，张仁杰．人眼定位算法与人脸图像标准化［Ｊ］． 上海理工大学学报，２００６，２８（３）：２８０－－２８１ Ｅ６］薛丽霞，李涛，王佐成．一种自适应的Ｃａｎｎｙ边缘检测 算法［Ｊ］．计算机应用研究，２０１０，２７（９）：３５８８￣３５６０ ［７］种劲松，朱敏慧．基于归一化灰度Ｈｏｕｇｈ变换的ＳＡＲ 图像舰船尾迹检测算法［Ｊ］．中国图象图形学报，２００４， ９（２）：１４６～１５Ｏ ［８］Ｖｉｓｈｖ］ｉｔ Ｓ，Ｎａｌｗａ，Ｔｈｏｍａｓ Ｏ．Ｂｉｎｆｏｒｄ Ｏｎ Ｄｅｔｅｃｔｉｎｇ Ｅｄｇｅｄ［Ｊ￣．ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９８６，８（６）：６９９￣７１４ ［９］刘莎，蔡灿辉，林志锋．一种基于肤色检测的人眼快速 定位方法［Ｊ］．２００９，２６（１０）：２１０￣２１１ ［１Ｏ］陈丽华，龚雯，沈建国．基于人脸结构特征的ｌＩＥＮ定位 算法Ｉ－Ｊ］．２００５，３１（９）：３４￣３６
