【正文】 知識(shí) ,更加直接地反映圖像之間的相似度 ,傳統(tǒng)的模板匹配方法首先要分別得到左眼和右眼模板 ,然后分別用左右眼模板在圖像中進(jìn)行匹配 ,得到兩個(gè)相似度最大的點(diǎn)作為定位的眼睛 ,這種方法比較簡(jiǎn)單 , 但計(jì)算量較大 ,定位準(zhǔn)確率較低。此外還有使用分形維數(shù)的方法 ,這種方法定位準(zhǔn)確率較高 ,但由于需要多次計(jì)算,運(yùn)算復(fù)雜。 投影法原理投影法是根據(jù)圖像在一些方向上的投影的分布特征來(lái)進(jìn)行檢測(cè)，這種方法在 本質(zhì)上是一種統(tǒng)計(jì)方法。圖像中，長(zhǎng)方形的垂直投影和水平投影分別定義為： （） （）投影就是統(tǒng)計(jì)出圖像中每列及每行某區(qū)間中非零像素點(diǎn)的數(shù)目。設(shè)二值圖像為，大小為,非零像素值為，設(shè)第列的非零像素點(diǎn)的數(shù)目為,設(shè)第行非零像素點(diǎn)的數(shù)目為，則： （） （）因此，行投影，就是對(duì)軸投影，得到的值最大的那一點(diǎn)。列投影，就是對(duì)軸投影，得到的值最大的那一點(diǎn)。 人眼左右邊界的判定人眼的自動(dòng)定位算法所處理的圖像為單人灰度圖像。下面以圖為例說(shuō)明算法過(guò)程。這些圖像為256級(jí)灰度圖像,像素值0代表黑色,255代表白色。由于人眼區(qū)域的灰度特征與人臉部其它部位有明顯的不同 ,采用積分投影很容易得到眼睛的大致位置。設(shè)所處理的圖像為,其大小為,則該圖像的水平灰度投影函數(shù)為： () 其中為垂直灰度投影曲線。觀察不同單人圖像的垂直灰度投影曲線,如圖所示,可以發(fā)現(xiàn)人臉?biāo)趨^(qū)域?qū)⑹勾怪被叶韧队扒€形成一個(gè)具有一定寬度的凹谷。這個(gè)凹谷的左右邊界大致代表了人臉的左右邊界,這是因?yàn)榕c背景相比,人臉區(qū)域往往具有較高的亮度。在人臉左右邊界處,垂直方向上亮度值的總和迅速減小,形成一個(gè)明顯的凹谷。因此,只須確定垂直灰度投影曲線中主要凹谷的左右邊界,即可得到人臉的左右邊界。為了除去噪聲的影響,對(duì)垂直灰度投影曲線進(jìn)行平滑處理,平滑處理后的曲線稱為: （）的取值跟人臉在圖像中的大小有關(guān),實(shí)驗(yàn)中取=16。平滑后的垂直灰度投影曲線如圖所示。將凹谷的下降沿梯度值最大的點(diǎn)作為人臉的左邊界,凹谷的下降沿梯度值最小的點(diǎn)作為人臉的右邊界。算法實(shí)現(xiàn)上,假設(shè)人臉的左邊界點(diǎn)不超出,實(shí)驗(yàn)中取=,求出曲線在段上具有最大梯度值的點(diǎn),記為x1,x1即為人臉的左邊界。再求曲線x∈[x1,N]段的最小梯度值點(diǎn),記為x2,x2即為人臉的右邊界。圖為從圖像中檢測(cè)出來(lái)的人臉區(qū)域?？梢钥闯?人臉的左右邊界定位準(zhǔn)確,滿足后續(xù)步驟檢測(cè)人眼的需要。 　 圖 32　垂直灰度投影曲線 圖33 定位左右邊界的人臉 眉眼區(qū)域的判定當(dāng)?shù)玫阶笥疫吔缰?,再對(duì)圖像進(jìn)行垂直投影 ,這樣就可以減少人臉兩側(cè)頭發(fā)背景等因素的干擾 ,使得下一步的投影波峰和波谷更明顯,從而更容易判斷眼睛區(qū)域。人眼水平位置的預(yù)估當(dāng)人臉的左右邊界確定之后,取左右邊界之間的人臉區(qū)域作為研究對(duì)象。設(shè)此時(shí)的圖像區(qū)域大小為,該圖像區(qū)域的水平灰度投影函數(shù)為: （）稱為水平灰度投影曲線。為了去除噪聲的影響,采用相同的方法對(duì)進(jìn)行平滑得: （）的取值跟人臉在圖像中的大小有關(guān),實(shí)驗(yàn)中取=6。平滑后的水平灰度投影曲線如圖所示。 　　　 　　　 圖34　垂直灰度投影曲線 圖35　定位上下邊界的人臉得到的灰度投影曲線的前段谷區(qū)域?qū)?yīng)于人的頭頂部分 ,因?yàn)轭^發(fā)的低灰度產(chǎn)生了水平投影曲線的低谷。而曲線的最大值點(diǎn)和次最大值點(diǎn)分別對(duì)應(yīng)人的額頭部位和人的鼻中部。那么曲線中的最大值點(diǎn)和次最大值點(diǎn)之間的低谷對(duì)應(yīng)人眼 ,因此原人臉圖像中對(duì)應(yīng)最大值點(diǎn)和次最大值點(diǎn)之間的那部分圖像即對(duì)應(yīng)人眼所處的大致水平位置，這樣就將原來(lái)的人臉圖像縮小到大致只有眉毛和眼睛的小區(qū)域 。 眉眼區(qū)域的處理人眼的定位得到上述包含眉眼的矩形區(qū)域后,需要加以區(qū)分的只剩下了眉和眼。根據(jù)自然約束條件,從垂直方向上看,眼在眉的下面,從下至上搜索,首先找到的是人眼。首先,對(duì)眉眼區(qū)域圖像進(jìn)行去噪、增強(qiáng)處理。 眼睛的精確定位眼睛的精確定位方法有很多。如用模板匹配的方法來(lái)精確定位眼睛。傳統(tǒng)的模板匹配法 ,通常是在整幅圖像中進(jìn)行匹配 ,運(yùn)算量大 ,且干擾因素較多。本方法中因?yàn)橐汛致远ㄎ怀鲅劬Φ膮^(qū)域 ，且也已經(jīng)沒(méi)有了鼻、嘴等器官的影響 ,所以對(duì)圖像連續(xù)作水平和垂直投影取其交點(diǎn)即定位為人眼位置，定位準(zhǔn)確率會(huì)有所提高。第四章 檢測(cè)結(jié)果與分析本章主要介紹了根據(jù)本文提出的人眼檢測(cè)算法編寫(xiě)，并對(duì)根據(jù)該算法檢測(cè)的結(jié)果進(jìn)行了相關(guān)分析。打開(kāi)一幅人臉圖像，首先對(duì)該圖像進(jìn)行對(duì)該圖像進(jìn)行垂直投影，顯示出垂直投影的曲線以及平滑后的曲線，通過(guò)分析確定人臉大致區(qū)域， 第五章 總結(jié)與展望本章對(duì)本文提出的算法改進(jìn)方向和應(yīng)用前景進(jìn)行了相關(guān)評(píng)論。 總結(jié)人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此對(duì)這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。幾何特征提取即是用適當(dāng)?shù)姆椒▽?duì)眼睛、鼻子、嘴巴、下巴等器官的形狀、大小和結(jié)構(gòu)關(guān)系進(jìn)行凡何描述，比如眼睛、鼻子和嘴的位置和寬度，眉毛的厚度和彎曲程度等，以及這些特征器官之間的關(guān)系。其中眼睛這一器官有著舉足輕重的作用，對(duì)眼睛進(jìn)行幾何描述勢(shì)必先要找到眼睛的位置，即先要進(jìn)行眼睛定位。而且只要眼睛被精確定位，則臉部其他器官，如眉、鼻、嘴等，可由潛在的分布關(guān)系比較準(zhǔn)確地定位。在人臉正面圖像識(shí)別過(guò)程，不管是利用人臉的全局特征還是局部特征，是采用圖像的幾何特征，還是圖像的代數(shù)特征，人臉?lè)轿坏淖兓瘜?duì)識(shí)別的結(jié)果都有顯著的影響，所以在特征提取前必須先對(duì)人臉圖像進(jìn)行預(yù)處理如:對(duì)人臉?lè)轿贿M(jìn)行調(diào)整使其規(guī)范化。對(duì)人臉圖片的拍攝距離進(jìn)行歸一化。在人臉?lè)轿徽{(diào)整中對(duì)眼睛的準(zhǔn)確定位是必不可少的步驟，這是因?yàn)閮裳壑行拈g距受光照或表情變化的影響最小，雙眼中心連線的方向隨人像的偏轉(zhuǎn)而偏轉(zhuǎn)，可以作為圖像旋轉(zhuǎn)的依據(jù)。而且若以兩眼之間的距離對(duì)抽取的各個(gè)特征值進(jìn)行規(guī)一化，則這些特征值具有平移、旋轉(zhuǎn)和尺度上的不變性正因?yàn)檠劬Χㄎ辉谌四樧R(shí)別中具有如此重要的地位，于是人們研究各種算法來(lái)實(shí)現(xiàn)眼睛定位，主要可以分為以下幾類：霍夫變換法、變形模板法、邊緣特征分析法和對(duì)稱變換法等，本文結(jié)合自己的應(yīng)用背景提出了一種新的眼睛定位算法，首先通過(guò)中值濾波和直方圖均衡消除了孤立點(diǎn)和光線的影響 ,為定位做好了準(zhǔn)備工作。利用灰度積分投影曲線將人臉?lè)秶s小到眉眼區(qū)域 ,在此基礎(chǔ)上再做一次水平積分投影 ,即可確定眼睛所在的垂直位置 ,進(jìn)一步縮小了查找范圍 , 最后使用眼睛模板 ,分別沿著兩個(gè)垂直方向進(jìn)行匹配 ,找到匹配程度最高的位置即定位為人眼的位置。這種方法不僅能定位標(biāo)準(zhǔn)正面人臉 ,而且對(duì)于有輕微偏轉(zhuǎn)的人臉定位也較準(zhǔn)確 ,總體實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單 ,且運(yùn)算速度快 ,計(jì)算復(fù)雜度低。但該方法對(duì)于有復(fù)雜人臉識(shí)別是人類視覺(jué)最杰出的能力之一，它的研究涉及模式識(shí)別、圖像處理、生理，心理學(xué)、認(rèn)知科學(xué)，和基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知學(xué)交互領(lǐng)域都有密切聯(lián)系。其中人眼的識(shí)別是計(jì)算機(jī)人臉識(shí)別和智能監(jiān)控中的重要部分。本文所研究的人眼識(shí)別對(duì)象都是針對(duì)單人正面或半側(cè)面圖像。 算法的改進(jìn)與前景計(jì)算機(jī)人臉識(shí)別是近年來(lái)非常活躍的研究領(lǐng)域。它的應(yīng)用范圍很廣,如安全系統(tǒng)中的身份認(rèn)證、視頻監(jiān)控中目標(biāo)的識(shí)別與跟蹤,以及表情分析、年齡分析、唇讀、智能計(jì)算機(jī)中的人機(jī)交互等。人眼作為人臉最顯著的特征,與嘴、鼻相比較,能夠提供更可靠、更重要的信息,因此往往是人臉識(shí)別中必要的處理對(duì)象。本文所采用的方法快速、簡(jiǎn)單,可滿足弱實(shí)時(shí)應(yīng)用。背景和較大偏轉(zhuǎn)角度的情況定位不夠理想 ,所以這方面將是下一步的研究重點(diǎn)。參考文獻(xiàn)（1）朱虹等編著。數(shù)字圖像處理基礎(chǔ)。北京 科學(xué)出版社，2002。（2）胡小鋒，趙輝編著。圖像處理與識(shí)別。北京 人民郵電出版社，2004。（3）余成波編著。數(shù)字圖像處理及MATLAB實(shí)現(xiàn)。重慶 重慶大學(xué)出版社，2003。（4）馮建強(qiáng)，劉文波，于盛林編著?；诨叶确e分投影的人眼定位，電子學(xué)報(bào)，2005。（5）孫曉玲，侯德文編著?；诨叶确e分投影和模板匹配的人眼定位，電子學(xué)報(bào)，2005。致 謝 本論文是在我的導(dǎo)師王小鵬和閻國(guó)梁老師悉心指導(dǎo)下完成的，王小鵬和閻國(guó)梁老師的淵博的學(xué)識(shí)，謙虛的為人，嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度及在自然科學(xué)上對(duì)社會(huì)的貢獻(xiàn)，給我留下了極深的印象，激勵(lì)著我、鼓勵(lì)著我、鞭策著我刻苦學(xué)習(xí)、努力工作，使我受益終生。在論文的完成過(guò)程中，還得到閻國(guó)梁老師的多方面的指導(dǎo)、教誨和幫助。他嚴(yán)謹(jǐn)求實(shí)的工作態(tài)度、豐富的知識(shí)和經(jīng)驗(yàn)、誠(chéng)懇待人作風(fēng)是我學(xué)習(xí)的榜樣。在此向他們表示衷心的感謝和崇高的敬意。 35