【正文】 知識 ,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行匹配 ,得到兩個相似度最大的點作為定位的眼睛 ,這種方法比較簡單 , 但計算量較大 ,定位準確率較低。此外還有使用分形維數(shù)的方法 ,這種方法定位準確率較高 ,但由于需要多次計算,運算復雜。 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進行檢測，這種方法在 本質(zhì)上是一種統(tǒng)計方法。圖像中，長方形的垂直投影和水平投影分別定義為： （） （）投影就是統(tǒng)計出圖像中每列及每行某區(qū)間中非零像素點的數(shù)目。設(shè)二值圖像為，大小為,非零像素值為，設(shè)第列的非零像素點的數(shù)目為,設(shè)第行非零像素點的數(shù)目為，則： （） （）因此，行投影，就是對軸投影，得到的值最大的那一點。列投影，就是對軸投影，得到的值最大的那一點。 人眼左右邊界的判定人眼的自動定位算法所處理的圖像為單人灰度圖像。下面以圖為例說明算法過程。這些圖像為256級灰度圖像,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)人臉所在區(qū)域?qū)⑹勾怪被叶韧队扒€形成一個具有一定寬度的凹谷。這個凹谷的左右邊界大致代表了人臉的左右邊界,這是因為與背景相比,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,對垂直灰度投影曲線進行平滑處理,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),實驗中取=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作為人臉的左邊界,凹谷的下降沿梯度值最小的點作為人臉的右邊界。算法實現(xiàn)上,假設(shè)人臉的左邊界點不超出,實驗中取=,求出曲線在段上具有最大梯度值的點,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,記為x2,x2即為人臉的右邊界。圖為從圖像中檢測出來的人臉區(qū)域?？梢钥闯?人臉的左右邊界定位準確,滿足后續(xù)步驟檢測人眼的需要。 　 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?shù)玫阶笥疫吔缰?,再對圖像進行垂直投影 ,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。人眼水平位置的預估當人臉的左右邊界確定之后,取左右邊界之間的人臉區(qū)域作為研究對象。設(shè)此時的圖像區(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,采用相同的方法對進行平滑得: （）的取值跟人臉在圖像中的大小有關(guān),實驗中取=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)谌说念^頂部分 ,因為頭發(fā)的低灰度產(chǎn)生了水平投影曲線的低谷。而曲線的最大值點和次最大值點分別對應人的額頭部位和人的鼻中部。那么曲線中的最大值點和次最大值點之間的低谷對應人眼 ,因此原人臉圖像中對應最大值點和次最大值點之間的那部分圖像即對應人眼所處的大致水平位置，這樣就將原來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,對眉眼區(qū)域圖像進行去噪、增強處理。 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行匹配 ,運算量大 ,且干擾因素較多。本方法中因為已粗略定位出眼睛的區(qū)域 ，且也已經(jīng)沒有了鼻、嘴等器官的影響 ,所以對圖像連續(xù)作水平和垂直投影取其交點即定位為人眼位置，定位準確率會有所提高。第四章 檢測結(jié)果與分析本章主要介紹了根據(jù)本文提出的人眼檢測算法編寫，并對根據(jù)該算法檢測的結(jié)果進行了相關(guān)分析。打開一幅人臉圖像，首先對該圖像進行對該圖像進行垂直投影，顯示出垂直投影的曲線以及平滑后的曲線，通過分析確定人臉大致區(qū)域， 第五章 總結(jié)與展望本章對本文提出的算法改進方向和應用前景進行了相關(guān)評論。 總結(jié)人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因為這些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個人臉千差萬別，因此對這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識別的重要特征。幾何特征提取即是用適當?shù)姆椒▽ρ劬?、鼻子、嘴巴、下巴等器官的形狀、大小和結(jié)構(gòu)關(guān)系進行凡何描述，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，對眼睛進行幾何描述勢必先要找到眼睛的位置，即先要進行眼睛定位。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)系比較準確地定位。在人臉正面圖像識別過程，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，人臉方位的變化對識別的結(jié)果都有顯著的影響，所以在特征提取前必須先對人臉圖像進行預處理如:對人臉方位進行調(diào)整使其規(guī)范化。對人臉圖片的拍攝距離進行歸一化。在人臉方位調(diào)整中對眼睛的準確定位是必不可少的步驟，這是因為兩眼中心間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抽取的各個特征值進行規(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為眼睛定位在人臉識別中具有如此重要的地位，于是人們研究各種算法來實現(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稱變換法等，本文結(jié)合自己的應用背景提出了一種新的眼睛定位算法，首先通過中值濾波和直方圖均衡消除了孤立點和光線的影響 ,為定位做好了準備工作。利用灰度積分投影曲線將人臉范圍縮小到眉眼區(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 ,進一步縮小了查找范圍 , 最后使用眼睛模板 ,分別沿著兩個垂直方向進行匹配 ,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準正面人臉 ,而且對于有輕微偏轉(zhuǎn)的人臉定位也較準確 ,總體實現(xiàn)起來比較簡單 ,且運算速度快 ,計算復雜度低。但該方法對于有復雜人臉識別是人類視覺最杰出的能力之一，它的研究涉及模式識別、圖像處理、生理，心理學、認知科學，和基于其它生物特征的身份鑒別方法以及計算機人機感知學交互領(lǐng)域都有密切聯(lián)系。其中人眼的識別是計算機人臉識別和智能監(jiān)控中的重要部分。本文所研究的人眼識別對象都是針對單人正面或半側(cè)面圖像。 算法的改進與前景計算機人臉識別是近年來非?；钴S的研究領(lǐng)域。它的應用范圍很廣,如安全系統(tǒng)中的身份認證、視頻監(jiān)控中目標的識別與跟蹤,以及表情分析、年齡分析、唇讀、智能計算機中的人機交互等。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,因此往往是人臉識別中必要的處理對象。本文所采用的方法快速、簡單,可滿足弱實時應用。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。參考文獻（1）朱虹等編著。數(shù)字圖像處理基礎(chǔ)。北京 科學出版社，2002。（2）胡小鋒，趙輝編著。圖像處理與識別。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實現(xiàn)。重慶 重慶大學出版社，2003。（4）馮建強，劉文波，于盛林編著。基于灰度積分投影的人眼定位，電子學報，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，電子學報，2005。致 謝 本論文是在我的導師王小鵬和閻國梁老師悉心指導下完成的，王小鵬和閻國梁老師的淵博的學識，謙虛的為人，嚴謹?shù)闹螌W態(tài)度及在自然科學上對社會的貢獻，給我留下了極深的印象，激勵著我、鼓勵著我、鞭策著我刻苦學習、努力工作，使我受益終生。在論文的完成過程中，還得到閻國梁老師的多方面的指導、教誨和幫助。他嚴謹求實的工作態(tài)度、豐富的知識和經(jīng)驗、誠懇待人作風是我學習的榜樣。在此向他們表示衷心的感謝和崇高的敬意。 35