【正文】 在此向他們表示衷心的感謝和崇高的敬意。在論文的完成過程中，還得到閻國梁老師的多方面的指導(dǎo)、教誨和幫助?；诨叶确e分投影和模板匹配的人眼定位，電子學(xué)報，2005?；诨叶确e分投影的人眼定位，電子學(xué)報，2005。重慶 重慶大學(xué)出版社，2003。（3）余成波編著。圖像處理與識別。北京 科學(xué)出版社，2002。參考文獻(xiàn)（1）朱虹等編著。本文所采用的方法快速、簡單,可滿足弱實時應(yīng)用。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。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。但該方法對于有復(fù)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(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算機人機感知學(xué)交互領(lǐng)域都有密切聯(lián)系。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(jìn)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(jìn)行匹配 ,找到匹配程度最高的位置即定位為人眼的位置。在人臉方位調(diào)整中對眼睛的準(zhǔn)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)。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(jìn)行預(yù)處理如:對人臉方位進(jìn)行調(diào)整使其規(guī)范化。其中眼睛這一器官有著舉足輕重的作用，對眼睛進(jìn)行幾何描述勢必先要找到眼睛的位置，即先要進(jìn)行眼睛定位。 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。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(jìn)行了相關(guān)分析。傳統(tǒng)的模板匹配法 ,通常是在整幅圖像中進(jìn)行匹配 ,運算量大 ,且干擾因素較多。 眼睛的精確定位眼睛的精確定位方法有很多。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。那么曲線中的最大值點和次最大值點之間的低谷對應(yīng)人眼 ,因此原人臉圖像中對應(yīng)最大值點和次最大值點之間的那部分圖像即對應(yīng)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 。 　　　 　　　 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 ,因為頭發(fā)的低灰度產(chǎn)生了水平投影曲線的低谷。為了去除噪聲的影響,采用相同的方法對進(jìn)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。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)域作為研究對象?？梢钥闯?人臉的左右邊界定位準(zhǔn)確,滿足后續(xù)步驟檢測人眼的需要。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。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。為了除去噪聲的影響,對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),實驗中取=16。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。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€形成一個具有一定寬度的凹谷。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。下面以圖為例說明算法過程。列投影，就是對軸投影，得到的值最大的那一點。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。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 ,但由于需要多次計算,運算復(fù)雜。灰度投影法 對人臉圖像進(jìn)行水平和垂直方向的投影 ,根據(jù)波峰波谷的分布信息來定位眼睛 ,這種方法定位速度較快 ,但波峰波谷的分布對不同的人臉和姿態(tài)的變化非常敏感 ,定位精度較差。目前的眼睛定位方法較多 ,但各有其優(yōu)缺點?；诨叶韧队暗娜四樚卣魈崛∈且环N非常重要的方法,國內(nèi)外很多學(xué)者在這方面進(jìn)行了研究,如Dieckmann和KarinSobottka曾提出的直接對原圖做灰度投影的方法,這種方法的缺點是投影圖像中干擾噪聲太大,曲線不規(guī)則,很難在此基礎(chǔ)上直接找到特征點。人臉的主要特征包括眼睛,鼻子,嘴巴,下巴等,對于這些特征點的提取是否準(zhǔn)確將直接關(guān)系到整個識別系統(tǒng)的性能。整個過程如圖 1所示: 圖像直方圖均衡化圖像二值化處理根據(jù)積分投影定位眼睛的大概位置眼睛精確定位的圖像找到眼睛的精確位置圖像中值濾波輸入圖像圖像灰度化用積分投影將圖像縮到眉眼區(qū)域 圖31 眼睛精確定位步驟流程圖 人臉識別的常用方法根據(jù)表征方式的不同,人臉識別常用的方法大致分為基于幾何特征的識別、基于代數(shù)特征的識別和基于神經(jīng)網(wǎng)絡(luò)的識別方法。本文所采用的方法一種基于最大類間方差閾值分割和灰度積分投影技術(shù)的眼睛定位方法。在灰度積分投影的基礎(chǔ)上 ,通過使用模板匹配 ,減少了匹配的運算量 ,同時也增加了匹配的準(zhǔn)確率。一般的人臉識別系統(tǒng)主要包括預(yù)處理、特征提取、樣本學(xué)習(xí)和識別過程四個部分 ,其中特征提取的好壞將直接影響到識別效果。人臉識別系統(tǒng)與傳統(tǒng)的身份識別系統(tǒng)相比,具有不易偽裝、非接觸性、無需被識別者刻意配合,工作方式自然友好等優(yōu)點。figure,imshow(Z)； (a) 均衡化圖像 (b) 二值化結(jié)果圖 圖像二值化結(jié)果圖第三章 人眼定位算法本章節(jié)是本文的重點，主要介紹了靜止灰度單人圖像中人眼檢測的問題，提出了快速有效的檢測算法。figure(5),imhist(H)。imshow (H)。H=histeq (K)。imshow(J)。J=rgb2gray(I)。figure(1)。F:/39。設(shè)一幅圖像的灰度值為級,灰度值為的象素數(shù)為,此時得到總像素數(shù): ()各值的概率為: ()然后將像素用k將其分成兩組和,則各組的概率為:的概率: ()的概率: ()的平均值: () 的平均值: ()其中: 是圖像的整體灰度平均值, 是閾值為時灰度的平均值,定義、兩組間的方差如() 式所示: ()尋找 間使得上式取最大值的,即可得到閾值。這里采用的是最大類間方差閾值分割法,又叫大津法。從畫面的效果來看，可以非常逼真的再觀燈光的效果，圖像畫面的參差敢加強，細(xì)節(jié)也比較清晰，從直方圖可知，基本上均勻占據(jù)了整個圖像灰度值允許的范圍，并且直方圖的大致輪廓與直方圖相似，這就表示了處理后的圖像不僅表現(xiàn)效果得到改善，并且使原始圖像的特征在處理后的圖像中得到了保持。直方圖均衡化的方法是直方圖修整法的一個特例，即直方圖均衡化的優(yōu)點是能自動的增強整個圖像的對比度，但它的具體增強效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖。figure(4),imhist(K)。figure(3)。K=medfilt2(J,[3 3])。figure(2)。imshow(I)。)。（4） 進(jìn)行直方圖均衡化計算，的到處理后圖像的像素值為： （） （a）中值濾波后圖像 （b） 灰度均衡化結(jié)果圖 （c）原始圖像直方圖 （d）直方圖均衡化直方圖 圖像均衡化結(jié)果圖 用MATLAB實現(xiàn)程序如下：I=imread(39。均衡化后的圖像動態(tài)范圍擴大了，但其本質(zhì)是擴大了量化層間隔，而非量化層的數(shù)目，相反，均衡化后級數(shù)分布減少，因而可能會出現(xiàn)偽輪廓。 直觀的看，直方圖均衡化將導(dǎo)致信號值所占區(qū)域的對比度增加。另外 ,因為曝光條件的不同 ,圖像灰度可能會局限在一個很小的范圍內(nèi) ,造成圖像的模糊不清。自然圖像由于其灰度通常分布在較窄的區(qū)間，引起圖像細(xì)節(jié)不清楚。 直方圖均衡化在