[发明专利]人眼定位方法及装置

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种人眼定位方法及装置。

背景技术

随着信息技术的飞速发展，信息安全问题日益突出，已经成为技术发展必须要解决的关键问题，其中对人的身份识别是信息安全领域的重要组成部分。

面相识别是通过提取人脸的特征来验证身份的生物特征识别技术，相对于其它的生物特征识别技术具有直接、友好、方便的特点。因此，近年来在国际上有很多研究者将大量的研究放在了基于人脸特征的身份识别和验证上。

面相识别主要是由人脸检测、人眼定位、面部特征配准、特征提取与识别这四部分构成。

在面相识别中，其中关键的一步就是面部特征配准，也即实现对应位置的配准。目前的面相识别系统虽然主要是通过提取图像的整体信息、局部纹理信息来进行识别，但是两幅图像之间的面部特征是否配准，对最终的识别结果有着重要影响。图像特征配准的准确性，直接影响着最终的识别结果，因此越来越多的学者开始了对面部主要器官定位的研究。而眼睛作为面部区域最重要、最显著的特征，拥有丰富的信息，它的检测与定位的辨识度较高，对最终的识别有较重要的影响；同时，可以根据眼睛与其它面部器官之间的几何关系定位其它面部器官。因此，人眼定位对其它面部器官的定位以及高性能的自动面相识别系统具有极其重要的作用。

在相关技术中，早期的面相识别算法都是在假定眼睛坐标精确定位的前提下进行的。在过去的几十年，人眼定位的方法的研究取得了较大进展，国内外的研究人员提出了一些关于人眼定位的方法，大致可以分为以下四类：

（1）基于先验知识的方法：

眼睛在人脸图像上具有明显的特点，其瞳孔的灰度值一般比周围区域的要低，还有人眼是关于人脸中轴线对称的，可以用这些信息判别人眼的位置。根据这些先验知识简化了定位的难度，减少了误差。

主要的算法有几何投影、二值化定位和广义对称等。基于先验知识的方法构造简单，仅仅使用了人脸图像中一些像素值的低层信息，强烈的依赖于预先设定的先验规则，因此算法的适应性不强，而且极易受外界变化的影响，这类方法适用于人眼的粗定位，需要结合其它方法才能进一步的精确定位。

（2）基于几何形状信息的方法：

主要思想是根据人脸特征的形状特点构造一个可变参数的几何模型，该模型参数反映了特征形状的可变部分，最终通过模型与图像的动态交互来修正。主要算法有Snake模型、可变模板、点分布模型（Point Distribution Model，简称为PDM）、主动形状模型（Active Shape Model，简称为ASM）和主动外观模型（Active Appearance Model，简称为AAM）等。

基于形状信息的方法在原理上较为简单易懂，但是由于面部特征附近的对比度较低，边界搜索过程缓慢，运算量比较大。

（3）基于色彩信息的方法：

这类方法是用统计方法建立起面部特征的色彩模型，在搜索中根据被测点的色彩与模型的匹配度，筛选出人眼的可能位置信息。基于色彩信息的方法对光照条件和图像采集设备的特征较为敏感，易受环境因素的干扰，准确率难以保证，但运行速度快，适用于粗定位或者对定位实时性要求比较高的系统。

（4）基于外观信息的方法：

外观信息方法是用统计方法对其分布规律建模，在搜索过程，通过计算与人眼模板的匹配程度，判断是否存在人眼的区域。这类方法对图像质量、环境条件和目标对象状态具有很好的适应能力。主要的算法有人工神经网络（Artificial Neural Network，简称为ANN）、主成分分析（Principal ComponentAnalysis，简称为PCA）、支持向量机（Support Vector Machine，简称为SVM）和AdaBoost等方法。

基于外观信息的方法具有很好的可扩展性，是解决复杂条件下人眼定位问题的有效途径，不依赖于人脸的先验知识和参数模型，可以避免不精确或不完整知识造成的错误，但是运算量较大，在大型图片库上性能不佳。

但是，上述相关技术中的四类算法都具有相似的缺陷：对于不同的图片没有采用不同的方法进行人眼定位，这样对于不同类型的人脸图片，进行人眼定位的精度就会存在不小的差距。此外，由于人脸是一个复杂多变的非刚性物体，此外人脸表情丰富，加上图像获取过程中外界条件发生变化的影响，给人眼定位带来了困难。因而，单纯依赖某一种方法很难实现精确的人眼定位。上述四类算法的缺陷表明对人眼定位有必要进行系统深入的研究。

针对相关技术中人眼定位准确性较差的问题，目前尚未提出有效的解决方案。