[发明专利]一种人脸视频中瞳孔的定位方法

权利要求书

1.一种人脸视频中瞳孔的定位方法，其特征在于：包括人脸检测模块、图像预处理模块、人眼粗定位模块及瞳孔细定位模块；输入的视频图像经过人脸检测模块、图像预处理模块、人眼粗定位模块及瞳孔细定位模块最后得到瞳孔中心的位置。

2.一种人脸视频中瞳孔的定位方法，其特征在于：人脸检测模块的处理方法为：

该模块的输入为目标图像I_orig，利用基于局部连续均值量化变换和稀疏筛选网络分类器的人脸检测方法，检测出包含眼睛的人脸图像I_face，将其作为该模块的输出。

3.一种人脸视频中瞳孔的定位方法，其特征在于：图像预处理模块的处理方法为：

(1)中值滤波

采用一个3×3窗口对人脸图像进行中值滤波，这样图像中的每一个点都会对应一个3×3的窗口，该点位于窗口中心；将该窗口中心点周围的8个点按灰度值从大到小排序，最后用窗口中各点灰度值的中值，即排序后中间两个点灰度值的均值，来代替窗口中心点的灰度值，即完成中值滤波，得到图像为I_temp；

(2)直方图均衡

对中值滤波后的图像I_temp进行直方图均衡；直方图均衡化是通过灰度变换将一幅图像映射为另一幅具有均衡直方图，映射函数为一累积分布函数；其具体步骤如下：

1)首先计算I_temp的归一化灰度直方图H；

i=0,1,…,255，

其中，n_i为图像中灰度级为i的像素个数，i=0,1,…,255，n为图像中像素的总数；

2)然后计算直方图积分H’，

H′(i)=Σ0≤j≤iH(j)]]>

3)最后计算直方图均衡后的图像I；

I(x,y)＝H′[I_temp(x,y)]。

4.一种人脸视频中瞳孔的定位方法，其特征在于：人眼粗定位模块的处理方法为：

(1)计算I的垂直灰度投影曲线P_y(x),

Py(x)=Σx=1wI(x,y),]]>

其中，w为图像的宽度；

(2)P_y(x)在1/3到1/2处峰值的坐标，此处即为人脸的鼻子中部，利用该坐标在垂直方向上对I_face进行截取，得到粗略的人眼区域；

(3)以人眼区域宽度的中心为界，对人眼区域在竖直方向上进行对半分割，便可将两只眼睛分离开来，得到左眼区域I_left和右眼区域I_right。

5.一种人脸视频中瞳孔的定位方法，其特征在于：人眼粗定位模块的处理方法为：

(1)将人眼粗定位模块得到的眼睛图像I_left或I_right分别与Sobel水平算子和垂直算子进行卷积，计算出边缘梯度图像g(p)=[g_x(p),g_y(p)]；

g(p)＝[g_x(p),g_y(p)]＝|[I*Sobel_hor,I*Sobel_ver]|，

其中，‘*’表示卷积，Sobel_hor为Sobel水平算子Sobelhor=-101-202-101,]]>Sobel_ver为Sobel垂直算子Sobelver=121000-1-2-1;]]>

(2)初始化起始搜索半径N=5，S_{n_max}=0，S_max=0；

(3)如果满足S_max≥S_{n_max}，执行下列步骤：

(a)S_max=S_{n_max}；

(b)对于n=2,3,…,N，可计算出对应的方向投影图像O_n和幅度投影图像M_n；对于给定点P，O_n和M_n是由正负影响像素P_+ve和P_-ve计算出的，而P_+ve和P_-ve是梯度g(p)的函数；正负影响像素的定义不同，正影响像素是梯度向量g(p)指向的、距离点P的长度为n的点的坐标；负影响像素是梯度向量g(p)负向指向的距离点P的长度为n的点的坐标；

由梯度向量g(p)，可计算出负影响像素P_-ve和O_n[P_-ve(p)]、M_n[P_-ve(p)]，即

P-ve(p)=p-round(g(p)|g(p)|n),---(5)]]>

O_n[P_-ve(p)]＝O_n[P_-ve(p)]-1，     (7)

M_n[P_-ve(p)]＝M_n[P_-ve(p)]-|g(p)|，     (9)

其中，“round”表示将向量中的所有元素都取最接近它们的整数；|·|表示向量取模；

然后计算F_n(p)，

Fn(p)=Mn(p)kn[O^n(p)kn]α,]]>

其中，α是径向控制参数；参数α=2，k_n=9.9；

其中，k_n用来归一化在不同半径下得到的O_n和M_n的尺度因子；

当检测半径为n时，径向对称强度值S_n为

S_n＝F_n*A_n，     (10)

其中，‘*’表示卷积，A_n是二维高斯阵，其大小为n×n，方差σ=0.25n；

(c)最终的径向对称变换S是与所有检测半径n对应的径向对称结果S_n的均值，选择其中最大的一个值作为瞳孔中心；

S=1|N|Σn∈NSn,---(13)]]>

(d)N=N+2；

(4)若S_max<S_{n_max}，迭代搜索结束，获得瞳孔中心的位置。