[发明专利]一种基于人脸识别的眼球运动识别方法

权利要求书

1.一种基于人脸识别的眼球运动识别方法，其特征在于，包括如下步骤：

眼球检测，对多幅人脸的图像进行边缘检测，定位眼球的初始化特征点，基于AMM的特征点定位方法进行眼球检测，在人脸的图像中搜索眼球的位置，确定左眼与右眼的眼球中心及其坐标，根据所述坐标计算人脸的倾斜角度，计算人脸尺度角度归一化比率，所述人脸尺度角度归一化比率是人脸图像中的双眼距离与标准人脸的双眼距离的比值；

眼球识别，获取一幅待检测的人脸图像，根据所述人脸尺度角度归一化比率计算所述人脸图像中眼球的位置；

眼球运动识别，识别两幅以上人脸图像中眼球的位置，根据位置的变化识别眼球运动。

2.如权利要求1所述的基于人脸识别的眼球运动识别方法，其特征在于，所述人脸的倾斜角度按如下公式表示：

α＝arctan(y_re-y_le)/(x_re-x_le)；

式中，α表示倾斜角度，x_le和y_le分别表示左眼眼球中心的横坐标和纵坐标，x_re和y_re分别表示右眼眼球中心的横坐标和纵坐标。

3.如权利要求1所述的基于人脸识别的眼球运动识别方法，其特征在于，人脸尺度角度归一化比率按如下公式表示：

s＝W_f/W_std；其中，

式中，s表示归一化比率，W_std表示标准人脸的双眼距离，W_f表示人脸图像的双眼距离，E₁表示左眼眼球中心的坐标，x_le和y_le分别表示左眼眼球中心的横坐标和纵坐标，E₂表示右眼眼球中心的坐标，x_re和y_re分别表示右眼眼球中心的横坐标和纵坐标。

4.如权利要求1所述的基于人脸识别的眼球运动识别方法，其特征在于，获取待检测的人脸图像的方法包括如下步骤：

人脸检测，从获取的图像中初步检测并定位人脸区域；

特征选取，提取所述人脸区域的Haar特征集，并基于Adaboost构建用于识别人脸图像的多个矩形特征及其弱分类器；

人脸识别，利用所述Haar特征集训练所述弱分类器得出一个最优弱分类器，重复训练后将多个最优弱分类器线性组合成强分类器，利用所述强分类器从所述获取的图像中识别出待检测的人脸图像。

5.如权利要求4所述的基于人脸识别的眼球运动识别方法，其特征在于，检测并定位人脸区域之后进一步包括：人脸预处理，对所述人脸区域进行归一化和灰度均衡化处理。

6.如权利要求4所述的基于人脸识别的眼球运动识别方法，其特征在于，所述Haar特征集是利用积分图像算法提取的。

7.如权利要求4所述的基于人脸识别的眼球运动识别方法，其特征在于，所述弱分类器的函数表达式为：

式中，x表示输入的当前帧人脸图像，f(x_j)表示特征feature_j在x上的值，p_j取值+1和-1来控制不等式的方向，θ_j表示阈值。

8.如权利要求4所述的基于人脸识别的眼球运动识别方法，其特征在于，所述强分类器的函数表达式为：

式中，α_i＝lg(1/β_i)，α_i表示β_i的负对数形式，β_i表示第i次迭代时h_i(x)的权重，h_i(x)表示弱分类器的表达式，T表示取得最优分类器的临界值。