[发明专利]一种低分辨率图像虹膜中心精确定位的方法

说明书

本发明公开了一种低分辨率图像虹膜中心精确定位的方法，包括：获得人脸特征点，并根据获得的人脸特征点进行眼睛区域图像提取；对眼睛区域图像进行二值化处理，并进行眼睛状态即睁眼与闭眼的识别；通过双圆活动边界模型对眼睛区域图像进行虹膜中心粗略定位；提取虹膜边缘并采用最小二值化圆拟合算法对睁眼图像虹膜中心精确定位；采用虹膜中心质量评估与二值化连通域的方法对少于两条边缘的图像与闭眼图像虹膜中心进行精确定位。本发明还公开了一种低分辨率图像虹膜中心精确定位的提取装置。本发明利用眼睛解剖学参数初始化双圆活动边界模型参数，并设计了一种准确与实用的提取虹膜边缘的算法，进而提升了虹膜中心定位的计算效率与准确性。

技术领域

本发明属于计算机视觉中的特征识别技术领域，具体涉及了一种基于双圆活动边界模型、圆拟合与二值化连通域技术的低分辨率图像人眼虹膜中心定位方法。

背景技术

瞳孔中心定位技术在计算机视觉领域起着十分重要的作用。该技术可以广泛应用于生物识别、人脸对齐、视线估计、人机交互等领域。目前，针对人脸虹膜中心提取的技术研究主要分为三类，即电流记录法，巩膜接触镜/探查线圈法以及图像/视频记录法。然而，前两种技术的适用场合十分有限，设备要求较高；仅利用普通商用摄像头的图像/视频记录法不需要高精度的设备，可应用于实际生活场景下，但能够在低分辨率图像中进行准确的提取瞳孔中心的算法是一项挑战。

目前，图像/视频记录法可以分为四个种类，即基于形状、基于特征、基于外观以及混合方法。基于形状的方法一般将虹膜或瞳孔看作一个圆形或椭圆形的模型；基于特征的方法通常利用眼部特征,如眼角、虹膜、瞳孔与角膜反光等进行眼睛中心的定位；基于外观的方法利用眼部及其周边区域的颜色特征直接进行眼睛中心的定位；混合方法结合上述方法的优势，以获取更高的精度。

发明内容

本发明的主要目的在于提供一种低分辨率图像虹膜中心精确定位的方法，旨在解决现有的提取方法对设备要求高、限制多、准确度低的问题。

为实现上述目的，本发明提供以下技术方案：一种低分辨率图像虹膜中心精确定位的方法，包括：

(1)获得人脸图像，并根据人脸特征点进行眼睛区域图像提取；提取得到的眼睛区域图像的宽度为N，高度为M；

(2)对眼睛区域图像进行二值化处理，并进行眼睛状态即睁眼与闭眼的识别；

(2.1)将图像的宽度归一化到宽度W,灰度化后进行二值分割，得到二值化图像；

(2.2)提取长宽符合虹膜特征的二值化连通域。

(2.3)根据提取出的连通域来判断眼睛的开闭，当且仅当满足以下条件时，认为是闭眼，否则为睁眼；条件如下：

图像中只剩余一个连通域，且连通域宽度m满足m/W0.6,左眼的垂直方向像素个数的标准差小于等于3.4，右眼的垂直方向像素个数的标准差小于等于与3.5，垂直方向像素个数标准差δ_C通过以下方法计算得到

c_i为水平位置i处的垂直方向像素数量，i∈1,2，…，m；为像素数量平均值；

(3)通过双圆活动边界模型对所有眼睛区域图像进行虹膜中心粗略定位；

(3.1)初始化双圆活动边界模型内圆的半径：r＝N×α，α为比例系数；

(3.2)在双圆活动边界模型中，遍历y＝M/2上，x∈[β*r,N-β*r]范围内的每一点，求取以任一点p_i为圆心时，外部圆环与内部实心圆的灰度平均值之差，灰度平均值之差最大的点即为粗略虹膜中心位置p_c(x_c,y_c)。