基于HAAR特征的人眼定位

Size: px

Start display at page:

Download "基于HAAR特征的人眼定位"

孓仲
4 years ago
Views:

1 北京石油化工学院 2014 届优秀毕业论文基于 HAAR 特征的人眼定位通信工程郑维维指导教师林小竹教授摘要人脸识别是人类视觉最杰出的能力之一, 它的研究涉及模式识别图像处理生理, 心理学认知科学, 和基于其它生物特征的身份鉴别方法以及计算机人机感知学交互领域都有密切联系其中眼睛定位是人脸生物特征识别的重要组成部分, 人眼的识别是计算机人脸识别和智能监控中的重要部分本文所研究的人眼识别对象都是针对单人正面图像本文提出了一种高效快速的人眼定位方法, 该方法采用灰度积分图和 haar 特征的方法提取人脸特征, 首先通过图像的预处理将图像变为灰度图, 选取合适 haar 特征, 利用灰度积分图技术快速计算所选的 haar 特征通过对人脸 haar 特征进行计算处理, 结合人脸的特征结构找到眼睛大致区域, 然后利用灰度积分投影技术计算图像的水平积分投影, 定位出人眼的位置关键词 haar 特征, 积分图, 人眼定位, 人脸识别 1 引言 1.1 人脸识别人脸在社会交往中扮演着十分重要的角色, 是人类在确定一个人身份时所采用的最普通的生物特征, 研究人脸跟踪识别及其相关技 [1] 术具有十分重要的理论价值和应用价值在现代社会中, 身份鉴定技术具有非常重要的应用价值, 随着网络技术的发展, 信息安全也显示出前所未有的重要性在金融保安司法网络传输等应用领域, 都需要精确的身份鉴定自动人脸识别技术的研究始于 20 世纪 60 年代末期, 作为一种重要的基于生物特征识别的身份识别技术, 近些年来吸引了来自模式识别图像处理计算机视觉人工智能等诸多领域的众多研究者人脸识别就是指提取某种能描述每个人个性的特征, 用一种距离度量或分类的方法, 识别或认证被测试人脸图像和数据库 [2] 存储的人脸图像之间的关系按照特征提取和分类方法的不同, 人脸识别算法大致可以分为两大类 : 几何特征方法和统计方法早期的人脸识别算法主要基于几何特征或模板匹配基于几何特征的方法利用面部特征点 ( 如眉毛眼睛鼻子嘴巴等 ) 的大小位置距离角度和形状等几何参数作为特征对人脸进行分类和识别, 它的优点是所需的存储空间和分类时间代价较小, 而且在图像分辨率较低的情况下仍然可以使用 ; 缺点是识别的准确率完全依赖于几何特征的准确提取, 而几何特征提取受光照和遮挡的变化影响严重, 并且几何特征本身容易受姿态和表情变化的影响, 稳定性不高, 因此导致算法的识别准确率不高模板匹配法通过测试样本和标准模板进行比较, 根据设定的评价函数, 给出相似性度量这种方法的计算量较大, 而且除了光照表情以外, 图像的平移旋转和放缩也会严重影响模板匹配中互相关的计算, 从而影响了识别的准确率近些年来在人脸识别研究中占据主流地位的一些算法主要包括 : 基于主元分析的特征脸法基于 Fisher 线性判别分析的 Fisher 脸方法神经网 1

2 基于 haar 特征的人眼定位络方法支持向量机等 1.2 人眼定位下图是特征模板在人脸上的显示 : 眼睛作为人脸上最显著, 稳定的特征, 可以被用于帮助定位人脸, 提供人的注视信息, [3,4] 识别人脸动作 ( 如表情变化 ) 等人眼是人脸图像中最重要的特征, 大多数的模式识别算法都需要精确地定位脸部特征, 因此, 人眼定位在人脸识别中具有重要的意义只要人眼被图 2 矩形特征在人脸上的特征匹配精确定位, 则脸部其他特征, 如眉鼻嘴等, 可由潜在的分布关系比较准确地定位 2 haar 特征与灰度积分图 2.1 特征模板在给定有限的数据情况下, 基于特征的检测能够编码特定区域的状态, 而且基于特征的系统比基于象素的系统要快得多矩形特征对一些简单的图形结构, 比如边缘线段, 比较敏感, 但是其只能描述特定走向 ( 水平垂直对角 ) 的结构, 因此比较粗略我们将使用简单矩形组合作为我们的特征模板这类特征模板都是由两个或多个全等的矩形相邻组合而成, 特征模板内有白色和黑色两种矩形 ( 定义左上角的为白色, 然后依次交错 ), 并将此特征模板的特征值定义为白色矩形像素和减去黑 [5] 色矩形像素和, 基本的 haar 特征模板如下图所示 : 特征模板可以在子窗口内以任意尺寸任意放置, 每一种形态称为一个特征找出子窗口所有特征, 是进行弱分类训练的基础假设一个矩形区域大小为 24*24, 那么, 如果穷举区域内所有可能的矩形个数, 总数将有个显然这比这个区域内所有的像素个数 (576 个象素 ) 要多得多我们不可能把所有的这些特征都用于检测, 否则我们的计算消耗将是不 ; 可估计的大了我们的目的即是尽可能少的选取最能区分人脸和非人脸的图像的那些特征, 从而大大降低计算开销 2.2 积分图 (Integral Image) 积分图 (Integral Image) 主要的思想是将图像从起点开始到各个点所形成的矩形区域像素之和作为一个数组的元素保存在内存中, 当要计算某个区域的像素和时可以直接索引数组的元素, 不用重新计算这个区域的像素和, 从而加快了计算积分图 " 能够在多种尺度下, 使图 1 haar 特征模板用相同的时间来计算不同的特征, 因此大大提 [6] 高了检测速度所谓的积分图像其实就是对原图的一次双重积分 ( 先是按行积分, 然后是按列积分 ) 那么它的积分表示即为 : 2

北京石油化工学院 2014 届优秀毕业论文 ' f ( x, f ( x, dxdy (1) 4+1-(2+3) 3 人眼定位的基本原理 ' 其中, f ( x, 是原图像, f ( x, 是积分图像又因为我们计算的是原图中某一点左上方所有象素值的和, 可见是一个离散的加和, 因此在点 x,y 的积分图像的计算方法就如下所示 : ii ' ' ( x, i( x, y ) (2) ' ' x

1 基于 haar 特征的人眼定位方法 2001 年,Viola 和 Jones [7] 提出了积分图 (Integal Image) 概念和基于 Haar-like 矩形特征的 Adaboost 人脸检测方法, 极大地提高了人脸检测地速的和精度, 使人脸检测技术真正走向实用同样的此方法也可以用于人眼定位 AdaBoost 算法最早是由 Freund 和 Schapire [8] 在 1996

3 北京石油化工学院 2014 届优秀毕业论文 ' f ( x, f ( x, dxdy (1) 4+1-(2+3) 3 人眼定位的基本原理 ' 其中, f ( x, 是原图像, f ( x, 是积分图像又因为我们计算的是原图中某一点左上方所有象素值的和, 可见是一个离散的加和, 因此在点 x,y 的积分图像的计算方法就如下所示 : ii ' ' ( x, i( x, y ) (2) ' ' x x, y y 其中 ii ( x, 是计算后的积分图像, ' ' i ( x, y ) 是原图像, 如下图所示 : 3.1 基于 haar 特征的人眼定位方法 2001 年,Viola 和 Jones [7] 提出了积分图 (Integal Image) 概念和基于 Haar-like 矩形特征的 Adaboost 人脸检测方法, 极大地提高了人脸检测地速的和精度, 使人脸检测技术真正走向实用同样的此方法也可以用于人眼定位 AdaBoost 算法最早是由 Freund 和 Schapire [8] 在 1996 年提出的, 是一种迭代方法, 通过从大量的弱分类器中选取最具有分类意义的组合成一个强分类器, 目的是为了提高检测的精确度本文设计的人眼级联检测器下图所示图 3 在 (x, 点的积分图像的值是所有在这个点的左上方的点的和图 5 人眼级联检测器图 4 haar 特征值每个子分类器使用图像的矩形特征作为分类的依据, 为了有效地排除大量的非人眼窗口, 整个分类器由多级子分类器级联而成, 每个分类器对应一个 Haar-like 特征检测的时候, 对如上图所示, 在矩形 D 中的像素和可以通过四点计算得到在点 1 的积分图像的和可以通过矩形 A 内的点的和得到在点 2 的值就是 A+B, 在点 3 的值就是 A+C, 在点 4 的值就是 A+B+C+D 在 D 内的点的和可如下计算得到 : 输入的待检测窗口进行逐级检验, 如果其中的某一分类器将其判断为非人眼, 则立即排除, 不再进入下一级分类器之后 Rainer [9] 等人扩展了 haar-like 矩形特征, 增加了人眼检测的准确率 3

基于 haar 特征的人眼定位程序框图如下图所示 : 图 7 haar 特征模板如上图所示 : 图 (a) 是第一类 haar

我们在上图中也可以同样可以得到证明, 左右两边的 haar 特征有一定的对称性, 通过对多个图像求 haar 特征值, 以及对每个图像的 haar

haar 特征曲线 ( 整个人脸图像上通过眼睛那一行的 haar 特征值 ), 星形线和实线分别表示通过鼻子和嘴巴的 haar 特征曲线 (

4 基于 haar 特征的人眼定位程序框图如下图所示 : 图 7 haar 特征模板如上图所示 : 图 (a) 是第一类 haar 特征曲线提取图, 图 (b) 是第二类 haar 特征曲线提取图, 从中能看出人脸上每个位置上的 haar 特征值, 人脸具有对称性, 我们在上图中也可以同样可以得到证明, 左右两边的 haar 特征有一定的对称性, 通过对多个图像求 haar 特征值, 以及对每个图像的 haar 特征值进行对比, 我们得出在 haar 特征值比较高的地方, 极易可能是人眼区域在眼睛区域和不在眼睛区域的 haar 特征值对比 : 图 6 程序框图 3.2 haar 特征的曲线提取图 8 人眼区域与非人眼区域的 haar 特征曲线 (a) (b) 如上图所示, 方块形线代表通过眼睛区域的 haar 特征曲线 ( 整个人脸图像上通过眼睛那一行的 haar 特征值 ), 星形线和实线分别表示通过鼻子和嘴巴的 haar 特征曲线 ( 即通过非眼睛区域的 haar 特征值 ), 从上图以及结合实际图像, 得出结论, 在通过眼睛的 haar 特征曲线的两个极点是眼睛区域, 比非眼睛区域的 haar 特征值都要大 3.3 基于单个 haar 特征的人眼粗定位通过对人脸进行 haar 特征提取, 分析人眼区域的 haar 特征以及非人眼区域的 haar 特征 4

北京石油化工学院 2014 届优秀毕业论文进行对比, 认为 haar 特征值比较大的地方是人眼区域图 11 灰度积分投影精确定位人眼图 9 单个 haar 特征的人眼粗定位在通过对人脸正面图像的检测, 由人眼定从上图中可以看出通过单个 haar 特征具有局限性, 容易受图像背景衣领光照影响严重, 导致人眼定位的不准确性 3.

特征的人眼粗定位眼睛的精确定位是人脸识别的一个重要组成部分, 但也有许多因素使得定位精度下降因此, 我们提出了一个高效的人眼定位方法 : 上图显示的是多个 haar 特征综合应用下的人眼定位效果图, 由于单个 haar 特征的人眼定位具有局限性不准确性, 因此在此提出利用多个 haar 特征的算法确定人眼的位置, 这样可以减少图像背景光照的影响,

5 北京石油化工学院 2014 届优秀毕业论文进行对比, 认为 haar 特征值比较大的地方是人眼区域图 11 灰度积分投影精确定位人眼图 9 单个 haar 特征的人眼粗定位在通过对人脸正面图像的检测, 由人眼定从上图中可以看出通过单个 haar 特征具有局限性, 容易受图像背景衣领光照影响严重, 导致人眼定位的不准确性 3.4 基于多个 haar 特征的人眼粗定位位 matlab 程序实验可以得出, 利用单个 haar 特征进行人眼定位, 容易受到图像背景人的衣领光照的影响, 准确率比较低, 而通过多个 haar 特征综合应用来进行人眼定位能得到比较好的人眼定位效果, 可以有效的降低光照, 背景对人眼定位的影响, 最后利用灰度积分投影技术能取得比较好的人眼定位效果 4 总结图 10 多个 haar 特征的人眼粗定位眼睛的精确定位是人脸识别的一个重要组成部分, 但也有许多因素使得定位精度下降因此, 我们提出了一个高效的人眼定位方法 : 上图显示的是多个 haar 特征综合应用下的人眼定位效果图, 由于单个 haar 特征的人眼定位具有局限性不准确性, 因此在此提出利用多个 haar 特征的算法确定人眼的位置, 这样可以减少图像背景光照的影响, 而且在人脸图像有稍微偏移的情况下也可以得到比较好的人眼定位效果 3.5 基于灰度积分投影的人眼精细定位首先通过图像的预处理将图像变为灰度图, 选取合适 haar 特征, 利用灰度积分图技术快速计算所选的 haar 特征通过对人脸 haar 特征进行计算处理结合人脸的特征结构找到眼睛大致区域, 然后利用灰度积分投影技术计算图像的水平积分投影, 定位出人眼的位置实验结果表明 : 该方法具有良好的实时性, 高检测精度和实用价值在人眼的大致区域, 对图像求水平灰度积分投影确定眼睛的位置 : 参考文献 5

6 基于 haar 特征的人眼定位 [1] 雷静. 基于 OpenCV 的人脸跟踪识别系统研究 [D]. 西安电子科技大学交通信息工程系,2010. [2] 黄永明, 章国宝, 董飞等. 基于 Gabor Fisher 脸多特征提取及集成 SVM 的人脸表情识别 [J]. 计算机应用研究. 2011,28(2): [3] 周家锐, 纪震, 沈琳琳, 朱泽轩等. 基于 Gabor 小波与 Memetic 算法的人脸识别方法 [J]. 电子学报.2012, 40(4): [4] 金俊才, 童卫青等. 基于椭圆拟合的近红外图像的眼睛精确定位法 [J]. 华东师范大学学报 ( 自然科学版 ),2012,23(3): [5] 余蓓蓓, 王典洪. 基于灰度信息的人脸检测算法 [J]. [6] 苑玮琦, 韩春霞. 复杂背景下的多人脸检测方法 [J ]. 计算机应用, , 30 (3 ) :636 一 673. [7]Shan S,Yang P,Chen X.AdaBoost gabor fisher classifier for face recognition[a].in:proceeding of the International Workshop on Analysis and Modeling of Faces and Gestures,AMFG2005[C],Beijing,China,2005,3723: [8] 于威威, 滕晓龙, 刘重庆. 复杂背景下人眼定位及人脸检测 [J]. 计算机仿真,2004,21(12),pp: [9] Rainer Lienhart,Jochen Maydt.An Extended Set of Haar-like Features for Rapid Object Detection[J]. IEEE ICIP 2002, 苏州科技学院学报 : 工程技术版,2005,18(2): Abstract Face recognition is one of the most outstanding ability about human vision, the research involves in pattern recognition, image processing, physiology, psychology, cognitive science, and other identification method of biometric character,meanwhile,it has great relationship between human perception and computer interaction. The eye location is an important part of face biometrics identification, the eye recognition is the most important part of face recognition by using computer and intelligent monitoring. In this paper, the object recognition is aimed at a single positive image. This paper proposes a method of highly efficient rapid eye location, the method adopts the method of the gray integral image and haar feature to extract face feature, first we turn the image into gray scale by preprocessing the image, selecting appropriate haar features, at the same time, calculate the chosen haar features rapidly by using the method of gray integral image. Through the calculation and processing for face haar features, combining the feature of face structure,we can find the eye area roughly,and calculate horizontal integral projection of the image by using the gray-level integral projection technique, pinpoint the location of the human eye. Key word : Haar feature,eyes location,points figure,face recognition 6

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位自然科学版文章编号视网膜图像中视盘的快速自动定位方法赵晓芳林土胜李碧摘要基于眼底视网膜血管的分布结构及视盘本身的特点提出一种快速自动定位视盘的方法首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标最后把视盘限定在以粗定位的视盘为中心的一个小窗口内用变换精确定位视盘中心该方法不需要事先分割视网膜血管也不需要对算法进行训练