发明名称 |
人脸识别中的眼睛定位方法 |
摘要 |
本发明的眼睛定位方法,检测并去除图像的反光区域;用Ada-Boost算法的Viola-Jones方法检测人脸;计算人脸区域归一化梯度向量,二值化,检测眼镜的黑框,用相邻不在黑框区域像素的平均灰度值替换黑框区域的像素灰度值;构造眼睛和非眼睛的训练集,训练二次核函数的非线性SVM,对以眼睛周围像素为中心的区域,计算评估,评估最大值所在的像素作为眼睛位置并称为置信度;如果置信度大于设定的阈值,则为最终定位结果,否则用PCA估算眼睛位置,对人脸区域作旋转和缩放变换,计算变换后图像的Gabor系数,并计算人脸检测的置信度,选取置信度最大的图像,把该图像中眼睛的平均位置作为原始图像的眼睛位置。 |
申请公布号 |
CN106326828A |
申请公布日期 |
2017.01.11 |
申请号 |
CN201510767147.8 |
申请日期 |
2015.11.08 |
申请人 |
北京巴塔科技有限公司 |
发明人 |
陈磊;周淑娟 |
分类号 |
G06K9/00(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种眼睛定位方法,根据人脸图像定位眼睛的位置,其特征在于,包括:检测并去除反光区域处理、人脸检测处理、检测和去除眼镜的黑框处理、基于SVM的眼睛定位处理、基于PCA的眼睛定位处理,其中,在所述检测并去除反光区域处理中,计算输入图像的灰度直方图,确定反射区域的阈值,进行反射区域判断,用非反射区域的像素平均灰度值替换反射区域的像素值;在所述人脸检测处理中,在去除反射区域的图像上检测人脸;在所述检测和去除眼镜的黑框处理中,在人脸区域计算归一化梯度向量,并得到二值图像,根据联通区域检测眼睛的黑框,用相邻的不在黑框区域的像素平均灰度值替换在黑框区域的像素灰度值;在所述基于SVM的眼睛定位处理中,构造眼睛和非眼睛训练集训练具有二次核函数的非线性SVM,对以眼睛周围像素为中心的区域作SVM评估,评估最大值所在的像素作为眼睛位置,该评估最大值被称为眼睛位置的置信度;在所述基于PCA的眼睛定位处理中,如果在SVM眼睛定位中得到的置信度大于预先设定的阈值,则该位置为最终定位结果,否则,采用PCA再次估算眼睛位置;对人脸区域作旋转和缩放变换,对变换后的图像,计算Gabor系数,根据PCA训练后得到的变换矩阵计算人脸检测的置信度,选取置信度最大的图像,并把该图像中眼睛的平均位置作为原始图像的眼睛位置。 |
地址 |
100085 北京市海淀区信息路甲28号D座05A-5319 |