[发明专利]一种基于积分投影与边缘检测的快速人眼定位方法

说明书

技术领域

本发明属于模式识别中的特征点定位方法，尤其涉及一种基于积分投影与边缘检测的快速人眼定位方法，主要针对输入图像中人眼定位问题而提出的一种快速简便的解决方法，能够快速有效的定位人眼。

背景技术

计算机人脸识别是近年来非常活跃的研究领域。它的应用范围很广，如性别年龄分析、安全系统身份认证、表情分析以及视频会议等等。它主要包括人脸检测、特征定位提取和特征识别几个步骤。人眼作为人脸的一个关键特征，能否对其精确定位对特征提取以及特征识别的结果有着巨大的影响。

    本文基于图像的灰度信息与边缘信息，提出一种快速有效的人眼检测算法。该算法能够快速定位人眼，而且能够很好的抑制光照以及饰物给定位结果带来的影响。

发明内容

本发明提供一种简洁且准确性高的基于积分投影与边缘检测的快速人眼定位方法。

    为了实现该目标，本发明采取如下技术方案：

步骤1：初始化，读入一张采集到含有人脸的图像                                                ，

步骤2：利用Adaboost算法对采集到的数字图像进行人脸检测操作，获取到其中的人脸图像，

步骤3：对步骤2中获取得到的人脸图像进行预处理，方法如下：

步骤3.1：将获取得到的人脸图像转化为人脸图像的灰度图像，并将人脸图像的灰度图像规格化为WH的图像，其中W、H均为正整数，分别表示人脸图像的灰度图像规格化为WH的图像的行数和列数，

步骤3.2：利用高斯滤波器对WH的图像进行平滑、去噪处理，具体方法如下：首先，平滑、去噪处理后的图像的各边界像素的灰度值分别为平滑、去噪处理前的WH的图像的各边界像素的灰度值；其次，对于WH的图像的非边界像素的灰度值，则以WH的图像中的任意一个非边界像素为中心像素，选取33的高斯模板，得到所述中心像素的灰度值，即：

式中，代表行坐标，代表列坐标，为图像中点的灰度值，为图像中以点为中心的33网格中位于点左下角点的灰度值，为图像中以点为中心的33网格中位于点左上角点的灰度值，为图像中以点为中心的33网格中位于点右下角点的灰度值，为图像中以点为中心的33网格中位于点右上角点的灰度值，为图像中以点为中心的33网格中位于点水平左方向点的灰度值，为图像中以点为中心的33网格中位于点正下方点的灰度值，为图像中以点为中心的33网格中位于点水平右方向点的灰度值，为图像中以点为中心的33网格中位于点正上方点的灰度值，为经过高斯滤波后点的灰度值，处理之后得到图像，其大小仍然为WH，遍历WH的图像中所有非边界像素，

步骤4：对图像进行水平积分投影，投影计算公式如下：

式中，表示第行的水平积分投影结果，为图像的点处的灰度值，W为图像行数，H为图像列数，

从W行的水平积分投影结果中选取灰度值最小的水平积分投影结果，并记为，为令水平积分投影计算公式取得最小值时的所对应的行数，从图像中选取出垂直坐标范围为区域，作为人眼可能存在的待检测区域，其中，，表示的值为的向下取整值，为人眼可能存在的垂直坐标区间估计参数，

步骤5：对图像进行边缘提取，具体实现过程如下：

步骤5.1：首先，进行梯度计算后的梯度幅值矩阵对应图像的各个边界点的像素灰度值为进行梯度计算前的图像的边界点的像素灰度值，其次，对于图像中非边界像素点，选取、，为水平方向边缘检测算子，为垂直方向边缘检测算子，计算非边界像素点处的水平方向、垂直方向的一阶偏导数，以及非边界像素点处的梯度幅值和梯度方向，计算公式如下：

式中代表图像中非边界像素点的灰度值，i为图像中非边界点的水平坐标，j为图像中非边界点的垂直坐标，为图像中以非边界像素点点为左上角元素的的网格中位于网格左下角的像素点的灰度值，为图像中以非边界像素点点为左上角元素的的网格中位于网格右上角的像素点的灰度值，为图像中以非边界像素点点为左上角元素的的网格中位于网格右下角的像素点的灰度值，、分别代表非边界像素点处的水平方向、垂直方向的一阶偏导数，代表非边界像素点的梯度幅值，代表非边界像素点的梯度方向， 

步骤5.2：将步骤5.1中得到的每一非边界像素点的梯度方向值进行离散化得到新的梯度方向值，选取以非边界像素点为中心的33窗口，对的值进行处理，计算公式如下：