[发明专利]基于主动光的人眼定位的方法

说明书

技术领域

本发明涉及人眼定位的方法，尤其是视频装置使用的基于主动光的人眼定位的方法。

背景技术

人眼定位的研究已经有很长的历史，最早的研究工作可以追溯到20世纪40年代，但真正有发展还是在最近20年。人眼定位的输入图像通常有3种情况：正面、侧面、斜面。1997年IBM的工作至今，大多数人眼定位研究工作的对象为正面或接近正面的人眼图像。

人眼定位是一项有着重要的理论研究价值和应用价值，极具挑战性的课题。人眼定位是指在一幅图像中检查是否含有人眼，如果有，则需要进一步确定人眼的位置及尺度，进而用一个多边形或圆形框标示出人眼的区域。它的潜在应用包括机器人视觉、视线鼠标、疲劳驾驶预警、残疾人自助、人机交互、人工智能等许多方面。

目前国内外用于人眼定位的方法层出不穷，概括起来大致有四种：基于知识的、基于特征的、模板匹配的或基于表象的人眼定位的方法。

基于知识的人眼定位方法是将人类有关典型的眼的知识编码成一些规则，利用这些规则进行人眼的定位。这些规则主要包括：轮廓规则，如人眼的轮廓可近似的被看成一个椭圆；器官排布规则，如正面人脸中人眼分布在上半个人脸中；对称性规则，如人的双眼具有对称性；运动规则，如眨眼动作可用于实现人眼与背景的分离。

基于特征的人眼定位方法是寻找一些关于人眼的不依赖于外在条件的属性或结构特征，并利用这些属性或结构特征进行人眼定位。首先通过大量样本学习的方法去寻找这些属性或结构特征，然后用这些属性或结构特征去定位人眼。

模板匹配的人眼定位方法是一种经典的模式识别方法，首先预定义或参数化一个标准的人眼模板，然后计算检测图像区域与标准模板的相关度，通过阈值判定是否为人眼。其中，人眼模板可以动态更新。

基于表象的人眼定位方法一般利用统计分析和机器学习来寻找人眼和非人眼图像的有关特性。学习而来的特性总结成分布模型或者判别函数，再利用这些分布模型或者判别函数来定位人眼。基于表象的人眼定位方法的理论基础是概率论，一般都要用到概率论与数理统计的知识。

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。

现有技术基于主动光的人眼定位。所谓主动光是指由红外或近红外光源发出的投射到被检测目标表面的光束。而在红外光照明下拍摄人的脸部图像时，当满足一定的条件时，人眼的瞳孔在画面中的表现是亮度明显高于瞳孔周围区域的，这种现象称作“亮瞳效应”。利用主动光下的亮瞳效应，通过不同图像之间的差分及图像滤波，可以得到人眼定位的候选区域，从而加速人眼定位的速度。

发明内容

本发明目的是：提出一种基于主动照射式的人眼定位方法。该方法采用主动光照射的方法，通过人脸定位与人眼定位，快速而有效的将人眼区域与图像中的其它区域区分，实现复杂背景下的单个或多个人眼的实时定位。其中，方法中用到的跟踪、模板匹配、相关计算以及滤波等算法有效的保证了人眼定位算法的精确性、稳定性和实时性。

本发明的技术解决方案如下：基于主动光的人眼定位方法，视频装置中利用主动光产生装置对人脸主动投射，设有图像摄取装置对亮瞳、暗瞳两场图像进行提取；利用主动光投射引发的亮瞳效应即通过两场图像的差分及图像滤波方法得到人眼定位的候选区域；后续采用人脸、人眼定位方法完成人眼定位。

根据人眼定位的候选区域，通过基于知识的、基于特征的、模板匹配的或基于表象的人脸定位的方法定位出人脸区域；根据人脸的几何特征，通过基于知识的、基于特征的、模板匹配的或基于表象的人眼定位的方法定位出人眼区域。

优化人眼定位的方法采用跟踪算法对定位出的人脸或人眼位置进行跟踪；或采用模板匹配与计算相关的方法提高人眼定位的性能；或采用滤波方法提高人脸或人眼定位的性能，可以选择上述三类方法中的若干种与基于主动光的人眼定位的基本方法组合使用。

在人脸定位阶段采用滤波算法提高人脸定位的精确性；在人脸或人眼定位阶段使用跟踪算法以加速后续帧图像人眼定位的速度；在人眼定位阶段使用模板匹配、相关计算的方法提高人眼定位的精确性和稳定性。

视频装置用于立体显示装置，可置于立体显示装置的某一位置。