[发明专利]基于图像的人眼角检测的方法及系统

说明书

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于图像的人眼角检测的方法及系统。

背景技术

人脸关键点技术即定位人脸面部关键特征部位，比如眼睛、眼角、鼻子、嘴巴等。这些关键点富含了大量信息，可以为人脸识别、表情分析、人脸跟踪等研究工作提供相应的基础数据。作为关键点的眼角在各个方面都有涉及，比如用作人眼视线估计Gaze应用中，或者是用作人眼状态判断中眼睛区域提取的信息等。

经过对现有技术的文献检索发现，P.N.Belhumeur等人2011年在《IEEE Conference on Computer Vision and Pattern Recognition》(IEEE计算机视觉和模式识别会议)发表一篇名为Localizing parts of faces using a consensus of exemplars(使用范例的一致性确定脸上的部分)中，使用滑动窗提取人面部特征，在使用大量的人脸数据进行训练后，用训练好的模型预测人脸关键点的位置所在；Xudong Cao等人2012年在《IEEE Conference on Computer Vision and Pattern Recognition》(IEEE计算机视觉和模式识别会议)上发表的Face Alignment by Explicit Shape Regression(直接形状回归预测脸部特征点)中通过对矢量回归函数的学习，直接预测脸部特征点的位置。因为不需要使用搜索窗进行扫描，这种方法更加有效率。

也有一些学者以眼角为重点专门研究。Gil Santos等人在2011年于《International Joint Conference on Biometrics》(计算生物学国际联合会议)中发表了一篇名为A robust eye‐corner detection method for real‐world data(一种基于现实生活数据的鲁棒眼角检测方法)，在文章中，作者提取了虹膜、巩膜信息等，并在指定区域内提取眼角候选点，根据一系列特征挑选最为符合的眼角点。与其它方法与众不同的是，作者将内眼角点和外眼角点作为一组候选，而非一个点，这样可以加入内眼角与外眼角的生物学特征，为更加精准地判断眼角位置提供了帮助；Xu等人在2008年《Proceedings of the 19^th International Conference on Pattern Recognition》(第19届模式识别国际性会议)上发表了一篇名为Semantic feature extraction for accurate eye corner detection(精确眼角检测的语义特征提取)，文章中首先利用角点检测器选取眼角备选点，利用逻辑回归和语义特征分析这些候选点，所谓语义特征即基于字面上定义：由眼睑构成的角度特征。从备选点中最后检测出真正的眼角点。

尽管上述方法都可以检测到眼角的位置，但在人脸关键点检测中，因为还需定位脸上其它关键点的位置，眼角单独的信息常常会受到其它部分的限制，有时甚至会被其它关键点错误的检测所拖累；而现有的直接检测眼角位置的方法少之又少，仅有的方法通常无法应对于光线的变化、不同的人眼生物结构等。在一些特殊的情况下，人眼虹膜的移动也会使得检测失准。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于图像的人眼角检测的方法及系统，能够有效实现眼角检测。

本发明是通过以下技术方案实现的：

本发明涉及一种基于图像的人眼角检测的方法，包括：

第一步：利用主动的外貌特征模型(AAM)或主动形状模型(ASM)方法定位眼睛大致区域图和眼角区域图，并使用固定模板对眼睛大致区域图和眼角区域图像进行滤波；

所述的AAM方法引自Timothy F.Cootes等在1998年发表在《European Conference on Computer Vision》(欧洲计算机视觉会议)一篇名为Active Appearance Models(主动的外貌特征模型)一文。

所述的ASM方法引自Timothy F.Cootes等在1995年发表在《Computer Vision and Image Understanding》(计算机视觉及图像认知)一篇名为Active shape models:Their training and application.(主动形状模型：它们的训练以及应用)一文。