[发明专利]一种基于三维眼球模型和Snakuscule的虹膜中心定位方法

说明书

一种基于三维眼球模型和Snakuscule的虹膜中心定位方法，包括以下步骤：1)使用人脸检测法检测到眼部重要特征点求得虹膜中心定位点；2)虹膜中心精确定位：2.1)通过上眼睑和下眼睑特征点判断眼睛状态进行分步计算；2.2)通过眼球和虹膜间的几何关系建立三维眼球模型从而得到与之相关的虹膜边界轮廓；2.3)改进了Snakuscule能量模型，建立一个固定半径的活动轮廓对虹膜边界迭代更新；2.4)考虑8个方向，结合2.2和2.3步骤求得最大能量值从而逐渐接近最终的虹膜边界，求得最终的虹膜中心。本发明能够在头部自由运动且不考虑光照的情况下保持高精度，并且速度能够满足实时虹膜中心定位的要求。

技术领域

本发明属于图像处理领域，是一种能够适应不同光照且在头部自由运动的情况下可以进行的虹膜中心检测定位方法。

背景技术

眼睛是人类重要的感觉器官，80％的外界信息都通过眼睛接收。随着科技的进步，眼睛除了能够接收信息外，在人脸对齐、视线估计、人机交互等方面也都发挥着重要作用。而虹膜中心作为眼睛最为显著的特征之一，精确的虹膜中心定位显得格外重要，尤其在视线估计方面，视线估计的准确性很大程度上取决于虹膜中心定位算法的准确性。现有的虹膜定位算法大致分为三类：基于特征的算法、基于模型的算法、以及融合特征和模型的混合方法。

基于模型的方法通常利用眼睛的整体外观亦或是面部外观，使用一组特征(眼部及其周围的几何特征)或者是一个拟合模型来估计虹膜中心的位置。Moriyama等人根据详细的虹膜位置、眼睑张开程度、眼睑形状对眼睛区域图像进行详细分析从而生成眼区域模板实现对眼睛的精确匹配。Kim等人提出了迭代虹膜圆检测方法，采用基于人眼形状和特征的人眼模型不断改变虹膜中心和调整虹膜半径，通过搜索策略细化虹膜中心点实现精确定位。凌滨等采用了一种基于形态学的虹膜定位方法，结合了Snake和GAC模型，利用能量函数进行曲线演化不断接近目标虹膜边界。刘帅等则针对传统虹膜定位算法进行了改进，提出基于分块搜索的虹膜定位方法，通过Hough圆检测法和卷积运算分别先对虹膜内圆和外圆进行粗定位，然后通过分块搜索进行精确定位，这种算法同样具有较好的鲁棒性。

基于特征的方法则通常使用眼睛的属性，如一些简单的局部属性来检测虹膜中心，如角、边、梯度等。这种方法不需要任何拟合模型，但是易受噪声点的干扰。Valenti和Gevers使用等光性，即连接等强度点的曲线来定位虹膜中心，通过图像亮度的平滑导数计算等光照线的密切圆中心从而让每个像素都为自己的中心投票，最终获得目标虹膜中心。然而，该方法的鲁棒性比较差，特征点少容易检测错误。Zhang等利用了虹膜轮廓在图像平面上呈现为椭圆形的事实，在人眼图像中提取虹膜的所有边缘，选择两条最长的垂直边缘进行椭圆拟合，最终得到虹膜中心。但是该方法具有较大的局限性，当眼睛转动到眼角位置时，很难提取靠近眼角的其中一条边，从而导致椭圆拟合的误差。Das等提出了一种基于图像梯度矢量场的虹膜中心检测方法，利用3D头部跟踪方法和人脸检测方法获取眼部特征点，得到粗定位虹膜中心，接着用图像梯度矢量场对虹膜中心进行准确跟踪获得精确虹膜中心点。

混合方法则通过融合特征和模型进行虹膜中心定位的方法。黄秋杰等提出了一种结合人脸标志、snakuscule、圆拟合和二值连通分量法的虹膜中心定位方法，通过提取人脸的眼部区域，用snakuscule法检测虹膜中心和内半径，通过提取虹膜边缘进行圆拟合确定最终的虹膜中心，并运用二值连通分量法对不合格图像进行改进提高精度。Baek等提出了一种根据眼球转动时虹膜呈现不同椭圆形状的事实来定位虹膜中心的方法，首先使用人类眼球的球形模型估计虹膜半径，其次将眼球旋转至二维平面获取一定数量的虹膜椭圆形状和相应的虹膜中心位置，将其归为数据库，最后将输入的眼睛图像的虹膜椭圆形状与数据库中的椭圆形状进行匹配求得目标虹膜中心。

发明内容