[发明专利]人眼检测与定位方法

摘要

本发明涉及一种近实时效应的人眼检测与定位方法，首先利用Adaboost算法找到人脸区域，并在此基础上运用先验知识缩小眼睛的位置范围，分别将左右眼睛的位置估计出来；然后进行模板匹配，初步检测到人脸区域，并确定人眼的候选区域，通过计算人眼平均模板和待检测图像之间的相关系数，通过相关程度来最终确定该候选区域是否为人眼区域；当相关系数大于预先设定好的阈值判断该区域为人眼区域，框出此区域，否则便不是人眼的位置。本发明能提高人眼的正确检测率和定位率。

主权项

1.一种人眼检测与定位方法，首先利用Adaboost算法找到人脸区域，并在此基础上运用先验知识缩小眼睛的位置范围，分别将左右眼睛的位置估计出来；然后进行模板匹配，初步检测到人脸区域，并确定人眼的候选区域，通过计算人眼平均模板和待检测图像之间的相关系数，通过相关程度来最终确定该候选区域是否为人眼区域；当相关系数大于预先设定好的阈值时，判断该区域为人眼区域，框出此区域，否则便不是人眼的位置,过程如下：①用Haar特征的位置信息，对训练样本进行统计就可以得到对应的特征参数，一个弱分类器h_j(x)包括一个类Haar特征的特征值f_j，一个分类阈值θ_j和一个分类方向p_j；②利用Adaboost算法训练强分类器，训练流程如下：(1)给定一个训练集(x₁,y₁)(x₂,y₂)...(x_i,y_i)...(x_n,y_n)，x_i是输入的训练样本,y_i是分类的类别标志；其中x_i表示第i个样本，y_i＝0时为负样本,y_i＝1时为正样本，n为训练样本总数，在人眼检测中，0和1分别表示非人眼与人眼；(2)初始化权重：设D_t(i)为第t次循环中第i个样本的误差权重，对于负样本，p为负样本个数；对于正样本，q为正样本个数；(3)对于t＝1,2,3...T，进行迭代训练，选取当轮中的最佳弱分类器，迭代T次即代表选取T个最佳弱分类器；③通过Adaboost算法，得到弱分类器，以此训练得到强分类器，再利用强分类器进行人脸检测；④令找到的脸部框的上边缘中心为坐标原点，上边缘为x轴，纵向中心对称线为y轴，则可以将左眼镜像的位置缩小为脸部左半边自原点四分之一到二分之一的地方，同理，右眼镜像的位置缩小为脸部右半边自原点四分之一到二分之一的地方，初步确定人眼位置，称之为候选区域；⑤基于模板匹配的方法，在图像灰度层次上直接比较目标模板和候选区域之间的相似性，计算二者之间的相关系数，衡量T和S_ij之间的误差，公式为：其中，T(m,n)为模板，S_ij(m,n)为搜索图；⑥根据不同的匹配方向选取误差阈值E₀，当E(i,j)＞E₀时停止该点的计算，继续下一点的计算。