基于VPF和改进的SUSAN的眼角和瞳孔的定位方法
专利汇可以提供基于VPF和改进的SUSAN的眼角和瞳孔的定位方法专利检索，专利查询，专利分析的服务。并且一种基于VPF和改进的SUSAN的瞳孔和眼 角 的 定位 方法，根据VPF的最大值定位出瞳孔的中心 位置 的横坐标，然后根据VPF一阶导数的最大值和最小值位置来确定瞳孔的左右边界，也就得到了准确的瞳孔中心位置的横坐标，瞳孔左右边界在横坐标方向的距离即为瞳孔的直径，从而得到瞳孔的半径，然后在瞳孔中心位置横坐标处用一个半径为瞳孔半径的圆从上到下进行模板匹配，因为瞳孔对应的灰度值比较小，得到瞳孔圆心；根据改进的SUSAN算子检测眼角的位置，瞳孔中心，瞳孔半径，眼角的位置都定位后也就完成了眼睛的定位。该 发明 提出了眼睛位置的定位方法，可以进一步应用于 人脸识别 ，性别识别，表情识别，年龄估计，眼球 姿态 估计等方面。，下面是基于VPF和改进的SUSAN的眼角和瞳孔的定位方法专利的具体信息内容。
1、一种基于VPF和改进的SUSAN的眼角和瞳孔的定位方法，其特征在于，根据 VPF的最大值定位出瞳孔的中心位置的横坐标，然后根据VPF一阶导数的最大值和最 小值位置来确定瞳孔的左右边界，得到瞳孔中心位置的横坐标，瞳孔左右边界在横坐 标方向的距离即为瞳孔的直径，得到瞳孔的半径，然后在瞳孔中心位置横坐标处用一 个半径为瞳孔半径的圆从上到下进行模板匹配，由于瞳孔对应的灰度值比较小，在模 板上下移动的过程中使模板内灰度平均值达到最小的位置就是瞳孔中心位置的纵坐 标，根据改进的SUSAN算子检测眼角的位置，瞳孔中心，瞳孔半径，眼角的位置都定 位后也就完成了眼睛的定位。
2、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法，其 特征是，包括如下步骤：
①眼睛区域的平滑处理，对眼睛区域运用中值滤波器进行平滑去噪，提高后续处 理的精度；
②计算平滑后的图像每一列VPF，定位瞳孔中心位置的横坐标；
③确定瞳孔圆心的横坐标、瞳孔圆心的纵坐标、瞳孔的直径，画出瞳孔圆；
④在眼睛区域上应用经过改进的SUSAN算子找到一些备选的眼角。
3、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法， 其特征是，所述的步骤②，是指：在瞳孔中心位置对应的这一列，瞳孔上面这一区域 为肤色，其对应的灰度值加大，处于中间这一段的瞳孔对应的灰度值较小，而瞳孔下 面也为肤色区域对应的灰度值较大，在所计算的整个VPF上找到最大值即为瞳孔的中 心位置的横坐标。
4、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法， 其特征是，所述的瞳孔圆心的横坐标，通过计算第二步中VPF的导数，在瞳孔左边界 的左侧这一列上象素的灰度值很接近，其方差比较小，而右侧这一列处于瞳孔位置上， 方差比较大，在瞳孔左边界位置方差有一个突变，由小变大，也就是其导数值比较大， 且为正，从瞳孔中心位置向左搜索，VPF导数的最大值所处位置即为瞳孔左边界的位 置；同理，从瞳孔中心位置向右搜索，VPF导数的最小值所处位置即为瞳孔右边界所 处位置。
5、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法， 其特征是，所述瞳孔圆心的纵坐标，寻找瞳孔圆心的纵坐标通过以下方法实现：在瞳 孔中心位置的横坐标处用一个直径为瞳孔直径的圆形模板从上往下移动，同时计算该 模板下的灰度平均值，由于瞳孔上的象素对应的灰度值非常小，当模板刚好覆盖在瞳 孔上时，其平均灰度值达到最小值，因此使模板内象素灰度平均值达到最小值的纵坐 标位置即为瞳孔圆心的纵坐标。
6、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法， 其特征是，所述的瞳孔的直径，由于瞳孔为一圆，瞳孔的左右边界位置都已找到，其 左右边界位置之间的距离即为瞳孔的直径。
7、根据权利要求1所述的基于VPF和改进的SUSAN的眼角和瞳孔的定位方法， 其特征是，所述的改进的SUSAN角检测算子，是指：运用相应的规则去除伪眼角点， 从而得到真正的眼角点，具体运行规则如下：
A.如果备选点在瞳孔左右边界之内的区域上，那么该眼角点为伪眼角点，应当 去除；
B.对于左眼角，其左边固定大小区域(肤色区域)的平均灰度值应该小于右边 固定大小区域(眼白区域)的平均灰度值，因此，对于眼睛图像，瞳孔左边界往左的 区域上不满足上述条件的角点都应当去除；同理，对于右眼角，其右边固定大小区域 (肤色区域)的平均灰度值应该小于其左边固定大小区域(眼白区域)的平均灰度值， 对于眼睛图像，瞳孔右边界往右区域上不满足上述条件的角点都应当去除；
C.如果在一个固定大小的区域内有多个角点，那么梯度值最小的角点应当去除， 因为一个真正的眼角点处于眼睛上下两个轮廓边缘的交界处，而该位置的的梯度值应 该非常大。
技术领域
本发明涉及一种应用于人脸识别，眼球姿态估计，表情识别的基于VPF(方差投 影函数)和改进的SUSAN(最小单值片段吸引核)的瞳孔和眼角的定位方法，涉及图 像处理领域。
背景技术
经对现有技术文献的检索发现，Rein-Lien Hsu等(Rein-Lien Hsu，Mohamed Abdel-Mottaleb，Anil K.Jain Face Detection In Color images IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL 24，NO.5. MAY 2002)曾通过大量样本的统计给出了眼睛区域在YCbCr颜色空间的各个分量的 分布，并根据这些分量的分布粗略地定位人眼的位置，但是对于不同的光照、人种以 及人脸的姿态，该方法还是不能给出正确的定位。
发明内容
本发明是通过以下技术方案实现的，本发明根据VPF的最大值定位出瞳孔的中心 位置的横坐标，然后根据VPF一阶导数的最大值和最小值位置来确定瞳孔的左右边 界，也就得到了准确的瞳孔中心位置的横坐标，瞳孔左右边界在横坐标方向的距离即 为瞳孔的直径，从而得到瞳孔的半径，然后在瞳孔中心位置横坐标处用一个半径为瞳 孔半径的圆从上到下进行模板匹配，因为瞳孔对应的灰度值比较小，因此在模板上下 移动的过程中使模板内灰度平均值达到最小的位置就是瞳孔中心位置的纵坐标，进而 得到瞳孔的中心位置(瞳孔圆心)；根据改进的SUSAN算子检测眼角的位置，瞳孔中 心，瞳孔半径，眼角的位置都定位后也就完成了眼睛的定位。
本发明包括如下步骤：
1.眼睛区域的平滑处理，对眼睛区域运用中值滤波器进行平滑去噪，提高后续处 理的精度；
2.计算平滑后的图像每一列VPF，定位瞳孔中心位置的横坐标；
在瞳孔中心位置对应的这一列，瞳孔上面这一区域为肤色，其对应的灰度值加大， 处于中间这一段的瞳孔对应的灰度值较小，而瞳孔下面也为肤色区域对应的灰度值较 大，在所计算的整个VPF上找到最大值即为瞳孔的中心位置的横坐标。
3.确定瞳孔圆心的横坐标、瞳孔圆心的纵坐标、瞳孔的直径，画出瞳孔圆；
所述的瞳孔圆心的横坐标，通过计算第二步中VPF的导数，在瞳孔左边界的左侧 这一列上象素的灰度值很接近，其方差比较小，而右侧这一列处于瞳孔位置上，方差 比较大，在瞳孔左边界位置方差有一个突变，由小变大，也就是其导数值比较大，且 为正，从瞳孔中心位置向左搜索，VPF导数的最大值所处位置即为瞳孔左边界的位置； 同理，从瞳孔中心位置向右搜索，VPF导数的最小值所处位置即为瞳孔右边界所处位 置。
所述瞳孔圆心的纵坐标，寻找瞳孔圆心的纵坐标通过以下方法实现：在瞳孔中心 位置的横坐标处用一个直径为瞳孔直径的圆形模板从上往下移动，同时计算该模板下 的灰度平均值，由于瞳孔上的象素对应的灰度值非常小，当模板刚好覆盖在瞳孔上时， 其平均灰度值达到最小值，因此使模板内象素灰度平均值达到最小值的纵坐标位置即 为瞳孔圆心的纵坐标，
所述的瞳孔的直径，由于瞳孔为一圆，瞳孔的左右边界位置都已找到，其左右边 界位置之间的距离即为瞳孔的直径。
4.在眼睛区域上应用经过改进的SUSAN算子找到一些备选的眼角；
所述的改进的SUSAN角检测算子，是指：运用相应的规则去除伪眼角点，从而得 到真正的眼角点，具体运行规则如下：
A.如果备选点在瞳孔左右边界之内的区域上，那么该眼角点为伪眼角点，应当 去除；
B.对于左眼角，其左边固定大小区域(肤色区域)的平均灰度值应该小于右边 固定大小区域(眼白区域)的平均灰度值，因此，对于眼睛图像，瞳孔左边界往左的 区域上不满足上述条件的角点都应当去除；同理，对于右眼角，其右边固定大小区域 (肤色区域)的平均灰度值应该小于其左边固定大小区域(眼白区域)的平均灰度值， 对于眼睛图像，瞳孔右边界往右区域上不满足上述条件的角点都应当去除；
C.如果在一个固定大小的区域内有多个角点，那么梯度值最小的角点应当去除， 因为一个真正的眼角点处于眼睛上下两个轮廓边缘的交界处，而该位置的的梯度值应 该非常大。
本发明的方法能够获得较高的准确率。由于运用了一列上每个象素的灰度值，同 时对它们进行了统计分析，找到变化量最大的位置即瞳孔中心位置，瞳孔左右边界位 置，同时对传统的SUSAN算子进行了相应的改进来检测眼睛，实验表明本发明提出的 瞳孔和眼角定位的方法优于现有的仅仅考虑到象素级信息的传统的瞳孔和眼角定位 的方法。在背景复杂，光照条件不太好的情况下本发明的方法得优势会更加明显。
附图说明
图1为眼睛区域图像和经过平滑滤波后的图像。
图2平滑滤波后的图像每一列的VPF。
图3根据VPF和VPF的导数找到的瞳孔的左右边界的位置。
图4画出的瞳孔圆和其圆心。
图5由改进的SUSAN算子找到的备选眼角点。
图6应用发明内容中讲述的第5步操作规则去除伪眼角点，得到真正的眼角点。
具体实施方式
实施例采用的眼睛图像拍摄的人脸图像库。整个发明实现过程如下：
1.眼睛区域图像的平滑处理，本发明中使用中值滤波器进行平滑去噪，通过这个 步骤可以进一步去除图像中的噪声，可以大大提高眼角和瞳孔定位的精度。原图像和 经过平滑处理的图像如图1所示。
2.计算平滑后的图像的每一列的VPF，也就是计算每一列的方差，如图2所示。
3.计算上一步骤中VPF的导数。如图3所示。同时画出瞳孔圆，如图4所示。
4.在眼睛区域上应用改进的SUSAN算子找到一些备选的眼角。实验结果如图5 所示。运用相应的规则去除伪眼角点从而得到真正的眼角点，如图6所示。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 人脸姿态估计方法、装置、终端及存储介质 | 2020-05-17 | 774 |
| 显示屏幕间夹角的确定方法、电子设备及存储介质 | 2020-05-12 | 328 |
| 分类采样方法、装置、系统、存储介质和计算机设备 | 2020-05-23 | 100 |
| 一种人脸实时跟踪方法、设备及计算机可读存储介质 | 2020-05-25 | 667 |
| 课堂行为检测方法及电子设备 | 2020-05-14 | 674 |
| 视频中音频聚类的处理方法和装置 | 2020-05-15 | 197 |
| 一种适用于多姿态下的驾驶人员接打电话行为检测方法 | 2020-05-23 | 533 |
| 一种基于多子空间嵌入的头部姿态估计方法 | 2020-05-26 | 290 |
| 一种基于深度学习多特征融合的驾驶员疲劳检测方法 | 2020-05-14 | 894 |
| 基于深度学习人脸姿态估计的疲劳检测方法 | 2020-05-25 | 771 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
