一种基于积分投影与边缘检测的快速人眼定位方法
专利汇可以提供一种基于积分投影与边缘检测的快速人眼定位方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于积分投影与 边缘检测 的快速人眼 定位 方法，它主要有以下几个步骤：第一步：对检测到的人脸图像进行转灰度，并利用 滤波器 对其平滑去噪；第二步：采用 水 平积分投影法获取人眼大概 位置 ；第三步：对第一步中的图像进行边缘提取，并将图像二值化；第四步：计算行、列复杂度，精确定位人眼位置；第五步：校正，得到最终人眼位置。该方法计算速度快，能够有效抑制人脸图像中的饰品对人眼定位的影响，具有快速稳定的优点。，下面是一种基于积分投影与边缘检测的快速人眼定位方法专利的具体信息内容。
1.一种基于积分投影与边缘检测的快速人眼定位方法，其特征在于按照以下步骤进行：
步骤1：初始化，读入一张采集到含有人脸的图像I1，
步骤2：利用Adaboost算法对采集到的数字图像I1进行人脸检测操作，获取到其中的人脸图像I2，
步骤3：对步骤2中获取得到的人脸图像I2进行预处理，方法如下：
步骤3.1：将获取得到的人脸图像I2转化为人脸图像I2的灰度图像，并将人脸图像I2的灰度图像规格化为W×H的图像I3，其中W、H均为正整数，分别表示人脸图像I2的灰度图像规格化为W×H的图像I3的行数和列数，
步骤3.2：利用高斯滤波器对W×H的图像I3进行平滑、去噪处理，具体方法如下：首先，平滑、去噪处理后的图像I4的各边界像素的灰度值分别为平滑、去噪处理前的W×H的图像I3的各边界像素的灰度值；其次，对于W×H的图像I3的非边界像素的灰度值，则以W×H的图像I3中的任意一个非边界像素为中心像素，选取3×3的高斯模板，得到所述中心像素的灰度值，即：
g4(x,y)＝{g3(x-1,y-1)+g3(x-1,y+1)+g3(x+1,y-1)+
g3(x+1,y+1)+[g3(x-1,y)+g3(x,y-1)+
g3(x+1,y)+g3(x,y+1)]×2+g3(x,y)×4}/16
式中，y代表行坐标，x代表列坐标，g3(x,y)为图像I3中(x,y)点的灰度值，g3(x-1,y-1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点左下角点的灰度值，g3(x-1,y+1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点左上角点的灰度值，g3(x+1,y-1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点右下角点的灰度值，g3(x+1,y+1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点右上角点的灰度值，g3(x-1,y)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点水平左方向点的灰度值，g3(x,y-1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点正下方点的灰度值，g3(x+1,y)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点水平右方向点的灰度值，g3(x,y+1)为图像I3中以(x,y)点为中心的3×3网格中位于(x,y)点正上方点的灰度值，g4(x,y)为经过高斯滤波后(x,y)点的灰度值，处理之后得到图像I4，其大小仍然为W×H，遍历W×H的图像I3中所有非边界像素，
步骤4：对图像I4进行水平积分投影，投影计算公式如下：
式中，l(r)表示第r行的水平积分投影结果，g4(s,r)为图像I4的(s,r)点处的灰度值，W为图像行数，H为图像列数，
从W行的水平积分投影结果中选取灰度值最小的水平积分投影结果，令水平积分投影计算公式l(r)取得最小值时的r所对应的行数为c，从图像I4中选取出垂直坐标范围为(c-δ,c+δ)区域，作为人眼可能存在的待检测区域，其中， 表示δ的值为H/12的向下取整值，δ为人眼可能存在的垂直坐标区间估计参数，
步骤5：对图像I4进行边缘提取，具体实现过程如下：
步骤5.1：首先，进行梯度计算后的梯度幅值矩阵对应图像I5的各个边界点的像素灰度值为进行梯度计算前的图像I4的边界点的像素灰度值，其次，对于图像I4中非边界像素点(i,j)，选取 Sx为水平方向边缘检测算子，Sy为垂直方向边
缘检测算子，计算非边界像素点(i,j)处的水平方向、垂直方向的一阶偏导数，以及非边界像素点(i,j)处的梯度幅值和梯度方向，计算公式如下：
P(i,j)＝[f(i,j+1)-f(i,j)+f(i+1,j+1)-f(i+1,j)]/2
Q(i,j)＝[f(i,j)-f(i+1,j)+f(i,j+1)-f(i+1,j+1)]/2
θ(i，j)＝arctan[Q(i，j)/P(i，j)]
式中f(i,j)代表图像I4中非边界像素点(i,j)的灰度值，i为图像I4中非边界点的水平坐标，j为图像I4中非边界点的垂直坐标，f(i+1,j)为图像I4中以非边界像素点(i,j)点为左上角元素的2×2的网格中位于网格左下角的像素点的灰度值，f(i,j+1)为图像I4中以非边界像素点(i,j)点为左上角元素的2×2的网格中位于网格右上角的像素点的灰度值，f(i+1,j+1)为图像I4中以非边界像素点(i,j)点为左上角元素的2×2的网格中位于网格右下角的像素点的灰度值，P(i,j)、Q(i,j)分别代表非边界像素点(i,j)处的水平方向、垂直方向的一阶偏导数，M(i,j)代表非边界像素点(i,j)的梯度幅值，θ(i,j)代表非边界像素点(i,j)的梯度方向，
步骤5.2：将步骤5.1中得到的θ(i,j)进行离散化得到新的梯度方向值θ'(i,j)，选取以非边界像素点(i,j)为中心的3×3窗口，对M(i,j)的值进行处理，计算公式如下：
式中，ω1和ω2分别代表以非边界像素点(i,j)为中心的3×3窗口中沿着θ'(i,j)方向的两个像素点的梯度幅值，M'(i,j)为经过上式处理之后的梯度幅值，以处理之后的梯度幅值M'(i,j)作为中心元素，图像I4的边界点像素灰度值作为边界元素构造矩阵，该矩阵对应产生图像I5，
步骤6：对步骤5.2中得到的图像I5进行二值化，具体方法如下：
步骤6.1：采用最大类间方差法确定阈值，确定阈值的过程如下：
统计图像I5中每个像素点的灰度值，将最高的灰度值作为最高灰度级m，m为整数，则图像灰度级范围由区间[0,m]中的每一个整数值构成，灰度级为t的像素个数设为Nt，则总的像素个数 各灰度值的概率为pt＝Nt/N，若用整数k(0≤k≤m)将灰度分为两组G1＝{0,1,...,k}、G2＝{k+1,...,m}，G1为灰度级小于等于k的灰度级组，G2为灰度级大于k小于等于m的灰度级组，利用如下公式计算两个灰度级组之间的方差：
式中， 为整体图像平均值， 为G1组的平均值， 为G1组
的概率，分别选取区间[0,m]中的每一个整数值作为k的取值，再分别计算每一个k值所对
2
应的方差值σ(k)，并从m+1个方差值中选出最大的方差值，再以最大的方差值所对应的k值作为阈值T,
步骤6.2：使用步骤6.1中得到的阈值T对图像I5进行二值化处理，图像I5中灰度值大于等于阈值T的像素将其灰度值设置为255，低于阈值T的像素灰度值设置为0，得到二值图像I6，
步骤7：精确确定人眼的水平位置与垂直位置，具体实现过程如下：
步骤7.1：针对二值图像I6，计算行、列复杂度函数，计算公式如下：
式中，fH(p)代表行复杂度函数，fL(q)代表列复杂度函数，I6(p,q)代表图像I6中位于(p,q)处的像素点的像素值，c，δ为步骤4中获得的人脸区域参数，
步骤7.2：采用均值滤波器，分别对行复杂度函数fH(p)、列复杂度函数fL(q)进行一维低通滤波得到新的行复杂度函数fH'(p)、新的列复杂度函数fL'(q)，通过计算寻找新的行复杂度函数fH'(p)的最大值点以及新的列复杂度函数fL'(q)的极大值点确定人眼位置坐标，经过计算得到函数fH'(p)的一个最大值点p1，函数fL'(q)的两个极大值点q1、q2，得到像素点(p1,q1)、像素点(p1,q2)，
步骤7.3：在步骤3.2中得到的新的图像I4中，分别选出步骤7.2得到的像素点(p1,q1)、像素点(p1,q2)的6×6邻域，该邻域中的灰度值最小的两个像素点设定为人眼中心，并将灰度值最小的两个像素点的位置坐标确定为双眼坐标(μ1,ν1)，(μ2,ν2)。
一种基于积分投影与边缘检测的快速人眼定位方法
技术领域
背景技术
发明内容
为图像 中以 点为中心的3 3网格中位于 点右下角点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点右上角点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点水平左方向点的灰度
值， 为图像 中以 点为中心的3 3网格中位于 点正下方点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点水平右方向点的灰度
值， 为图像 中以 点为中心的3 3网格中位于 点正上方点的灰度值，
为经过高斯滤波后 点的灰度值，处理之后得到图像 ，其大小仍然为W H，遍历W H的图像 中所有非边界像素，
位于网格右下角的像素点的灰度值， 、 分别代表非边界像素点 处的水平方向、垂直方向的一阶偏导数， 代表非边界像素点 的梯度幅值， 代表非边界像素点 的梯度方向，
组， 为灰度级大于 小于 的灰度级组，利用如下公式计算两个灰度级组之间的方差：
具体实施方式
为图像 中以 点为中心的3 3网格中位于 点右下角点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点右上角点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点水平左方向点的灰度
值， 为图像 中以 点为中心的3 3网格中位于 点正下方点的灰度值，
为图像 中以 点为中心的3 3网格中位于 点水平右方向点的灰度
值， 为图像 中以 点为中心的3 3网格中位于 点正上方点的灰度值，
为经过高斯滤波后 点的灰度值，处理之后得到图像 ，其大小仍然为W H，遍历W H的图像 中所有非边界像素，
位于网格右下角的像素点的灰度值， 、 分别代表非边界像素点 处的水平方向、垂直方向的一阶偏导数， 代表非边界像素点 的梯度幅值， 代表非边界像素点 的梯度方向，
组， 为灰度级大于 小于 的灰度级组，利用如下公式计算两个灰度级组之间的方差：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 图像处理装置、图像处理方法和成像装置 | 2021-02-21 | 0 |
| 无人货架视频审核系统及方法 | 2020-08-09 | 1 |
| 基于空间引导滤波的图像细节增强方法 | 2021-06-02 | 0 |
| 在刷新时最小化功耗的具有温度感测设备的半导体存储器 | 2022-01-10 | 1 |
| 一种基于机器视觉的直齿圆柱齿轮多参数评定方法 | 2020-07-03 | 1 |
| 一种深度图像的去噪方法、装置和电子设备 | 2020-07-16 | 0 |
| 一种实时医学视频图像去噪方法 | 2022-02-05 | 2 |
| 用于驱动电光显示器的方法 | 2021-03-05 | 2 |
| 电池凹版涂布纠偏装置 | 2020-09-16 | 1 |
| 열반응 용지의 화상정렬 인쇄방법 | 2022-08-21 | 0 |
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。
