基于语义新型眼部特征的混合参数模型构建

刘祥楼+杨龙+孙悦

摘要： 以标准证件照片为研究对象构建了眉毛与眼睛混合一体化参数模型，针对眼睛、眉毛及眉眼共设定14项主特征参数，据此创建28位二进制语义编码。图像处理分为四步：首先，根据眼睛色度信息反映出的眼睛轮廓定位眉毛与虹膜，并针对眼部带状区域实现图像分割；其次，通过改进的Hough变换算法实现对眉毛和虹膜外边缘轮廓检测；然后，用投影方法提取眼部混合特征参数；最后，按特征参量实现语义编码。经1 000张证件照实验证明，图像特征的提取成功率为99%以上，系统对每幅图像自动处理时间小于1.75 s。

关键词： 眼部特征； 混合参数模型； 语义编码

中图分类号： TP 391.9文献标志码： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部语义特征[13]提取在如机器视觉、人脸识别、人机交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可变形模板法[8]、基于三庭五眼法、模板与投影相结合法、基于几何特征检测等。在基于可变形模板法[910]中眼睛的几何模板中需要对几何模型设置初始化参数，即便是在改进的可变形模板中也需要通过先验知识设置相应的初始化参数，虽能够实现对眼睛特征的提取，但计算复杂度较高、比较耗时。模板与投影相结合法是在图像搜索区域内将模板遍历搜索区域，根据相关匹配数值检测出眼睛特征值。基于几何特征的人脸检测方法是依据人脸当中依据五官的位置划分不同的区域，然后提取相应的特征。以上方法大多是对眼睛或眉毛[11]单独进行几何模型特征提取，没有把眉毛与眼睛作为一个整体系统进行建模。由于眉毛与眼睛在面部的几何位置，往往依据对眼部特征几何形状的视觉感知，把眉毛与眼睛放在一起进行描述，虽然描述清晰但是存在差异没有量化，譬如三角眼不同的人对其感觉会有所不同。因此需要用相应的现代技术手段对其用标准予以界定，用参照标准描述人眼特征显得尤为重要。1描述眼部特征的方法

1.1构建眼部特征混合参数模型传统文化对眼部特征的汉语语义描述往往就是针对眼睛的特点，用许多形象、简洁的汉语语义来描述眼睛的特征，譬如细长眼、眯缝眼、三角眉、八字眉等，细长眼就是眼睛的垂直方向距离占眼睛内外角点距离的比例，当比例比较小时表现出来的细长的视觉特性。因此结合现有的眼部特征提取的方法，依据传统文化对眼部特征的语义描述，采用眉毛与眼睛相结合构建新型描述眼部特征混合参数模型，模型如图1所示。在图1所示混合参数模型中主要阐述三个方面的语义主特征：第一，描述眼睛的主特征，譬如特征参数N1描述眼睛间距，N2描述两只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的语义特征，譬如特征参数N7描述眉毛的粗细程度，N8描述眉毛之间的距离；第三，描述眼睛与眉毛之间的语义特征，特征参数N11描述眉毛与眼睛之间的距离，N12与N13描述的是以眼睛为参照物，判断眉毛是内侧或者外侧型。 表征眼睛主特征参数如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征参数如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼与眉毛之间主特征参数：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光学仪器第36卷

第6期刘祥楼，等：基于语义新型眼部特征的混合参数模型构建

1.2提取描述眼部特征的混合参数混合参数模型的特征参数的提取主要原理：首先，依据眼睛的色度信息定位眼睛；其次，依据眉毛与眼睛的几何位置关系分割出眉毛；最后，采用投影法提取相应特征参数。眼睛特征的提取主要是利用肤色的聚类特征检测出彩色图像中人的脸部，然后根据眼睛的色度信息提取眼睛轮廓。眼睛特征提取系统主要分为四个环节，即图像获取、人脸定位、区域分割、特征提取。具体过程如下（1）肤色区域的中值分别用Cb（Y）和Cr（Y）表示，变换式为：Ci（Y）=A2实验仿真与结果分析仿真实验计算机配置为AMD Athlon X2台式机，2.81 GHz主频，2.0 GB内存，计算机运行系统为Windows XP Professional SP3。在MATLAB软件平台上，本文采用东北石油大学2011级研究生入学采集的1 000张照片作为实验样本，实验的流程结构框图如图2所示。在提取眼部混合参数模型特征参数时，以语义字段的形式进行编码，如表1所示。每个混合特征参数针对实验过程中采集的数据的均值划分出4段阈值，并对阈值分别编码为00、01、10、11，如表2所示。图3所示是实验过程中输出的图像，可以看到检测出来眼睛与眉毛的边缘信息。图3中眼睛、眉毛图像投影分别如图4和图5所示。通过投影可以测得眼睛、眉毛特征中的特征参数，如眼心距、眉毛间距离等。也可以测得眉毛、眼睛角点的坐标，通过坐标值可以计算不能直接用投影直接提取的特征参数。例如B1点与B3点之间连线的水平夹角，可以通过投影测得其坐标值，利用坐标值测得N9数值，当N9>0表示眉毛下倾，N9在0附近表示眉毛两侧角点水平，N9<0表示眉毛上扬。提取虹膜的图像如图6所示，虹膜外边缘的投影图像如图7所示，可以测得描述虹膜的特征参数。

参考文献：

[1]周晓彦.基于偏最小二乘回归的人脸身份和表情同步识别方法[J].中国图象图形学报，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱树先，张仁杰，郑刚.基于RBF神经网络的人脸识别[J].光学仪器，2008，30（2）：3133.

[5]李峰，曾超，徐向东.驾驶防瞌睡装置中人眼快速定位方法研究[J].光学仪器，2002，24（4/5）：7072.

[6]连华，林斌，汪林峰.虹膜图像采集系统的设计[J].光学仪器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜识别技术中的图像处理[J].光学仪器，2004，26（1）：4448.

[8]谭华春，章毓晋，李睿.基于角点特征的眼睛轮廓提取[J].中国图象图形学报，2007，12（7）：12251229.

[9]李文书，何芳芳，钱沄涛，等.基于Adaboost高斯过程分类的人脸表情识别[J].浙江大学学报，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人脸表情的实时分类[J].计算机辅助设计与图形学学报，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛识别方法研究[J].计算机工程与科学，2008，30（11）：2830.

摘要： 以标准证件照片为研究对象构建了眉毛与眼睛混合一体化参数模型，针对眼睛、眉毛及眉眼共设定14项主特征参数，据此创建28位二进制语义编码。图像处理分为四步：首先，根据眼睛色度信息反映出的眼睛轮廓定位眉毛与虹膜，并针对眼部带状区域实现图像分割；其次，通过改进的Hough变换算法实现对眉毛和虹膜外边缘轮廓检测；然后，用投影方法提取眼部混合特征参数；最后，按特征参量实现语义编码。经1 000张证件照实验证明，图像特征的提取成功率为99%以上，系统对每幅图像自动处理时间小于1.75 s。

关键词： 眼部特征； 混合参数模型； 语义编码

中图分类号： TP 391.9文献标志码： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部语义特征[13]提取在如机器视觉、人脸识别、人机交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可变形模板法[8]、基于三庭五眼法、模板与投影相结合法、基于几何特征检测等。在基于可变形模板法[910]中眼睛的几何模板中需要对几何模型设置初始化参数，即便是在改进的可变形模板中也需要通过先验知识设置相应的初始化参数，虽能够实现对眼睛特征的提取，但计算复杂度较高、比较耗时。模板与投影相结合法是在图像搜索区域内将模板遍历搜索区域，根据相关匹配数值检测出眼睛特征值。基于几何特征的人脸检测方法是依据人脸当中依据五官的位置划分不同的区域，然后提取相应的特征。以上方法大多是对眼睛或眉毛[11]单独进行几何模型特征提取，没有把眉毛与眼睛作为一个整体系统进行建模。由于眉毛与眼睛在面部的几何位置，往往依据对眼部特征几何形状的视觉感知，把眉毛与眼睛放在一起进行描述，虽然描述清晰但是存在差异没有量化，譬如三角眼不同的人对其感觉会有所不同。因此需要用相应的现代技术手段对其用标准予以界定，用参照标准描述人眼特征显得尤为重要。1描述眼部特征的方法

1.1构建眼部特征混合参数模型传统文化对眼部特征的汉语语义描述往往就是针对眼睛的特点，用许多形象、简洁的汉语语义来描述眼睛的特征，譬如细长眼、眯缝眼、三角眉、八字眉等，细长眼就是眼睛的垂直方向距离占眼睛内外角点距离的比例，当比例比较小时表现出来的细长的视觉特性。因此结合现有的眼部特征提取的方法，依据传统文化对眼部特征的语义描述，采用眉毛与眼睛相结合构建新型描述眼部特征混合参数模型，模型如图1所示。在图1所示混合参数模型中主要阐述三个方面的语义主特征：第一，描述眼睛的主特征，譬如特征参数N1描述眼睛间距，N2描述两只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的语义特征，譬如特征参数N7描述眉毛的粗细程度，N8描述眉毛之间的距离；第三，描述眼睛与眉毛之间的语义特征，特征参数N11描述眉毛与眼睛之间的距离，N12与N13描述的是以眼睛为参照物，判断眉毛是内侧或者外侧型。 表征眼睛主特征参数如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征参数如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼与眉毛之间主特征参数：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光学仪器第36卷

第6期刘祥楼，等：基于语义新型眼部特征的混合参数模型构建

1.2提取描述眼部特征的混合参数混合参数模型的特征参数的提取主要原理：首先，依据眼睛的色度信息定位眼睛；其次，依据眉毛与眼睛的几何位置关系分割出眉毛；最后，采用投影法提取相应特征参数。眼睛特征的提取主要是利用肤色的聚类特征检测出彩色图像中人的脸部，然后根据眼睛的色度信息提取眼睛轮廓。眼睛特征提取系统主要分为四个环节，即图像获取、人脸定位、区域分割、特征提取。具体过程如下（1）肤色区域的中值分别用Cb（Y）和Cr（Y）表示，变换式为：Ci（Y）=A2实验仿真与结果分析仿真实验计算机配置为AMD Athlon X2台式机，2.81 GHz主频，2.0 GB内存，计算机运行系统为Windows XP Professional SP3。在MATLAB软件平台上，本文采用东北石油大学2011级研究生入学采集的1 000张照片作为实验样本，实验的流程结构框图如图2所示。在提取眼部混合参数模型特征参数时，以语义字段的形式进行编码，如表1所示。每个混合特征参数针对实验过程中采集的数据的均值划分出4段阈值，并对阈值分别编码为00、01、10、11，如表2所示。图3所示是实验过程中输出的图像，可以看到检测出来眼睛与眉毛的边缘信息。图3中眼睛、眉毛图像投影分别如图4和图5所示。通过投影可以测得眼睛、眉毛特征中的特征参数，如眼心距、眉毛间距离等。也可以测得眉毛、眼睛角点的坐标，通过坐标值可以计算不能直接用投影直接提取的特征参数。例如B1点与B3点之间连线的水平夹角，可以通过投影测得其坐标值，利用坐标值测得N9数值，当N9>0表示眉毛下倾，N9在0附近表示眉毛两侧角点水平，N9<0表示眉毛上扬。提取虹膜的图像如图6所示，虹膜外边缘的投影图像如图7所示，可以测得描述虹膜的特征参数。

参考文献：

[1]周晓彦.基于偏最小二乘回归的人脸身份和表情同步识别方法[J].中国图象图形学报，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱树先，张仁杰，郑刚.基于RBF神经网络的人脸识别[J].光学仪器，2008，30（2）：3133.

[5]李峰，曾超，徐向东.驾驶防瞌睡装置中人眼快速定位方法研究[J].光学仪器，2002，24（4/5）：7072.

[6]连华，林斌，汪林峰.虹膜图像采集系统的设计[J].光学仪器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜识别技术中的图像处理[J].光学仪器，2004，26（1）：4448.

[8]谭华春，章毓晋，李睿.基于角点特征的眼睛轮廓提取[J].中国图象图形学报，2007，12（7）：12251229.

[9]李文书，何芳芳，钱沄涛，等.基于Adaboost高斯过程分类的人脸表情识别[J].浙江大学学报，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人脸表情的实时分类[J].计算机辅助设计与图形学学报，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛识别方法研究[J].计算机工程与科学，2008，30（11）：2830.

摘要： 以标准证件照片为研究对象构建了眉毛与眼睛混合一体化参数模型，针对眼睛、眉毛及眉眼共设定14项主特征参数，据此创建28位二进制语义编码。图像处理分为四步：首先，根据眼睛色度信息反映出的眼睛轮廓定位眉毛与虹膜，并针对眼部带状区域实现图像分割；其次，通过改进的Hough变换算法实现对眉毛和虹膜外边缘轮廓检测；然后，用投影方法提取眼部混合特征参数；最后，按特征参量实现语义编码。经1 000张证件照实验证明，图像特征的提取成功率为99%以上，系统对每幅图像自动处理时间小于1.75 s。

关键词： 眼部特征； 混合参数模型； 语义编码

中图分类号： TP 391.9文献标志码： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部语义特征[13]提取在如机器视觉、人脸识别、人机交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可变形模板法[8]、基于三庭五眼法、模板与投影相结合法、基于几何特征检测等。在基于可变形模板法[910]中眼睛的几何模板中需要对几何模型设置初始化参数，即便是在改进的可变形模板中也需要通过先验知识设置相应的初始化参数，虽能够实现对眼睛特征的提取，但计算复杂度较高、比较耗时。模板与投影相结合法是在图像搜索区域内将模板遍历搜索区域，根据相关匹配数值检测出眼睛特征值。基于几何特征的人脸检测方法是依据人脸当中依据五官的位置划分不同的区域，然后提取相应的特征。以上方法大多是对眼睛或眉毛[11]单独进行几何模型特征提取，没有把眉毛与眼睛作为一个整体系统进行建模。由于眉毛与眼睛在面部的几何位置，往往依据对眼部特征几何形状的视觉感知，把眉毛与眼睛放在一起进行描述，虽然描述清晰但是存在差异没有量化，譬如三角眼不同的人对其感觉会有所不同。因此需要用相应的现代技术手段对其用标准予以界定，用参照标准描述人眼特征显得尤为重要。1描述眼部特征的方法

1.1构建眼部特征混合参数模型传统文化对眼部特征的汉语语义描述往往就是针对眼睛的特点，用许多形象、简洁的汉语语义来描述眼睛的特征，譬如细长眼、眯缝眼、三角眉、八字眉等，细长眼就是眼睛的垂直方向距离占眼睛内外角点距离的比例，当比例比较小时表现出来的细长的视觉特性。因此结合现有的眼部特征提取的方法，依据传统文化对眼部特征的语义描述，采用眉毛与眼睛相结合构建新型描述眼部特征混合参数模型，模型如图1所示。在图1所示混合参数模型中主要阐述三个方面的语义主特征：第一，描述眼睛的主特征，譬如特征参数N1描述眼睛间距，N2描述两只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的语义特征，譬如特征参数N7描述眉毛的粗细程度，N8描述眉毛之间的距离；第三，描述眼睛与眉毛之间的语义特征，特征参数N11描述眉毛与眼睛之间的距离，N12与N13描述的是以眼睛为参照物，判断眉毛是内侧或者外侧型。 表征眼睛主特征参数如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征参数如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼与眉毛之间主特征参数：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光学仪器第36卷

第6期刘祥楼，等：基于语义新型眼部特征的混合参数模型构建

1.2提取描述眼部特征的混合参数混合参数模型的特征参数的提取主要原理：首先，依据眼睛的色度信息定位眼睛；其次，依据眉毛与眼睛的几何位置关系分割出眉毛；最后，采用投影法提取相应特征参数。眼睛特征的提取主要是利用肤色的聚类特征检测出彩色图像中人的脸部，然后根据眼睛的色度信息提取眼睛轮廓。眼睛特征提取系统主要分为四个环节，即图像获取、人脸定位、区域分割、特征提取。具体过程如下（1）肤色区域的中值分别用Cb（Y）和Cr（Y）表示，变换式为：Ci（Y）=A2实验仿真与结果分析仿真实验计算机配置为AMD Athlon X2台式机，2.81 GHz主频，2.0 GB内存，计算机运行系统为Windows XP Professional SP3。在MATLAB软件平台上，本文采用东北石油大学2011级研究生入学采集的1 000张照片作为实验样本，实验的流程结构框图如图2所示。在提取眼部混合参数模型特征参数时，以语义字段的形式进行编码，如表1所示。每个混合特征参数针对实验过程中采集的数据的均值划分出4段阈值，并对阈值分别编码为00、01、10、11，如表2所示。图3所示是实验过程中输出的图像，可以看到检测出来眼睛与眉毛的边缘信息。图3中眼睛、眉毛图像投影分别如图4和图5所示。通过投影可以测得眼睛、眉毛特征中的特征参数，如眼心距、眉毛间距离等。也可以测得眉毛、眼睛角点的坐标，通过坐标值可以计算不能直接用投影直接提取的特征参数。例如B1点与B3点之间连线的水平夹角，可以通过投影测得其坐标值，利用坐标值测得N9数值，当N9>0表示眉毛下倾，N9在0附近表示眉毛两侧角点水平，N9<0表示眉毛上扬。提取虹膜的图像如图6所示，虹膜外边缘的投影图像如图7所示，可以测得描述虹膜的特征参数。

参考文献：

[1]周晓彦.基于偏最小二乘回归的人脸身份和表情同步识别方法[J].中国图象图形学报，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱树先，张仁杰，郑刚.基于RBF神经网络的人脸识别[J].光学仪器，2008，30（2）：3133.

[5]李峰，曾超，徐向东.驾驶防瞌睡装置中人眼快速定位方法研究[J].光学仪器，2002，24（4/5）：7072.

[6]连华，林斌，汪林峰.虹膜图像采集系统的设计[J].光学仪器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜识别技术中的图像处理[J].光学仪器，2004，26（1）：4448.

[8]谭华春，章毓晋，李睿.基于角点特征的眼睛轮廓提取[J].中国图象图形学报，2007，12（7）：12251229.

[9]李文书，何芳芳，钱沄涛，等.基于Adaboost高斯过程分类的人脸表情识别[J].浙江大学学报，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人脸表情的实时分类[J].计算机辅助设计与图形学学报，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛识别方法研究[J].计算机工程与科学，2008，30（11）：2830.