在灰度图像中对人眼的识别

蒙鑫+杨凡+崔羽

摘 要 伴随网络技术、多媒体技术以及信息数字化处理的高新技术的快速普及和发展，计算机所能处理的信息媒体范围和处理速度都在不断提高。图像信息作为一种表现直观、内容丰富的媒体，在众多的图像编码标准中，图像处理在线识别标准和机器视觉在线识别标准在数字人眼识别领域得到了广泛应用。本文探讨了这人眼识别算法，并指出这算法各自的优势，通过设计实验对这算法进行比较，为人眼识别领域的发展前景做出展望。

【关键词】图像 人眼识别 图像处理 机器视觉

在数据大量流通的今天，在线识别所扮演的角色也日益重要。由于在线识别使数据量减少，进而使数据传输时间降低，让传输的效率更为重要。在传输带宽有限，扩充不易以及增加传输设备将提高成本的考虑下，在线识别提供了另外一种解决方法，为灰度人眼识别提供了参考。

1 国内研究现状

相對于其他特征，提取描述人眼美感的全局与局部几何特征，几何特征有其优势，一是可以精确独立。几何特征是通过人眼特征点计算得到的，而人眼特征点则是描述人眼轮廓与五官形状的重要的一系列点。二是鲁棒性好。人眼特征点能在不同的光照情况下、脸被部分遮挡的情况下被检测到。几何特征可分为三种形式：特征点坐标、特征点距离比例和特征点距离。

根据五官是否协调这个影响人眼眼睛水平的重要标准，研究人员多从脸部比例几何特征入手。脸部比例指的是脸部特征点距离之间的比例，其中最著名的是黄金分割法和三庭法；脸部特征点指的是脸部五官的位置坐标，如鼻尖，左眼中心、右眼中心、两嘴角等。在基于几何特征的人眼眼睛分析领域，不少研究者基于黄金比例、近古典规则及特征点距离等提出了影响人眼眼睛的多种不同的几何特征。Tommer等人以特征点距离作为几何特征；Hatice等人使用特征点距离与特征点距离比例作为几何特征；Fu等人使用距离分量、比例分量和离散值分量作为影响人眼眼睛的几何特征；Kendra等人使用特征矢量作为几何特征；Eisenthal等人使用特征点距离、比例和五官的长度与宽度作为几何特征。Miriam等人使用归一化的特征点坐标作为人眼眼睛的几何特征。

基于几何特征的方法也存在不足的地方：对人眼图像的研究不只是特征点距离比例与特征点距离的测量，还需做更细致的纹理研究，比如反映眼睛的皮肤的质感、皮肤颜色的均匀过渡、肌肉的起伏，表情、脸部装饰等。

2 对人眼识别的具体分类

从图像处理的角度出发，研究了图像中的面部识别，人眼定位，人眼灰度状态识别，基于已测人眼状态进行疲劳检测，对以下几个方面进行研究。

2.1 图像中的面部识别

首先通过摄像头获取一幅带人脸的图像，对图像进行处理，利用中值滤波的方法对获取的图像去噪，在对滤波后的图像灰度化，利用图像网络处理识别出人脸区域，图像网络处理识别人脸是一种常见的人脸识别方法是对人脸图像中的一些像素值进行分析得出图像中人脸区域。

2.2 人眼灰度状态识别

判断一个人是否处于疲劳状态，计算检测到的人眼的在横向和纵向上的实际所占像素值，计算眼睛的纵横比，这个比值对同一个人的睁眼或闭眼状态来说是相对固定的。但不同的人在这个值上都有一个共同点即眼睛闭合时值偏小（小于0.3），由此做出的判断适用于大多数的人。

2.3 疲劳的判断

由于摄像头获取的图像是一帧一帧获取的，对获取的图像的所有帧进行相同的处理之后，判断眼睛的开闭状态在所有的图像之中所占的百分比，与在眼睛疲劳情况下眼睛开闭状态的百分比进行比较判断是否处于疲劳状态。

3 对灰度图像的人眼识别

人眼的多姿态对人眼相似度计算具有一定的影响，两张属于同一个人的人眼图像由于姿态的影响可能会被判断为不同的人，因此本文采用人眼图像对齐技术来提升人眼相似度计算性能。人眼图像对齐采用的方法为先检测人眼的特征点，再根据人眼的特征点对图像进行仿射变化得到对齐后的人眼。人眼特征点检测是人眼图像处理领域中的一个重要研究方向，现有的人眼特征点检测方法大致可以分为基于优化的方法和基于回归的方法。

基于优化的方法主要有AAM和ASM方法，但是AAM和ASM只使用了人眼图像的局部信息，并没有考虑到人眼各个位置的相互关系，在人眼姿态与光照变化下效果不好。最近，人们提出了基于回归的人眼对齐算法，利用条件随机森林逐渐逼近人眼形状的方法。本文采用的是基于集成回归树的人眼特征点检测算法，检测出的人眼进行ERT人眼特征点检测算法的结果图，特征点一共包含83个坐标，坐标位于脸颊、嘴巴、鼻子、眼睛、眉毛处。人眼关键点检测需要事先检测出人眼区域，人眼区域的检测算法为Viola提出的算法。

4 结语

人眼的局部五官的特征会影响人眼相似性计算，本文使用了人眼图像多区域特征提取技术，提取多个人眼图像区域的灰度图像特征并串联在一起，达到冗余的效果。人眼图像区域分为局部区域与全局区域。所以，基于灰度图像特征与人眼相似度检索策略的眼睛分类性能，依赖于人眼相似度检索数据库中样本的质量，机器视觉在线图像处理的在线识别级别为最大，调整机器视觉的参数使得人眼识别比例，得到技术的解在线识别图像以及对应的解在线识别性能参数。

参考文献

[1]张兆礼等.现代图像处理技术[M].北京：人民邮电出版朴，2001，12-132.

[2]郑永果.图像增强方法的研究与实现[D]. 硕士，山东科技大学计算机软件与理论，2005.

[3]夏良正.数字图象处理[M]南京：东南大学出版社，1999，05-124

[4]安晓东，陈静.人眼识别方法综述 [J].电脑开发与应用，2006（12）：132-137.

[5]吴达军，李晔.几种无损人眼识别方法的比较与研究[OL]，2001.

[6]王升哲，马义德.基于图像处理和机器视觉的思考[OL].中国科技论文在线，2001-7.