CN104050448B - 一种人眼定位、人眼区域定位方法及装置 - Google Patents
一种人眼定位、人眼区域定位方法及装置 Download PDFInfo
- Publication number
- CN104050448B CN104050448B CN201410258718.0A CN201410258718A CN104050448B CN 104050448 B CN104050448 B CN 104050448B CN 201410258718 A CN201410258718 A CN 201410258718A CN 104050448 B CN104050448 B CN 104050448B
- Authority
- CN
- China
- Prior art keywords
- region
- eye
- eyes
- subregion
- right eye
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种人眼定位方法及装置，用于解决现有技术中存在的无法对低分辨率下的人脸图像无法定位人眼的问题。本发明还提供了一种人眼区域定位方法及装置，用于解决现有技术中存在的在眼镜及眉毛的干扰下，人眼区域定位的鲁棒性较差的问题。该方法包括：确定人脸灰度图像的左眼区域和右眼区域；根据获取的左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，根据获取的右眼区域的水平灰度积分投影、垂直灰度积分投影，水平梯度积分投影和垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
Description
技术领域
本发明涉及数字图像处理及模式识别领域，尤其涉及一种人眼定位、人眼区域定位方法及装置。
背景技术
人脸检测和面部特征点定位是当前计算机视觉领域中最具挑战性的研究课题之一。人脸脸部特征的位置信息既可以在人脸检测中用于定位人脸、验证人脸检测结果，也可以在人脸识别中用于对齐人脸，或作为识别的依据之一。人眼作为人脸最显著的特征，与嘴、鼻子相比较，能够提供更为可靠的信息，因此人眼检测和瞳孔定位是人脸识别领域的重要组成部分。
从人脸图像中检测出人眼位置并精确定位瞳孔(也就是眼球中心)，是一个复杂的过程。由于受到光照，表情、遮挡等因素的影响，特别是在距离较远的情况下，人眼与眉毛具有很大的相似度，因此目前人眼检测与定位仍充满着很多挑战。目前人眼定位的主要方法有基于学习，基于模板匹配，基于特征的方法。目前用于检测及定位人眼的主流方法是：基于类哈尔(Haar)特征构建级联分类器。基于Haar特征构建级联分类器来检测及定位人眼的方法对于近距离、高分辨率的人眼图像具有很好的定位效果，但是对于低分辨率(50*50)的人眼图像则无法定位人眼位置。另外，在眼镜及眉毛的干扰下，人眼区域定位的鲁棒性较差。
发明内容
本发明提供一种人眼定位方法及装置，用于解决现有技术中存在的无法对低分辨率下的人脸图像无法定位人眼的问题。本发明还提供了一种人眼区域定位方法及装置，用于解决现有技术中存在的在眼镜及眉毛的干扰下，人眼区域定位的鲁棒性较差的问题。
本发明提供了一种人眼定位方法，该方法包括：
确定人脸灰度图像的左眼区域和右眼区域；
获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影；
根据左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，根据右眼区域的水平灰度积分投影、垂直灰度积分投影，水平梯度积分投影和垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
由于申请人在研究中发现，人眼部位的横向及纵向的梯度分布及横向纵向的灰度分布均具有一定的规律，该规律为：在人眼眼球位置的横向及纵向的梯度值相对于其它位置较大，横向及纵向的灰度值相对于其它位置较小。针对低分辨率下的人脸图像该规律同样存在。因此，利用本发明提供的方法，将水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影结合来确定眼球中心的位置，对于低分辨率的人脸图像中的人眼定位具有很好的效果。
基于与上述人眼定位方法的同样的发明构思，本发明还提供一种人眼定位装置，该装置包括：
第一确定单元，用于确定人脸灰度图像的左眼区域和右眼区域；
获取单元，用于获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影、垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影、垂直梯度积分投影；
第二确定单元，用于根据左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影、垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，根据右眼区域的水平灰度积分投影、垂直灰度积分投影，水平梯度积分投影、垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
由于申请人在研究中发现，人眼部位的横向及纵向的梯度分布及横向纵向的灰度分布均具有一定的规律，该规律为：在人眼眼球位置的横向及纵向的梯度值相对于其它位置较大，横向及纵向的灰度值相对于其它位置较小。针对低分辨率下的人脸图像该规律同样存在。因此，利用本发明提供的方法，将水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影结合来确定眼球中心的位置，对于低分辨率的人脸图像中的人眼定位具有很好的效果。
本发明还提供了一种人眼区域定位方法，该方法包括：
确定人脸灰度图像中的人眼候选区域；
在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，双眼模板是在对人眼样本图像提取主要特征后形成的。
利用上述方法利用提取主要特征后形成的模板进行匹配，该主要特征为人眼区域的主要特征，从而确定人眼区域，能够很好消除眼镜和眉毛的对人眼区域定位的干扰，定位的人眼区域效果更佳。
基于与上述人眼区域定位方法同样的发明构思，本发明还提供了一种人眼区域定位装置，该装置包括：
第一确定单元，用于确定人脸灰度图像中的人眼候选区域；
第二确定单元，用于在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，该双眼模板是在对人眼样本图像提取主要特征后形成的。
利用上述装置利用提取主要特征后形成的模板进行匹配，该主要特征为人眼区域的主要特征，从而确定人眼区域，能够很好消除眼镜和眉毛的对人眼区域定位的干扰，定位的人眼区域效果更佳。
附图说明
图1为本发明实施例提供的人眼定位方法流程图；
图2为本发明实施例提供的在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域的方法流程图；
图3为本发明实施例提供的训练形成特征眼空间及双眼模板方法流程图；
图4a为本发明实施例提供的直方图均衡化前的双眼图像示意图；
图4b为本发明实施例提供的双眼直方图均衡化图像示意图；
图4c为本发明实施例提供的左眼直方图均衡化图像示意图；
图4d为本发明实施例提供的右眼直方图均衡化图像示意图；
图4e为本发明实施例提供的融合后的双眼图像示意图；
图5a～5b本发明实施例提供的坐标系示意图；
图6为本发明实施例提供的窗口模板示意图；
图7为本发明实施例提供的另一种人眼定位方法流程图；
图8为本发明实施例提供的人眼定位装置示意图；
图9为本发明实施例提供的人眼区域定位方法流程图；
图10为本发明实施例提供的在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域的方法流程图；
图11为本发明实施例提供的训练形成特征眼空间及双眼模板方法流程图；
图12a为本发明实施例提供的直方图均衡化前的双眼图像示意图；
图12b为本发明实施例提供的双眼直方图均衡化图像示意图；
图12c为本发明实施例提供的左眼直方图均衡化图像示意图；
图12d为本发明实施例提供的右眼直方图均衡化图像示意图；
图12e为本发明实施例提供的融合后的双眼图像示意图；
图13a～13b本发明实施例提供的坐标系示意图；
图14为本发明实施例提供的人眼区域定位装置示意图。
具体实施方式
本发明实施例提供了一种人眼定位方法及装置，用于解决现有技术中存在的无法对低分辨率下的人脸图像无法定位人眼的问题。本发明实施例还提供了一种人眼区域定位方法及装置，用于解决现有技术中存在的在眼镜及眉毛的干扰下，人眼区域定位的鲁棒性较差的问题。
本发明实施例提供了一种人眼定位方法，如图1所示，该方法包括：
步骤101：确定人脸灰度图像的左眼区域和右眼区域。
步骤102：获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影。
其中，左眼区域或者右眼区域的水平灰度积分投影、垂直灰度积分投影是针对左眼区域或者右眼区域的灰度图像获取的，左眼区域或者右眼区域的水平梯度积分投影、垂直梯度积分投影是针对左眼区域或者右眼区域的梯度图像获取。
梯度图像是：针对灰度图像利用Sobel算子进行边缘滤波求取灰度图像的梯度后形成的。还可以对灰度图像求差分获取灰度图像的梯度形成梯度图像。
步骤103：根据左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，根据右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
由于申请人在研究中发现，人眼部位的横向及纵向的梯度分布及横向纵向的灰度分布均具有一定的规律，该规律为：在人眼眼球位置的横向及纵向的梯度值相对于其它位置较大，横向及纵向的灰度值相对于其它位置较小。针对低分辨率下的人脸图像该规律同样存在。因此，利用本发明提供的方法，将水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影结合来确定眼球中心的位置，对于低分辨率的人脸图像中的人眼定位具有很好的效果。
其中，水平灰度积分投影是指在针对灰度图像，在每列上的所有像素点的灰度值之和。可以利用如下公式获得：
HIP表示水平灰度积分投影值。
水平梯度积分投影是指在针对梯度图像，在每列上所有像素点的梯度值之和。可以利用如下公式获得：
HGIP表示水平积分投影值。
垂直灰度积分投影是指在针对灰度图像，在每行上所有像素点的灰度值之和。可以利用如下公式获得：
VIP表示垂直灰度积分投影值。
垂直梯度积分投影是指在针对梯度图像，在每行上所有像素点的梯度值之和。可以利用如下公式获得：
VGIP表示垂直梯度积分投影值。
其中：x表示像素点的行坐标，y表示像素点的列坐标，I(x,y)表示灰度图像中像素点(x，y)的灰度值，ID(x,y)表示梯度图像中像素点(x，y)的梯度值，灰度图像的分辨率为m*n。
较佳的，根据左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，包括：
根据如下公式1和公式2，确定左眼眼球中心在左眼区域的位置：
Xpeakl＝argmax(VGIPl/VIPl) 公式1
Ypeakl＝argmax(HGIPl/HIPl) 公式2
所述根据所述右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定右眼眼球中心在左眼区域中的位置，包括：
根据如下公式3和公式4，确定右眼眼球中心在右眼区域的位置：
Xpeakr＝argmax(VGIPr/VIPr) 公式3
Ypeakr＝argmax(HGIPr/HIPr) 公式4
其中，Xpeakl为左眼眼球中心在左眼区域的水平位置坐标，Ypeakl为左眼眼球中心在左眼区域的垂直位置坐标，Xpeakr为右眼眼球中心在右眼区域的水平位置坐标，Ypeakr为右眼眼球中心在右眼区域的垂直位置坐标，VGIPl为左眼区域的垂直梯度积分投影，VIPl为左眼区域的垂直灰度积分投影，HGIPl为左眼区域的水平梯度积分投影，HIPl为左眼区域的水平灰度积分投影，VGIPr为右眼区域的垂直梯度积分投影，VIPr为右眼区域的垂直灰度积分投影，HGIPr为右眼区域的水平梯度积分投影，HIPr为右眼区域的水平灰度积分投影，argmax为取极大值。
上述公式1和公式2可以称为灰度-梯度混合投影函数。
具体的以左眼眼球中心在左眼区域中的位置为例：
即垂直梯度投影与垂直灰度投影取得极大值的行坐标。
即水平梯度投影与水平灰度积分投影取得极大值的列坐标。
基于上述任意实施例，较佳的，确定待检测人脸灰度图像的左眼区域和右眼区域，包括：
确定所述人脸灰度图像中的人眼候选区域；
在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，所述双眼模板是在对人眼样本图像提取主要特征后形成的；
确定所述人眼区域的左眼区域和右眼区域。
上述确定人脸灰度图像中的人眼候选区域，具体可以根据人眼在人脸中的比例关系确定。例如设人脸图像的分辨率为M*N，也就行分辨率为M，列分辨率为N。则双眼候选区域的中心坐标为(M*0.16，N*0.26)，双眼候选区域的分辨率为(0.3*M)*(0.28*N)。当然也可以根据其它方法进行确定，具体本发明不做限定。
其中，对人眼样本图像提取主要特征的方法有主成分分析(PCA)，费舍尔(Fisher)线性判别分析等方法，此处不再一一列举。
较佳的，在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域，如图2所示，包括：
步骤201：在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置。
步骤202：在将第一次确定的最佳匹配区域设置为255后的人眼候选区域中(也就是经过步骤201后的人眼候选区域人眼候选区域)使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置。
步骤203：在将第一次和第二次确定的最佳匹配区域设置为255后的人眼候选区域中(也就是经过步骤202后的人眼候选区域)使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置。
步骤204：从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域。
上述对人眼候选区域中使用预先训练的模板库中的各个双眼模板进行三次搜索，能够很好的排除眉毛及眼镜框的干扰。由于眉毛区域与眼镜框区域的灰度值与双眼区域的灰度值相近，为排除干扰需要利用上述方法对人眼候选区域进行三次搜索，取三次确定的最佳匹配区域中在垂直方向上处于中间位置的最佳匹配区域作为确定的人眼区域。
其中，垂直方向为垂直于双眼连线的方向。
较佳的，在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼候选区域中的最佳匹配区域，包括但不仅限于以下两种方式：
第一种实现方式：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将每个子区域分别进行分区域直方图均衡化处理；
其中，对子区域进行分区域直方图均衡化处理具体为：
将子区域在水平方向平均分成左眼子区域和右眼子区域，将子区域进行直方图均衡化处理形成该子区域的直方图均衡化图像、将左眼子区域进行直方图均衡化处理形成左眼子区域的直方图均衡化图像、将右眼子区域进行直方图均衡化处理，形成右眼子区域的直方图均衡化图像，并将该子区域的直方图均衡化图像、其中的左眼子区域直方图均衡化图像及右眼子区域直方图均衡化图像进行融合，形成融合后的子区域；
将融合后(分区域直方图均衡化处理后)的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域(也就是经过融合后的每个子区域)与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域(该子区域也为融合后的子区域)作为最佳匹配区域。
第二种实现方式：
将人眼候选区域进行分区域直方图均衡化处理；
其中，将人眼候选区域进行分区域直方图均衡化处理为将人眼候选区域等分为左候选区域和右候选区域，将人眼候选区域进行直方图均衡化处理形成人眼候选区域的直方图均衡化图像，将左候选区域进行直方图均衡化处理形成左候选区域的直方图均衡化图像，将右候选区域进行直方图均衡化处理形成右候选区域的直方图均衡化图像，并将人眼候选区域的直方图均衡化图像、左候选区域的直方图均衡化图像及右候选区域的直方图均衡化图像进行融合，形成融合后的人眼候选区域；
将处理后的人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小，将归一化后的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域(也就是经过融合后的每个子区域)与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域(该子区域也为融合后的子区域)作为最佳匹配区域。例如：上述子区域包括有4个，模板库中的双眼模板包括10个，则针对每一个子区域与该10个双眼模板获取相似度，则获取有40个相似度，将40个相似度中最高的对应的子区域作为最佳匹配区域。
上述将图像(子区域或者人眼候选区域)进行分区域直方图均衡化处理后，可以很好的减小光照的影响。由于在图像获取时图像的各部分的光照不均匀，从而造成左眼区域和右眼区域的亮度不相同，通过分区域直方图均衡化处理后，可以使左眼和右眼的光照相对平衡，从而减少光照对形成的模板的影响。
其中，上述可以采用采用相似度准则获取相似度，具体相似度准则可以是欧氏距离，则欧氏距离越小，表示相似度越高。当然本发明实施例还可以采用其它相似度准则求取相似度，例如：马氏距离等等，本发明对此不作具体限定。
较佳的，上述将人眼候选区域或者子区域进行分区域直方图均衡化处理后，还包括对分区域直方图均衡化处理后的人眼候选区域或者子区域进行滤波。
上述可以采用双边滤波器进行滤波，双边滤波器在很好的消除噪声的同时，能够很好的保持图像的边缘信息。
较佳的，训练形成特征眼空间及双眼模板的实现方式(如图3所示)为：
步骤301：对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，双眼图像库由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的双眼图像构成。
其中，不同拍摄距离双眼样本图像可以是位于不同位置进行拍摄后的图像再提取双眼区域后的图像，也可以通过调节拍摄设备的焦距进行拍摄的图像再提取双眼区域后的图像。
步骤302：对双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像；
步骤303：对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像。
上述步骤302和步骤303可以统称为对双眼区域进行分区域直方图均衡化处理。
将图像进行步骤303处理后，可以很好的减小光照的影响。由于在图像获取时图像的各部分的光照不均匀，从而造成左眼区域和右眼区域的亮度不相同，通过上述步骤303的分区域直方图均衡化处理后，可以使左眼和右眼的光照相对平衡，从而减少光照对形成的模板的影响。
步骤304：将融合后形成的双眼图像进行滤波。
较佳的，可以采用双边滤波器进行滤波，双边滤波器在很好的消除噪声的同时，能够很好的保持图像的边缘信息。
步骤305：提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间。
步骤306：将融合后的双眼图像投影到特征眼空间，形成双眼模板。
例如：双眼图像库中包括L个双眼图像，每一个双眼图像可以转化为一个列向量Pi(i＝1,2,…,L)，其中，每一个融合后双眼图像可以转化为一个列向量Ui(i＝1,2,…,L)，所有的双眼图像统一为矩阵U＝[U1 T,U2 T,…,Un T]T，通过对该矩阵U提取主要特征后形成的矩阵X为特征眼空间。将融合后双眼图像Ui投影到特征眼空间，具体为通过公式Y＝XT*U进行投影，形成模板。
较佳的，对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像(如图4a～4e所示)进行融合，融合方式包括：
图4a为直方图均衡化前的双眼图像，图4b为双眼直方图均衡化图像，图4c为左眼直方图均衡化图像，图4d为右眼直方图均衡化图像，图4e为融合后的双眼图像。
将双眼直方图均衡化图像区域在水平方向上等分为4个子区域为：双眼左子区域1，双眼左中子区域2，双眼右中子区域3，双眼右子区域4；左眼直方图均衡化图像在水平方向上等分为2个子区域为左眼左子区域5，左眼右子区域6；右眼直方图均衡化图像在水平方向上等分为2个子区域为右眼左子区域7，右眼右子区域8；
将双眼左中子区域2、双眼右中子区域3、左眼左子区域5、左眼右子区域6、右眼左子区域7及右眼右子区域8进行融合形成融合后的双眼图像，如图4e所示；左眼左子区域5为融合后的双眼图像的双眼左子区域11，双眼左中子区域2与左眼右子区域6融合后形成融合后的双眼图像的双眼左中子区域12，双眼右中子区域3与右眼左子区域7融合后形成融合后的双眼图像的双眼右中子区域13，右眼右子区域8为融合后的双眼图像的双眼右子区域14。
以如图5a～图5b所示的坐标系为例：
假设wv为双眼直方图均衡图像在坐标(x,y)的像素值，lv为左眼直方图均衡化图像在坐标(x,y)的像素值，v为融合后的双眼图像在(x,y)处的像素值，w为双眼直方图均衡化图像的宽度，h为双眼直方图均衡化图像的高度x＜w,y＜h，f为中间变量。则双眼左中子区域与左眼右子区域进行融合的融合准则为：
f＝(x-w/4)/(w/4)
v＝(1-f)×lv+f×wv)
同理，双眼右中子区域与右眼左子区域进行融合的融合准则为：
f＝(x-w×2/4)/(w/4)
v＝(1-f)×wv+f×rv
其中，rv为右眼直方图均衡图像中像素点(x-midx,y)的灰度值，midx为双眼直方图均衡化图像中心位置的行坐标。
较佳的，上述获取人眼区域的左眼区域和右眼区域，具体可以根据二分法进行确定人眼区域中的左眼区域、右眼区域，其它可以将人眼区域划分为左眼区域，右眼区域的实现方式均适用于本发明，本发明在此不做具体限定。
较佳的，根据确定左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置之后，该方法还包括：
以所确定的左眼眼球中心在左眼区域中的位置为中心，在预定半径的区域内进行局部二值化处理，形成左眼二值化区域，以所确定的右眼眼球在右眼区域中的位置为中心，在一定半径的区域内进行局部二值化处理，形成右眼二值化区域；
采用窗口模板(如图6所示)遍历左眼二值化区域，该窗口模板为矩形，且在水平方向被等分为三个矩形子模板区域；
对该窗口模板遍历上述左眼二值化区域过程中每次移动对应的部分左眼二值化区域，确定部分左眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；
对上述窗口模板遍历上述右眼二值化区域过程中每次移动对应的部分右眼二值化区域，确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；上述将窗口模板每次以预定的步长移动在右眼二值化区域的位置称为部分右眼二值化区域(该部分右眼二值化区域与窗口模板大小相等)。上述确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；也就是，确定在部分右眼二值化区域中，窗口模板的黑色区域S1的像素点的灰度值之和与两侧白色区域S0+S2的像素点的灰度值之和的差值的最大值。
将左眼眼球中心在左眼区域中的位置校正为差值最大的部分左眼二值化区域的几何中心的位置；将右眼眼球中心在右眼区域中的位置校正为差值最大的部分右眼二值化区域的几何中心的位置。
具体可以利用如下公式确定眼球中心所在的位置，
C＝W0*s0+W1*s1+W2*s2的极大值。
Wi(i＝0,1,2)为不同区域的权值(这个权值是固定的)，其中W0＝-1，W1＝1，W2＝-1，si(i＝0,1,2)是矩形区域内像素值之和。
较佳的，上述局部二值化处理的方式为：
将预定半径的区域内灰度值按照大小排列，选取从最小开始的8％的像素点的灰度值设置为255，其它像素点设置为0。
针对局部二值化处理的方式本发明不做具体限定。
较佳的，在上述确定眼球中心所在的位置后，该方法还包括：
若左眼和右眼之间的偏转角小于预定值，或者左眼与右眼之间的水平距离大于人眼候选区域宽度的1/3，确定上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置不准确，否则确定上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置准确；
上述左眼和右眼之间的偏转角的确定方法为：
根据公式确定左眼和右眼之间的偏转角，其中，angle为左眼和右眼之间的偏转角，(LeftX，LeftY)左眼眼球中心在左眼区域中的位置，(RightX，RightY)右眼眼球中心在右眼区域中的位置坐标，a tan为反正切。
下面结合具体应用场景，对本发明实施例作具体说明。
假设从摄像头中抓拍一幅人物图像，需要对该人物图像进行人眼定位。具体采用如下方法，如图7所示，包括：
步骤701：采用Adaboost算法从该图像中检测并分割出人脸图像：具体还可以采用其它算法进行检测并分割人脸图像，本发明对此不作限定。
步骤702：对上述分割出的人脸图像进行预处理，包括：
将人脸图像转化为灰度图像，并将转化为灰度图像的人脸图像进行均值滤波及光照归一化处理。具体可以采用同态滤波的方法进行光照归一化处理。
步骤703：确定人眼候选区域。
具体可以根据人眼在人脸图像中所占的比例，确定人眼候选区域：
上述确定人脸灰度图像中的人眼候选区域，具体可以根据人眼在人脸中的比例关系确定。例如设人脸图像的分辨率为M*N，也就行分辨率为M，列分辨率为N。则双眼候选区域的中心坐标为(M*0.16，N*0.26)，双眼候选区域的分辨率为(0.3*M)*(0.28*N)。当然也可以根据其它方法进行确定，具体本发明不做限定。
步骤704：在人眼候选区域基于PCA的模板匹配方法确定人眼区域。
具体的，在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，该双眼模板是在人眼图像中根据PCA方法提取主成分(即，提取人眼图像中人眼特征中的主要特征)后形成的；其它可以用于提取主要特征的方法均适用于本发明。
在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域可以参照如图2所示的方式，在此不再赘述。
步骤705：获取人眼区域中的左眼区域和右眼区域。
其中，具体可以根据二分法进行确定人眼区域中的左眼区域、右眼区域，其它可以将人眼区域划分为左眼区域，右眼区域的实现方式均适用于本发明，本发明在此不做具体限定。
步骤706：获取左眼区域和右眼区域的梯度图像。
步骤707：获取左眼区域的灰度图像的水平灰度积分投影、垂直灰度积分投影，右眼区域的灰度图像的水平灰度积分投影、垂直灰度积分投影，左眼区域的梯度图像的水平梯度积分投影、垂直梯度积分投影，和右眼区域的梯度图像的水平梯度积分投影、垂直梯度积分投影。
步骤708：根据获取的左眼区域的灰度图像的水平灰度积分投影、垂直灰度积分投影，和左眼区域的梯度图像的水平梯度积分投影、垂直梯度积分投影，确定左眼眼球在左眼区域中的位置，根据右眼区域的灰度图像的水平灰度积分投影、垂直灰度积分投影，和右眼区域的梯度图像的水平梯度积分投影、垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
步骤709：在确定左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置后，采用寻找局部极值的方法对眼球中心进行精确定位与矫正。
具体的，采用寻找局部极值的方法对眼球中心进行精确定位与矫正的方法如下：
以所确定的左眼眼球中心在左眼区域中的位置为中心，在预定半径的区域内进行局部二值化处理，形成左眼二值化区域，以所确定的右眼眼球在右眼区域中的位置为中心，在一定半径的区域内进行局部二值化处理，形成右眼二值化区域；
局部二值化处理方法为：将预定半径的区域内灰度值按照大小排列，选取从最小开始的8％的像素点的灰度值设置为255，其它像素点设置为0。具体其它局部二值化处理的方法也适用本发明，本发明对此不作具体限定。
采用窗口模板(如图6所示)遍历左眼二值化区域，该窗口模板为矩形，且在水平方向被等分为三个矩形子模板区域；
对该窗口模板遍历上述左眼二值化区域过程中每次移动对应的部分左眼二值化区域，确定部分左眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；
对上述窗口模板遍历上述右眼二值化区域过程中每次移动对应的部分右眼二值化区域，确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；上述将窗口模板每次以预定的步长移动在右眼二值化区域的位置称为部分右眼二值化区域(该部分右眼二值化区域与窗口模板大小相等)。上述确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；也就是，确定在部分右眼二值化区域中，窗口模板的黑色区域S1的像素点的灰度值之和与两侧白色区域S0+S2的像素点的灰度值之和的差值的最大值。
将左眼眼球中心在左眼区域中的位置校正为差值最大的部分左眼二值化区域的几何中心的位置；将右眼眼球中心在右眼区域中的位置校正为差值最大的部分右眼二值化区域的几何中心的位置。
步骤710：判断确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置是否同时满足如下条件：
条件一：左眼和右眼之间的偏转角小于预定值；
条件二：左眼与右眼之间的水平距离大于人眼候选区域宽度的1/3；
若同时满足上述条件一和条件二，则定位成功，即，上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置准确，否则定位失败，即上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置不准确。
基于与上述方法实施例同样的发明构思，本发明还提供一种人眼定位装置，如图8所示，该装置包括：
第一确定单元801，用于确定人脸灰度图像的左眼区域和右眼区域；
获取单元802，用于获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影；
第二确定单元803，用于根据左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，确定左眼眼球中心在左眼区域中的位置，根据右眼区域的水平灰度积分投影、垂直灰度积分投影，水平梯度积分投影和垂直梯度积分投影，确定右眼眼球中心在右眼区域中的位置。
由于申请人在研究中发现，人眼部位的横向及纵向的梯度分布及横向纵向的灰度分布均具有一定的规律，该规律为：在人眼眼球位置的横向及纵向的梯度值相对于其它位置较大，横向及纵向的灰度值相对于其它位置较小。针对低分辨率下的人脸图像该规律同样存在。因此，利用本发明提供的方案，将水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影结合来确定眼球中心的位置，对于低分辨率的人脸图像中的人眼定位具有很好的效果。
较佳的，上述第二确定单元803，用于根据如下公式1和公式2，确定左眼眼球中心在左眼区域的位置：
Xpeakl＝argmax(VGIPl/VIPl) 公式1
Ypeakl＝argmax(HGIPl/HIPl) 公式2
根据如下公式3和公式4，确定右眼眼球中心在右眼区域的位置：
Xpeakr＝argmax(VGIPr/VIPr) 公式3
Ypeakr＝argmax(HGIPr/HIPr) 公式4
其中，Xpeakl为左眼眼球中心在左眼区域的水平位置坐标，Ypeakl为左眼眼球中心在左眼区域的垂直位置坐标，Xpeakr为右眼眼球中心在右眼区域的水平位置坐标，Ypeakr为右眼眼球中心在右眼区域的垂直位置坐标，VGIPl为左眼区域的垂直梯度积分投影，VIPl为左眼区域的垂直灰度积分投影，HGIPl为左眼区域的水平梯度积分投影，HIPl为左眼区域的水平灰度积分投影，VGIPr为右眼区域的垂直梯度积分投影，VIPr为右眼区域的垂直灰度积分投影，HGIPr为右眼区域的水平梯度积分投影，HIPr为右眼区域的水平灰度积分投影，argmax为取极大值。
基于上述任意装置实施例，较佳的，上述第一确定单元801，具体用于：
确定人脸灰度图像中的人眼候选区域；
在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，双眼模板是在对人眼样本图像提取主要特征后形成的；
确定人眼区域的左眼区域和右眼区域。
较佳的，第一确定单元801用于：
在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次确定的最佳匹配区域设置为255后的人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次和第二次确定的最佳匹配区域设置为255后的人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置；
从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域。
较佳的，上述第一确定单元801用于：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将每个子区域分别进行分区域直方图均衡化处理；
其中，对子区域进行直方图融合处理具体为：
将子区域在水平方向平均分成左眼子区域和右眼子区域，将子区域进行直方图均衡化处理形成该子区域的直方图均衡化图像、将左眼子区域进行直方图均衡化处理形成左眼子区域的直方图均衡化图像、将右眼子区域进行直方图均衡化处理，形成右眼子区域的直方图均衡化图像，并将该子区域的直方图均衡化图像、其中的左眼子区域直方图均衡化图像及右眼子区域直方图均衡化图像进行融合，形成融合后的子区域；
将融合处理后的每个子区域分别投影到预先训练形成的特征眼空间，人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
或者，第一确定单元801用于：
将人眼候选区域进行分区域直方图均衡化处理；
其中，上述人眼候选区域进行分区域直方图均衡化处理具体为：
将人眼候选区域等分为左候选区域和右候选区域，将人眼候选区域进行直方图均衡化处理形成人眼候选区域的直方图均衡化图像，将左候选区域进行直方图均衡化处理形成左候选区域的直方图均衡化图像，将右候选区域进行直方图均衡化处理形成右候选区域的直方图均衡化图像，并将人眼候选区域的直方图均衡化图像、左候选区域的直方图均衡化图像及右候选区域的直方图均衡化图像进行融合，形成融合后的人眼候选区域；
将融合后的人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小，将归一化后的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与所述模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
较佳的，还包括训练单元：
对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，双眼图像库是由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的；
对双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像；
对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像；
将融合后形成的双眼图像进行滤波；
提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间；
将融合后的双眼图像投影到特征眼空间，形成双眼模板。
较佳的，上述训练单元用于：
将双眼直方图均衡化图像区域在水平方向上等分为4个子区域为：双眼左子区域，双眼左中子区域，双眼右中子区域，双眼右子区域；左眼直方图均衡化图像在水平方向上等分为2个子区域为左眼左子区域，左眼右子区域；右眼直方图均衡化图像在水平方向上等分为2个子区域为右眼左子区域，右眼右子区域；
将双眼左中子区域、双眼右中子区域、左眼左子区域、左眼右子区域、右眼左子区域及右眼右子区域进行融合形成融合后的双眼图像；左眼左子区域为融合后的双眼图像的双眼左子区域，双眼左中子区域与左眼右子区域融合后形成融合后的双眼图像的双眼左中子区域，双眼右中子区域与右眼左子区域融合后形成融合后的双眼图像的双眼右中子区域，右眼右子区域为融合后的双眼图像的双眼右子区域。
较佳的，该装置还包括：
眼球中心校正单元，用于以所确定的左眼眼球中心在左眼区域中的位置为中心，在预定半径的区域内进行局部二值化处理，形成左眼二值化区域，以所确定的右眼眼球在右眼区域中的位置为中心，在一定半径的区域内进行局部二值化处理，形成右眼二值化区域；
采用窗口模板遍历左眼二值化区域，该窗口模板为矩形，且在水平方向被等分为三个矩形子模板区域；对上述窗口模板遍历上述左眼二值化区域过程中每次移动对应的部分左眼二值化区域，确定部分左眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；对上述窗口模板遍历上述右眼二值化区域过程中每次移动对应的部分右眼二值化区域，确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；
将左眼眼球中心在左眼区域中的位置校正为差值最大的部分左眼二值化区域的几何中心的位置；将右眼眼球中心在右眼区域中的位置校正为差值最大的部分右眼二值化区域的几何中心的位置。
较佳的，该装置还包括：
第三确定单元，用于根据公式确定左眼和右眼之间的偏转角，其中，angle为左眼和右眼之间的偏转角，(LeftX，LeftY)左眼眼球中心在左眼区域中的位置，(RightX，RightY)右眼眼球中心在右眼区域中的位置坐标，a tan为反正切；
若左眼和右眼之间的偏转角小于预定值，或者左眼与右眼之间的水平距离大于人眼候选区域宽度的1/3，第三确定单元确定上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置不准确，否则第三确定单元确定上述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置准确。
本发明还提供了一种人眼区域定位方法，如图9所示，该方法包括：
步骤901：确定人脸灰度图像中的人眼候选区域；
步骤902：在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，该双眼模板是在对人眼样本图像提取主要特征后形成的。
利用上述方法利用提取主要特征后形成的模板进行匹配，确定人眼区域，能够很好消除眼镜和眉毛的对人眼区域定位的干扰。
上述确定人脸灰度图像中的人眼候选区域，具体可以根据人眼在人脸中的比例关系确定。例如设人脸图像的分辨率为M*N，也就是行分辨率为M，列分辨率为N。则双眼候选区域的中心坐标为(M*0.16，N*0.26)，双眼候选区域的分辨率为(0.3*M)*(0.28*N)。当然也可以根据其它方法进行确定，具体本发明不做限定。
其中，对人眼样本图像提取主要特征的方法有主成分分析(PCA)、费舍尔(Fisher)线性判别等方法，此处不再一一列举。
其中采用主成分分析提取的为人眼样本图像的主成分(主要特征)。
较佳的，在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域，如图10所示，包括：
步骤1001：在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置。
步骤1002：在将第一次确定的最佳匹配区域设置为255后的人眼候选区域中(也就是经过步骤1001后的人眼候选区域人眼候选区域)使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置。
步骤1003：在将第一次和第二次确定的最佳匹配区域设置为255后的人眼候选区域中(也就是经过步骤1002后的人眼候选区域)使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置。
步骤1004：从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域。
上述对人眼候选区域中使用预先训练的模板库中的各个双眼模板进行三次搜索，能够更好的排除眉毛及眼镜框的干扰。由于眉毛区域与眼镜框区域的灰度值与双眼区域的灰度值相近，为排除干扰需要利用上述方法对人眼候选区域进行三次搜索，取三次确定的最佳匹配区域中在垂直方向上处于中间位置的最佳匹配区域作为确定的人眼区域。
其中，垂直方向为垂直于双眼连线的方向。
较佳的，在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼候选区域中的最佳匹配区域，包括但不仅限于以下两种方式：
第一种实现方式：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将每个子区域分别进行分区域直方图均衡化处理；
其中，对子区域进行分区域直方图均衡化处理具体为：
将子区域在水平方向平均分成左眼子区域和右眼子区域，将子区域进行直方图均衡化处理形成该子区域的直方图均衡化图像、将左眼子区域进行直方图均衡化处理形成左眼子区域的直方图均衡化图像、将右眼子区域进行直方图均衡化处理，形成右眼子区域的直方图均衡化图像，并将该子区域的直方图均衡化图像、其中的左眼子区域直方图均衡化图像及右眼子区域直方图均衡化图像进行融合，形成融合后的子区域；
将融合处理后(分区域直方图均衡化处理后)的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域(也就是融合后的每个子区域)与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域(该子区域为融合后的子区域)作为最佳匹配区域。
第二种实现方式：
将人眼候选区域进行分区域直方图均衡化处理；
其中，将人眼候选区域进行分区域直方图均衡化处理为：
将人眼候选区域等分为左候选区域和右候选区域，将人眼候选区域进行直方图均衡化处理形成人眼候选区域的直方图均衡化图像，将左候选区域进行直方图均衡化处理形成左候选区域的直方图均衡化图像，将右候选区域进行直方图均衡化处理形成右候选区域的直方图均衡化图像，并将人眼候选区域的直方图均衡化图像、左候选区域的直方图均衡化图像及右候选区域的直方图均衡化图像进行融合，形成融合后的人眼候选区域；
将融合后(分区域直方图均衡化处理后)的人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小，将归一化后的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域(也就是融合后的每个子区域)与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域(也是融合后的子区域)作为最佳匹配区域。
其中，上述可以采用采用相似度准则获取相似度，具体相似度准则可以是欧氏距离，则欧氏距离越小，表示相似度越高。当然本发明实施例还可以采用其它相似度准则求取相似度，例如：马氏距离等等，本发明对此不作具体限定。
上述将图像(子区域或者人眼候选区域)进行分区域直方图均衡化处理后，可以很好的减小光照的影响。由于在图像获取时图像的各部分的光照不均匀，从而造成左眼区域和右眼区域的亮度不相同，通过分区域直方图均衡化处理后，可以使左眼和右眼的光照相对平衡，从而减少光照对形成的模板的影响。
较佳的，上述将人眼候选区域或者子区域进行分区域直方图均衡化处理后，还包括对分区域直方图均衡化处理后的人眼候选区域或者子区域进行滤波。
上述可以采用双边滤波器进行滤波，双边滤波器在很好的消除噪声的同时，能够很好的保持图像的边缘信息。
较佳的，训练形成特征眼空间及双眼模板的实现方式(如图11所示)为：
步骤1101：对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，该双眼图像库由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的双眼图像构成。
其中，不同拍摄距离双眼样本图像可以是位于不同位置进行拍摄后的图像再提取双眼区域后的图像，也可以通过调节拍摄设备的焦距进行拍摄的图像再提取双眼区域后的图像。
步骤1102：对双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像。
步骤1103：对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像。
上述步骤1102和步骤1103可以统称为对双眼区域进行分区域直方图均衡化处理。
将图像进行步骤1103处理后，可以很好的减小光照的影响。由于在图像获取时图像的各部分的光照不均匀，从而造成左眼区域和右眼区域的亮度不相同，通过上述步骤1103的分区域直方图均衡化处理后，可以使左眼和右眼的光照相对平衡，从而减少光照对形成的模板的影响。
步骤1104：将融合后形成的双眼图像进行滤波。
较佳的，可以采用双边滤波器进行滤波，双边滤波器在很好的消除噪声的同时，能够很好的保持图像的边缘信息。
步骤1105：提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间。
步骤1106：将融合后的双眼图像投影到特征眼空间，形成双眼模板。
例如：双眼图像库中包括L个双眼图像，每一个双眼图像可以转化为一个列向量Pi(i＝1,2,…,L)，其中，每一个融合后双眼图像可以转化为一个列向量Ui(i＝1,2,…,L)，所有的双眼图像统一为矩阵U＝[U1 T,U2 T,…,Un T]T，通过对该矩阵U提取主要特征后形成的矩阵X为特征眼空间。将融合后双眼图像Ui投影到特征眼空间，具体为通过公式Y＝XT*U进行投影，形成模板。
较佳的，对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像(如图12a～12e所示)进行融合，融合方式包括：
图12a为直方图均衡化前的双眼图像，图12b为双眼直方图均衡化图像，图12c为左眼直方图均衡化图像，图12d为右眼直方图均衡化图像，图12e为融合后的双眼图像。
将双眼直方图均衡化图像区域在水平方向上等分为4个子区域为：双眼左子区域1，双眼左中子区域2，双眼右中子区域3，双眼右子区域4；左眼直方图均衡化图像在水平方向上等分为2个子区域为左眼左子区域5，左眼右子区域6；右眼直方图均衡化图像在水平方向上等分为2个子区域为右眼左子区域7，右眼右子区域8；
将双眼左中子区域2、双眼右中子区域3、左眼左子区域5、左眼右子区域6、右眼左子区域7及右眼右子区域8进行融合形成融合后的双眼图像，如图12e所示；左眼左子区域5为融合后的双眼图像的双眼左子区域11，双眼左中子区域2与左眼右子区域6融合后形成融合后的双眼图像的双眼左中子区域12，双眼右中子区域3与右眼左子区域7融合后形成融合后的双眼图像的双眼右中子区域13，右眼右子区域8为融合后的双眼图像的双眼右子区域14。
以如图13a～图13b所示的坐标系为例：
假设wv为双眼直方图均衡图像在坐标(x,y)的像素值，lv为左眼直方图均衡化图像在坐标(x,y)的像素值，v为融合后的双眼图像在(x,y)处的像素值，w为双眼直方图均衡化图像的宽度，h为双眼直方图均衡化图像的高度x＜w,y＜h，f为中间变量。则双眼左中子区域与左眼右子区域进行融合的融合准则为：
f＝(x-w/4)/(w/4)
v＝(1-f)×lv+f×wv)
同理，双眼右中子区域与右眼左子区域进行融合的融合准则为：
f＝(x-w×2/4)/(w/4)
v＝(1-f)×wv+f×rv
其中，rv为右眼直方图均衡图像中像素点(x-midx,y)的灰度值，midx为双眼直方图均衡化图像中心位置的行坐标。
较佳的，上述获取人眼区域的左眼区域和右眼区域，具体可以根据二分法进行获取人眼区域中的左眼区域、候选区域，其它可以人眼区域划分为左眼区域，右眼区域的实现方式均适用于本发明，本发明在此不做具体限定。
本发明还提供了一种人眼区域定位装置，如图14所示，该装置包括：
第一确定单元1401，用于确定人脸灰度图像中的人眼候选区域；
第二确定单元1402，用于在人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，双眼模板是在对人眼样本图像提取主要特征后形成的。
较佳的，第二确定单元1402用于：
在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次确定的最佳匹配区域设置为255后的人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次和第二次确定的最佳匹配区域设置为255后的人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置；
从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域。
较佳的，上述第二确定单元1402用于：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将每个子区域分别进行分区域直方图均衡化处理；
其中，对子区域进行分区域直方图均衡化处理具体为：
将子区域在水平方向平均分成左眼子区域和右眼子区域，将子区域进行直方图均衡化处理形成该子区域的直方图均衡化图像、将左眼子区域进行直方图均衡化处理形成左眼子区域的直方图均衡化图像、将右眼子区域进行直方图均衡化处理，形成右眼子区域的直方图均衡化图像，并将该子区域的直方图均衡化图像、其中的左眼子区域直方图均衡化图像及右眼子区域直方图均衡化图像进行融合，形成融合后的子区域；
将融合后(分区域直方图均衡化处理后)的每个子区域分别投影到预先训练形成的特征眼空间，人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与所述模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
或者，第二确定单元1402用于：
将人眼候选区域进行分区域直方图均衡化处理；
其中，将人眼候选区域进行分区域直方图均衡化处理为将人眼候选区域等分为左候选区域和右候选区域，将人眼候选区域进行直方图均衡化处理形成人眼候选区域的直方图均衡化图像，将左候选区域进行直方图均衡化处理形成左候选区域的直方图均衡化图像，将右候选区域进行直方图均衡化处理形成右候选区域的直方图均衡化图像，并将人眼候选区域的直方图均衡化图像、左候选区域的直方图均衡化图像及右候选区域的直方图均衡化图像进行融合，形成融合后的人眼候选区域；
将融合后(分区域直方图均衡化处理后)的人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小，将归一化后的每个子区域分别投影到预先训练形成的特征眼空间，上述人眼候选区域的每个子区域归一化后的像素大小与模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
较佳的，还包括训练单元：
对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，双眼图像库是由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的；
对双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像。
对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像；
将融合后形成的双眼图像进行滤波；
提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间；
将融合后的双眼图像投影到特征眼空间，形成双眼模板。
较佳的，上述训练单元用于：
将双眼直方图均衡化图像区域在水平方向上等分为4个子区域为：双眼左子区域，双眼左中子区域，双眼右中子区域，双眼右子区域；左眼直方图均衡化图像在水平方向上等分为2个子区域为左眼左子区域，左眼右子区域；右眼直方图均衡化图像在水平方向上等分为2个子区域为右眼左子区域，右眼右子区域；
将双眼左中子区域、双眼右中子区域、左眼左子区域、左眼右子区域、右眼左子区域及右眼右子区域进行融合形成融合后的双眼图像；左眼左子区域为融合后的双眼图像的双眼左子区域，双眼左中子区域与左眼右子区域融合后形成融合后的双眼图像的双眼左中子区域，双眼右中子区域与右眼左子区域融合后形成融合后的双眼图像的双眼右中子区域，右眼右子区域为融合后的双眼图像的双眼右子区域。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种人眼定位方法，其特征在于，包括：
确定人脸灰度图像的左眼区域和右眼区域；
获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影和垂直梯度积分投影；
根据如下公式1和公式2，确定左眼眼球中心在左眼区域的位置：
Xpeakl＝argmax(VGIPl/VIPl) 公式1
Ypeakl＝argmax(HGIPl/HIPl) 公式2
根据如下公式3和公式4，确定右眼眼球中心在右眼区域的位置：
Xpeakr＝argmax(VGIPr/VIPr) 公式3
Ypeakr＝argmax(HGIPr/HIPr) 公式4
其中，Xpeakl为左眼眼球中心在左眼区域的水平位置坐标，Ypeakl为左眼眼球中心在左眼区域的垂直位置坐标，Xpeakr为右眼眼球中心在右眼区域的水平位置坐标，Ypeakr为右眼眼球中心在右眼区域的垂直位置坐标，VGIPl为左眼区域的垂直梯度积分投影，VIPl为左眼区域的垂直灰度积分投影，HGIPl为左眼区域的水平梯度积分投影，HIPl为左眼区域的水平灰度积分投影，VGIPr为右眼区域的垂直梯度积分投影，VIPr为右眼区域的垂直灰度积分投影，HGIPr为右眼区域的水平梯度积分投影，HIPr为右眼区域的水平灰度积分投影，argmax为取极大值。
2.如权利要求1所述的方法，其特征在于，所述确定人脸灰度图像的左眼区域和右眼区域，包括：
确定所述人脸灰度图像中的人眼候选区域；
在所述人眼候选区域中使用预先训练的模板库中各个双眼模板进行匹配，确定人眼区域，所述双眼模板是在对人眼样本图像提取主要特征后形成的；
确定所述人眼区域的左眼区域和右眼区域。
3.如权利要求2所述的方法，其特征在于，所述在所述人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼区域，包括：
在所述人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次和第二次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置；
从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域。
4.如权利要求3所述的方法，其特征在于，所述在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼候选区域中的最佳匹配区域，包括：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将各个子区域分别在水平方向上平均分成左眼子区域和右眼子区域；
将各个子区域进行直方图均衡化处理，分别形成各个子区域的直方图均衡化图像，将各个左眼子区域进行直方图均衡化处理，分别形成各个左眼子区域的直方图均衡化图像，将各个右眼子区域进行直方图均衡化处理，分别形成各个右眼子区域的直方图均衡化图像；针对每个子区域，将该子区域的直方图均衡化图像、其中的左眼子区域的直方图均衡化图像和右眼子区域的直方图均衡化图像进行融合，形成融合后的子区域；
将融合后的每个子区域分别投影到预先训练形成的特征眼空间，所述人眼候选区域的每个子区域归一化后的像素大小与所述模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与所述模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
5.如权利要求4所述的方法，其特征在于，形成特征眼空间及双眼模板的实现方式为：
对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，所述双眼图像库由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的双眼图像构成；
对所述双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对所述左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对所述右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像；
对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像；
将融合后形成的双眼图像进行滤波；
提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间；
将所述融合后的双眼图像投影到所述特征眼空间，形成双眼模板。
6.如权利要求5所述的方法，其特征在于，所述对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合，包括：
将所述双眼直方图均衡化图像区域在水平方向上等分为4个子区域为：双眼左子区域，双眼左中子区域，双眼右中子区域，双眼右子区域；所述左眼直方图均衡化图像在水平方向上等分为2个子区域为左眼左子区域，左眼右子区域；所述右眼直方图均衡化图像在水平方向上等分为2个子区域为右眼左子区域，右眼右子区域；
将所述双眼左中子区域、双眼右中子区域、左眼左子区域、左眼右子区域、右眼左子区域及右眼右子区域进行融合形成融合后的双眼图像；所述左眼左子区域为所述融合后的双眼图像的双眼左子区域，所述双眼左中子区域与左眼右子区域融合后形成融合后的双眼图像的双眼左中子区域，所述双眼右中子区域与右眼左子区域融合后形成融合后的双眼图像的双眼右中子区域，所述右眼右子区域为所述融合后的双眼图像的双眼右子区域。
7.如权利要求1所述的方法，其特征在于，确定左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置之后，所述方法还包括：
以所确定的左眼眼球中心在左眼区域中的位置为中心，在预定半径的区域内进行局部二值化处理，形成左眼二值化区域，以所确定的右眼眼球在右眼区域中的位置为中心，在一定半径的区域内进行局部二值化处理，形成右眼二值化区域；
采用窗口模板遍历左眼二值化区域，所述窗口模板为矩形，且在水平方向被等分为三个矩形子模板区域；对所述窗口模板遍历所述左眼二值化区域过程中每次移动对应的部分左眼二值化区域，确定部分左眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；对所述窗口模板遍历所述右眼二值化区域过程中每次移动对应的部分右眼二值化区域，确定部分右眼二值化区域中对应于中间的矩形子模板区域的像素值之和与对应于两侧矩形子模板区域的像素值之和的差值；
将左眼眼球中心在左眼区域中的位置校正为差值最大的部分左眼二值化区域的几何中心的位置；将右眼眼球中心在右眼区域中的位置校正为差值最大的部分右眼二值化区域的几何中心的位置。
8.如权利要求7所述的方法，其特征在于，所述方法还包括：
若左眼和右眼之间的偏转角小于预定值，或者左眼与右眼之间的水平距离大于人眼候选区域宽度的1/3，确定所述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置不准确，否则确定所述确定的左眼眼球中心在左眼区域中的位置及右眼眼球中心在右眼区域中的位置准确；
所述左眼和右眼之间的偏转角的确定方法为：
根据公式确定左眼和右眼之间的偏转角，其中，angle为左眼和右眼之间的偏转角，(LeftX，LeftY)左眼眼球中心在左眼区域中的位置，(RightX，RightY)右眼眼球中心在右眼区域中的位置坐标，atan为反正切。
9.一种人眼定位装置，其特征在于，包括：
第一确定单元，用于确定人脸灰度图像的左眼区域和右眼区域；
获取单元，用于获取左眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影、垂直梯度积分投影，右眼区域的水平灰度积分投影、垂直灰度积分投影、水平梯度积分投影、垂直梯度积分投影；
第二确定单元，用于根据如下公式1和公式2，确定左眼眼球中心在左眼区域的位置：
Xpeakl＝argmax(VGIPl/VIPl) 公式1
Ypeakl＝argmax(HGIPl/HIPl) 公式2
还用于根据如下公式3和公式4，确定右眼眼球中心在右眼区域的位置：
Xpeakr＝argmax(VGIPr/VIPr) 公式3
Ypeakr＝argmax(HGIPr/HIPr) 公式4
其中，Xpeakl为左眼眼球中心在左眼区域的水平位置坐标，Ypeakl为左眼眼球中心在左眼区域的垂直位置坐标，Xpeakr为右眼眼球中心在右眼区域的水平位置坐标，Ypeakr为右眼眼球中心在右眼区域的垂直位置坐标，VGIPl为左眼区域的垂直梯度积分投影，VIPl为左眼区域的垂直灰度积分投影，HGIPl为左眼区域的水平梯度积分投影，HIPl为左眼区域的水平灰度积分投影，VGIPr为右眼区域的垂直梯度积分投影，VIPr为右眼区域的垂直灰度积分投影，HGIPr为右眼区域的水平梯度积分投影，HIPr为右眼区域的水平灰度积分投影，argmax为取极大值。
10.一种人眼区域定位方法，其特征在于，包括：
确定人脸灰度图像中的人眼候选区域；
在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次和第二次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置；
从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域，所述双眼模板是在对人眼样本图像提取主要特征后形成的。
11.如权利要求10所述的方法，其特征在于，
在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，确定人眼候选区域中的最佳匹配区域，包括：
将人眼候选区域在垂直方向上等分为4个子区域，将每个子区域归一化为预定的像素大小；
将各个子区域分别在水平方向上平均分成左眼子区域和右眼子区域；
将各个子区域进行直方图均衡化处理，分别形成各个子区域的直方图均衡化图像，将各个左眼子区域进行直方图均衡化处理，分别形成各个左眼子区域的直方图均衡化图像，将各个右眼子区域进行直方图均衡化处理，分别形成各个右眼子区域的直方图均衡化图像；针对每个子区域，将该子区域的直方图均衡化图像、其中的左眼子区域的直方图均衡化图像和右眼子区域的直方图均衡化图像进行融合，形成融合后的子区域；
将融合后的每个子区域分别投影到预先训练形成的特征眼空间，所述人眼候选区域的每个子区域归一化后的像素大小与所述模板库中的双眼模板的像素大小相同；
确定投影到特征眼空间的每一个子区域与预先训练形成的模板库中的所有双眼模板之间的相似度；
将与所述模板库中的所有双眼模板之间的相似度最高的子区域作为最佳匹配区域。
12.如权利要求11所述的方法，其特征在于，形成特征眼空间及双眼模板的实现方式为：
对双眼图像库中的双眼图像平均分成左眼图像和右眼图像，所述双眼图像库由不同拍摄距离的双眼样本图像归一化到同一像素大小后形成的双眼图像构成；
对所述双眼图像进行直方图均衡化处理形成双眼直方图均衡化图像，对所述左眼图像进行直方图均衡化处理形成左眼直方图均衡化图像，对所述右眼图像进行直方图均衡化处理形成右眼直方图均衡化图像；
对双眼直方图均衡化图像、左眼直方图均衡化图像、右眼直方图均衡化图像进行融合形成融合后的双眼图像；
将融合后形成的双眼图像进行滤波；
提取滤波后的双眼图像中的人眼主要特征，形成特征眼空间；
将所述融合后的双眼图像投影到所述特征眼空间，形成双眼模板。
13.一种人眼区域定位装置，其特征在于，包括：
第一确定单元，用于确定人脸灰度图像中的人眼候选区域；
第二确定单元，用于在人眼候选区域中使用预先训练的模板库中的各个双眼模板进行匹配，第一次确定最佳匹配区域，将第一次确定的最佳匹配区域的灰度值设置为255，并记录第一次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第二次确定最佳匹配区域，将第二次确定的最佳匹配区域的灰度值设置为255，并记录第二次确定的最佳匹配区域在人眼候选区域中的位置；
在将第一次和第二次确定的最佳匹配区域的灰度值设置为255后的人眼候选区域中，使用预先训练的模板库中的各个双眼模板进行匹配，第三次确定最佳匹配区域，记录第三次确定的最佳匹配区域在人眼候选区域中的位置；
从三次确定的最佳匹配区域中选择在垂直方向上处于中间位置的最佳匹配区域作为人眼区域，所述双眼模板是在对人眼样本图像提取主要特征后形成的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410258718.0A CN104050448B (zh) | 2014-06-11 | 2014-06-11 | 一种人眼定位、人眼区域定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410258718.0A CN104050448B (zh) | 2014-06-11 | 2014-06-11 | 一种人眼定位、人眼区域定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104050448A CN104050448A (zh) | 2014-09-17 |
| CN104050448B true CN104050448B (zh) | 2017-10-17 |
Family
ID=51503261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410258718.0A Active CN104050448B (zh) | 2014-06-11 | 2014-06-11 | 一种人眼定位、人眼区域定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104050448B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809458B (zh) * | 2014-12-29 | 2018-09-28 | 华为技术有限公司 | 一种瞳孔中心定位方法及装置 |
| CN104573660A (zh) * | 2015-01-13 | 2015-04-29 | 青岛大学 | 一种利用sift点描述子精确定位人眼的方法 |
| CN104951265B (zh) * | 2015-06-05 | 2019-11-29 | 惠州Tcl移动通信有限公司 | 一种智能终端及其字符串定位方法 |
| CN105930762A (zh) | 2015-12-02 | 2016-09-07 | 中国银联股份有限公司 | 一种眼球跟踪的方法及装置 |
| CN105740848B (zh) * | 2016-03-02 | 2019-05-17 | 武汉虹识技术有限公司 | 一种基于可信度的快速人眼定位方法 |
| CN106127160A (zh) * | 2016-06-28 | 2016-11-16 | 上海安威士科技股份有限公司 | 一种用于虹膜识别的人眼快速定位方法 |
| CN106503644B (zh) * | 2016-10-19 | 2019-05-28 | 西安理工大学 | 基于边缘投影及颜色特征的眼镜属性检测方法 |
| CN106529496B (zh) * | 2016-11-24 | 2019-04-12 | 广西大学 | 一种机车乘务员实时视频疲劳检测的方法 |
| CN111860423B (zh) * | 2020-07-30 | 2024-04-30 | 江南大学 | 一种改进的积分投影法的人眼定位方法 |
| CN113011393B (zh) * | 2021-04-25 | 2022-06-03 | 中国民用航空飞行学院 | 基于改进混合投影函数的人眼定位方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0984386A2 (en) * | 1998-09-05 | 2000-03-08 | Sharp Kabushiki Kaisha | Method of and apparatus for detecting a human face and observer tracking display |
| CN101059836A (zh) * | 2007-06-01 | 2007-10-24 | 华南理工大学 | 一种人眼定位及人眼状态识别方法 |
| CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
-
2014
- 2014-06-11 CN CN201410258718.0A patent/CN104050448B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0984386A2 (en) * | 1998-09-05 | 2000-03-08 | Sharp Kabushiki Kaisha | Method of and apparatus for detecting a human face and observer tracking display |
| CN101059836A (zh) * | 2007-06-01 | 2007-10-24 | 华南理工大学 | 一种人眼定位及人眼状态识别方法 |
| CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 视频搜索中人脸识别关键技术的研究与实现;高玉芳;《中国优秀硕士学位论文全文数据库信息科技辑》;20081015(第10期);说明书第1页第2段-第2页第1段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104050448A (zh) | 2014-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104050448B (zh) | 一种人眼定位、人眼区域定位方法及装置 | |
| KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
| WO2020151489A1 (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
| CN104050449B (zh) | 一种人脸识别方法及装置 | |
| US20180300589A1 (en) | System and method using machine learning for iris tracking, measurement, and simulation | |
| JP5629803B2 (ja) | 画像処理装置、撮像装置、画像処理方法 | |
| JP4743823B2 (ja) | 画像処理装置、撮像装置、画像処理方法 | |
| CN104915656B (zh) | 一种基于双目视觉测量技术的快速人脸识别方法 | |
| CN101339609B (zh) | 图像处理装置和图像处理方法 | |
| US8577099B2 (en) | Method, apparatus, and program for detecting facial characteristic points | |
| CN107798279B (zh) | 一种人脸活体检测方法及装置 | |
| CN106407958B (zh) | 基于双层级联的面部特征检测方法 | |
| US20150347804A1 (en) | Method and system for estimating fingerprint pose | |
| CN109858375A (zh) | 活体人脸检测方法、终端及计算机可读存储介质 | |
| US20150023606A1 (en) | Reliability acquiring apparatus, reliability acquiring method, and reliability acquiring program | |
| CN112633217A (zh) | 基于三维眼球模型计算视线方向的人脸识别活体检测方法 | |
| CN113436735A (zh) | 基于人脸结构度量的体重指数预测方法、设备和存储介质 | |
| CN105809085B (zh) | 人眼定位方法及装置 | |
| Rajawat et al. | Low resolution face recognition techniques: A survey | |
| CN104156689B (zh) | 一种对目标对象的特征信息进行定位的方法和设备 | |
| JP2013218605A (ja) | 画像認識装置、画像認識方法及びプログラム | |
| KR101756919B1 (ko) | 얼굴 인식 장치 및 방법 | |
| CN106127160A (zh) | 一种用于虹膜识别的人眼快速定位方法 | |
| CN113673378A (zh) | 基于双目摄像头的人脸识别方法、装置和存储介质 | |
| Hahmann et al. | Combination of facial landmarks for robust eye localization using the Discriminative Generalized Hough Transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160721 Address after: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Applicant after: Qingdao Hisense Electric Co., Ltd. Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Applicant before: Qingdao Hisense Xinxin Technology Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee after: Hisense Video Technology Co., Ltd Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee before: HISENSE ELECTRIC Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |