CN104573660A - 一种利用sift点描述子精确定位人眼的方法 - Google Patents

Abstract

本发明属于人脸识别技术领域，涉及一种利用SIFT点描述子精确定位人眼的方法，通过观察人眼的图像，利用眼球为黑色、形状为圆形、眼白为白色、上下为眼皮这些人眼特征，构造统一的眼睛模板，并利用SIFT点描述子的稳态特性，通过模板匹配法精确定位出人眼，重复利用人眼周围的丰富信息，构造鲁棒性很强的SIFT算子，并以此与图像中的点的SIFT算子进行比较得到最终的结果，能很好的检测出具有丰富周边信息的眼睛中心点，其方法简单，原理科学，操作方便，定位精确度高，应用价值强。

Description

一种利用SIFT点描述子精确定位人眼的方法

技术领域：

本发明属于人脸识别技术领域，涉及一种利用SIFT(尺度不变特征变换)点描述子精确定位人眼的方法。

背景技术：

随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为自动身份验证的最理想依据。现有的生物特征识别技术主要包括指纹识别、视网膜识别、虹膜识别、步态识别、静脉识别和人脸识别等。与其他识别方法相比，人脸识别由于具有直接、友好和方便的特点，使用者没有任何心理障碍，易于为用户所接受，从而得到广泛的研究与应用。除此之外，人脸识别技术还能够对人脸识别的结果作进一步的分析，得到有关人的性别、表情和年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。人眼的精确定位是好的人脸识别的基础，具有重大的应用价值。目前该问题已经得到了很多专家和学者的重视，但是从不同成像环境下得到的人脸图像中精确定位人眼是一个比较困难的工作，人脸成像时的光照不一致，有的光照比较强烈，有的比较黯淡，而且眼镜等饰物也对人眼定位产生。因此，如何从不同光照条件，干扰比较强烈的人脸图像中精确定位人眼，并在此基础上进行人脸识别成为一个难题。

发明内容：

本发明的目的在于克服现有技术存在的缺点，解决不易在人脸图像中精确定位人眼的问题,寻求设计提供一种利用SIFT点描述子精确定位人眼的方法，利用SIFT点描述子的优点,对人脸图像中的人眼进行精确定位。

本发明所述的基于SIFT点描述子的人眼精确定位方法,通过观察人眼的图像，利用眼球为黑色、形状为圆形、眼白为白色、上下为眼皮这些人眼特征，构造统一的眼睛模板，并利用SIFT点描述子的稳态特性，通过模板匹配法精确定位出人眼，其具体步骤为:

(1)、将提取的人脸图像归一化为128×128像素大小得到归一化的人脸图像；

(2)、在待识别的人脸图像数据库中手动选取三套人眼模板，三套人眼模板分别在光照不足、光照强烈和光照适中的条件下取得，人眼模板的窗口大小为38×24，每套人眼模板分为左、右眼模板；

(3)、人工找出三套人眼模板中的眼睛中心点，并以眼睛中心点取周围半径为10的圆内的点构造SIFT特征向量作为匹配模板；

(4)、对步骤(1)得到的归一化的人脸图像中的每一个点取周围半径为10的圆内的点构造特征向量得到SIFT点描述子，再与其中一套人眼模板进行匹配，图像左侧像素横坐标范围为1-64的点与左眼模板进行匹配，匹配最大的位置点即为左眼的精确定位点，图像右侧像素横坐标范围为65-128的点与右眼模板进行匹配，匹配最大的位置点即为右眼的精确定位点；

(5)、比较步骤(4)得到的左、右睛的纵坐标，如果两个纵坐标之差在误差范围5内，则得到精确的人眼位置；

(6)、比较步骤(4)得到的左、右睛的纵坐标，如果纵坐标之差大于误差范围5，那么人眼定位有误，重新选取第二套人眼模板，重复上述步骤(3)-(5)；

(7)、如果第二套人眼模板定位失败，那么选取第三套人眼模板，重复上述步骤(3)-(5)，实现人眼的精确定位。

本发明与现有技术相比，重复利用人眼周围的丰富信息，构造鲁棒性很强的SIFT算子，并以此与图像中的点的SIFT算子进行比较得到最终的结果，能很好的检测出具有丰富周边信息的眼睛中心点，其方法简单，原理科学，操作方便，定位精确度高，应用价值强。

附图说明：

图1为本发明光照充足的情况下的人眼的左右眼模板，图像大小为38×24，其中a为左眼模板图像，b为右眼模板图像。

图2为光照适中的情况下的人眼的左右眼模板，图像大小为38×24，其中a为左眼模板图像，b为右眼模板图像。

图3为光照不足的情况下的人眼的左右眼模板，图像大小为38×24，其中a为左眼模板图像，b为右眼模板图像。

图4为本发明利用眼睛的第一套模板用SIFT算子检测正确的结果(利用FERET人脸库的部分图片进行测试)。

图5为本发明利用第一套眼睛模板检测不正确的结果。

图6为本发明在第一套模板检测不正确的结果，利用第二套眼睛模板重新检测后的正确结果。

具体实施方式：

下面通过实施例并结合附图对本发明作进一步说明。

实施例：

本实施例实现人眼精确定位的具体过程为：

(1)、将提取的人脸图像归一化为128×128像素大小得到归一化的人脸图像；

(2)、在待识别的人脸图像数据库中选取三套人眼模板，三套人眼模板分别在光照不足、光照强烈和光照适中的条件下取得，眼睛模板的窗口大小为38×24，每套人眼模板分为左、右眼模板；

(3)、人工找出三套人眼模板中的眼睛中心点，并以此中心点取半径为10的区域构造SIFT点描述子的128维向量作为匹配模板；其中图1a的眼睛中心点坐标为(19，11)，图1b的眼睛中心点坐标为(17，12)，图2a的眼睛中心点坐标为(23,12)，图2b的眼睛中心点坐标为(17,11)，图3a的眼睛中心点坐标为(20,11)，图3b的眼睛中心点坐标为(18,12)；

(4)、在归一化的人脸图像中，对于每一个点利用SIFT点描述子(特征向量为周围半径为10的临域内计算得到的128维向量)跟一套匹配模板进行匹配，图像左侧像素横坐标范围为1-64的点与左眼模板进行匹配，找到向量间距离最小的点，也就是匹配最大的位置点即为左眼的精确定位点，图像右侧像素横坐标范围为65-128的点与右眼模板进行匹配，找到匹配最大的位置点，即为右眼的精确定位点；图4为利用FERET人脸库中的部分照片做测试的眼睛的检测定位结果；

(5)、比较得到的左、右眼的纵坐标，如果两个纵坐标之差在5个像素之内，则得到精确的人眼位置；图5为根据纵坐标的距离大于5个像素这个准则，得到的错误人眼定位的结果；

(6)由于比较得到的左、右眼的纵坐标之差大于5个像素，重新选取第二套人眼模板，重复上述步骤(3)-(5)，得到的结果如图6所示，结果显示，人眼得到精确定位。

Claims (1)

1.一种利用SIFT点描述子精确定位人眼的方法，其特征在于通过观察人眼的图像，利用眼球为黑色、形状为圆形、眼白为白色、上下为眼皮这些人眼特征，构造统一的眼睛模板，并利用SIFT点描述子的稳态特性，通过模板匹配法精确定位出人眼，其具体步骤为:

(1)、将提取的人脸图像归一化为128×128像素大小得到归一化的人脸图像；

(2)、在待识别的人脸图像数据库中手动选取三套人眼模板，三套人眼模板分别在光照不足、光照强烈和光照适中的条件下取得，人眼模板的窗口大小为38×24，每套人眼模板分为左、右眼模板；

(3)、人工找出三套人眼模板中的眼睛中心点，并以眼睛中心点取周围半径为10的圆内的点构造SIFT特征向量作为匹配模板；

(4)、对步骤(1)得到的归一化的人脸图像中的每一个点取周围半径为10的圆内的点构造特征向量得到SIFT点描述子，再与其中一套人眼模板进行匹配，图像左侧像素横坐标范围为1-64的点与左眼模板进行匹配，匹配最大的位置点即为左眼的精确定位点，图像右侧像素横坐标范围为65-128的点与右眼模板进行匹配，匹配最大的位置点即为右眼的精确定位点；

(5)、比较步骤(4)得到的左、右睛的纵坐标，如果两个纵坐标之差在误差范围5内，则得到精确的人眼位置；

(6)、比较步骤(4)得到的左、右睛的纵坐标，如果纵坐标之差大于误差范围5，那么人眼定位有误，重新选取第二套人眼模板，重复上述步骤(3)-(5)；

(7)、如果第二套人眼模板定位失败，那么选取第三套人眼模板，重复上述步骤(3)-(5)，实现人眼的精确定位。