CN105046230A - 基于图像的人眼角检测的方法及系统 - Google Patents

基于图像的人眼角检测的方法及系统 Download PDF

Info

Publication number
CN105046230A
CN105046230A CN201510446547.9A CN201510446547A CN105046230A CN 105046230 A CN105046230 A CN 105046230A CN 201510446547 A CN201510446547 A CN 201510446547A CN 105046230 A CN105046230 A CN 105046230A
Authority
CN
China
Prior art keywords
canthus
region
binary map
communicated
image
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.)
Granted
Application number
CN201510446547.9A
Other languages
English (en)
Other versions
CN105046230B (zh
Inventor
林巍峣
张志宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201510446547.9A priority Critical patent/CN105046230B/zh
Publication of CN105046230A publication Critical patent/CN105046230A/zh
Application granted granted Critical
Publication of CN105046230B publication Critical patent/CN105046230B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

一种图像处理领域的基于图像的人眼角检测的方法及系统，通过使用固定模板对眼睛大致区域图和眼角区域图像进行滤波和自定义阈值的方法进行二值化，然后另外提取眼睛大致区域图中的类眼角点图和眼白图，利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，获得一次修正的眼睛大致区域二值图，再将其与所述眼白图进行并集操作，获得二次修正后的眼睛大致区域二值图；然后计算眼角区域二值图内最大两个连通区与眼睛大致区域二值图的关系，从而得到两个连通区在眼睛大致区域二值图中对应的连通区，再计算这两个连通区与二次修正后眼睛大致区域二值图连通区关系，判断是否需要重新定位眼睛大致区域和眼角区域；最后对眼角区域二值图进行修剪并输出眼角点信息。通过本发明能够有效实现眼角检测。

Description

基于图像的人眼角检测的方法及系统
技术领域
本发明涉及的是一种图像处理领域的技术，具体是一种基于图像的人眼角检测的方法及系统。
背景技术
人脸关键点技术即定位人脸面部关键特征部位，比如眼睛、眼角、鼻子、嘴巴等。这些关键点富含了大量信息，可以为人脸识别、表情分析、人脸跟踪等研究工作提供相应的基础数据。作为关键点的眼角在各个方面都有涉及，比如用作人眼视线估计Gaze应用中，或者是用作人眼状态判断中眼睛区域提取的信息等。
经过对现有技术的文献检索发现，P.N.Belhumeur等人2011年在《IEEEConferenceonComputerVisionandPatternRecognition》(IEEE计算机视觉和模式识别会议)发表一篇名为Localizingpartsoffacesusingaconsensusofexemplars(使用范例的一致性确定脸上的部分)中，使用滑动窗提取人面部特征，在使用大量的人脸数据进行训练后，用训练好的模型预测人脸关键点的位置所在；XudongCao等人2012年在《IEEEConferenceonComputerVisionandPatternRecognition》(IEEE计算机视觉和模式识别会议)上发表的FaceAlignmentbyExplicitShapeRegression(直接形状回归预测脸部特征点)中通过对矢量回归函数的学习，直接预测脸部特征点的位置。因为不需要使用搜索窗进行扫描，这种方法更加有效率。
也有一些学者以眼角为重点专门研究。GilSantos等人在2011年于《InternationalJointConferenceonBiometrics》(计算生物学国际联合会议)中发表了一篇名为Arobusteye‐cornerdetectionmethodforreal‐worlddata(一种基于现实生活数据的鲁棒眼角检测方法)，在文章中，作者提取了虹膜、巩膜信息等，并在指定区域内提取眼角候选点，根据一系列特征挑选最为符合的眼角点。与其它方法与众不同的是，作者将内眼角点和外眼角点作为一组候选，而非一个点，这样可以加入内眼角与外眼角的生物学特征，为更加精准地判断眼角位置提供了帮助；Xu等人在2008年《Proceedingsofthe19thInternationalConferenceonPatternRecognition》(第19届模式识别国际性会议)上发表了一篇名为Semanticfeatureextractionforaccurateeyecornerdetection(精确眼角检测的语义特征提取)，文章中首先利用角点检测器选取眼角备选点，利用逻辑回归和语义特征分析这些候选点，所谓语义特征即基于字面上定义：由眼睑构成的角度特征。从备选点中最后检测出真正的眼角点。
尽管上述方法都可以检测到眼角的位置，但在人脸关键点检测中，因为还需定位脸上其它关键点的位置，眼角单独的信息常常会受到其它部分的限制，有时甚至会被其它关键点错误的检测所拖累；而现有的直接检测眼角位置的方法少之又少，仅有的方法通常无法应对于光线的变化、不同的人眼生物结构等。在一些特殊的情况下，人眼虹膜的移动也会使得检测失准。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于图像的人眼角检测的方法及系统，能够有效实现眼角检测。
本发明是通过以下技术方案实现的：
本发明涉及一种基于图像的人眼角检测的方法，包括：
第一步：利用主动的外貌特征模型(AAM)或主动形状模型(ASM)方法定位眼睛大致区域图和眼角区域图，并使用固定模板对眼睛大致区域图和眼角区域图像进行滤波；
所述的AAM方法引自TimothyF.Cootes等在1998年发表在《EuropeanConferenceonComputerVision》(欧洲计算机视觉会议)一篇名为ActiveAppearanceModels(主动的外貌特征模型)一文。
所述的ASM方法引自TimothyF.Cootes等在1995年发表在《ComputerVisionandImageUnderstanding》(计算机视觉及图像认知)一篇名为Activeshapemodels:Theirtrainingandapplication.(主动形状模型：它们的训练以及应用)一文。
第二步：对于滤波后的眼角区域图使用自定义阈值的方法进行二值化，并取相同阈值对滤波后的眼睛大致区域图进行二值化处理，分别获得眼角区域二值图和眼睛大致区域二值图；
第三步：提取第一步滤波前的眼睛大致区域图的类眼角点图和眼白图，利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，获得一次修正的眼睛大致区域二值图，再将其与所述眼白图进行并集操作，获得二次修正后的眼睛大致区域二值图；
第四步：计算第二步得到的眼角区域二值图内最大两个连通区与第二步得到的眼睛大致区域二值图的连通区关系，从而得到两个连通区在眼睛大致区域二值图中对应的连通区，再计算这两个连通区与第三步获得的二次修正后眼睛大致区域二值图连通区关系，判断是否需要重新定位眼睛大致区域和眼角区域。
第五步：对眼角区域二值图进行修剪并输出眼角点信息。
本发明涉及一种实现上述方法的系统，包括：滤波模块、二值化模块、类眼角点图提取模块、眼白区域提取模块、连通区关系计算模块和二值图修剪模块，其中：滤波模块向二值化模块输出图像的纹理特征，二值化模块将眼睛大致区域二值图和眼角区域二值图输出至连通区关系计算模块，类眼角点提取模块将眼睛大致区域图中符合眼角点特征的点的几何信息输出至连通区关系计算模块，眼白区域提取模块将眼睛大致区域图中的眼白区域的几何信息输出至连通区关系计算模块，连通区关系计算模块综合图像信息输出连通区在不同模块下的相互关系，二值图修剪模块根据相互关系对眼角区域二值图的眼角区域轮廓进行修剪并提取得到眼角点信息。
所述的纹理特征用灰度图中像素值，即0‐255进行表征，该纹理特征包括但不限于眼角的轮廓、眼睛区域轮廓。
所述的眼睛大致区域图中符合眼角点特征的点的几何信息，即二值图中黑色的连通区。
所述的眼白区域的几何信息，即二值图中黑色连通区表征。
技术效果
与现有技术相比，本发明的技术效果包括：
1)在不同的光照、不同人群下，眼角信息都可以精确地被找到，本方法自由度高，鲁棒性好；
2)在眼睛正常移动的情况下，本方法都可以精确找到眼角位置，受到瞳孔区域影响较小；在某些情况下(眼睛瞳孔偏向一侧)，本方法依然可以找到眼角所在位置，而常规方法找到的眼角误差较大；
3)算法时间复杂度低，可以实时进行眼角定位，本方法利用价值高。
附图说明
图1为本发明的流程图。
图2为类眼角点扫描示意图。
图3为计算连通区关系示意图。
图4为修剪权重分布示意图及修剪前后二值图中连通区的对比。
图5为本发明流程图中涉及的相关模块。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示，本实施例包括以下步骤：
第一步：利用主动的外貌特征模型或主动形状模型方法定位眼睛大致区域图和眼角区域图，并使用固定模板对眼睛大致区域图和眼角区域图像进行滤波；
所述的固定模板是指：尺寸为4x6的像素模板框，其数值如下所示：
‐1 ‐1 ‐1 1 1 1
‐1 ‐1 ‐1 ‐1 1 1
‐1 ‐1 ‐1 ‐1 ‐1 1
1 1 1 1 1 1
第二步，眼角区域灰度图像经滤波后采用自定义阈值的方法进行二值化处理，具体为：对于单通道图像中的每一个像素点的值为I(x,y)，对于m*n大小的图片，计算图像中的均值和标准差，即和然后通过调节参数计算得到自定义阈值其中：调节参数α优选为50；再根据自定义阈值对滤波后的图像进行二值化处理：当像素值I(x,y)高于或等于阈值时，将像素值置为0(黑色)，反之置为255(白色)。
当得到上述自定义阈值Ithreshold后，进一步使用该阈值对眼睛大致区域灰度图像进行二值化操作，从而分别获得眼角区域二值图和眼睛大致区域二值图；
第三步：提取第一步中滤波前的眼睛大致区域图的类眼角点图和眼白图，利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，获得一次修正的眼睛大致区域二值图，再将其与所述眼白图进行并集操作，获得二次修正后的眼睛大致区域二值图，具体包括以下步骤；
所述的眼睛大致区域图的类眼角点图，通过以下方式提取得到：
1)对眼睛大致区域的图像提取灰度通道，然后建立3*3尺寸像素的扫描框进行上下左右扫描；
所述的扫描的步长为2像素。
2)对扫描框中的每一个像素，计算其梯度方向值θ(x,y)＝arctan(Gv(x,y)/Gh(x,y))，其中：Gh(x,y)为该坐标下水平方向的梯度值为该坐标下竖直方向的梯度值I(x,y)为灰度图中在坐标(x,y)的灰度值。
3)计算扫描框中的所有像素的梯度方向值的标准差，替代该扫描框的中心位置像素的灰度值，并重复步骤1和步骤2，直至完成整个眼睛大致区域的图像的扫描以及对应中心位置像素值的更新。
4)对更新后的图片再次使用自定义阈值的方法进行二值化。使用类眼角点图中边界点的信息滤除眼睛大致区域二值图中不必要的连通区，可以获得一次修正的眼睛大致区域二值图，具体为：利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，使得后续修正眼睛大致区域二值图效果进一步优化。
所述的眼白图，通过对眼睛大致区域二值图进行RGB通道至HSV通道的转换，并提取其S通道；对S通道进行直方图均衡，并利用自定义阈值的方法对其进行二值化处理，即可得到眼白大致区域图像。将一次修正的眼睛大致区域二值图和眼白图进行并集操作，可以获得二次修正的眼睛大致区域二值图。
第四步：计算第二步得到的眼角区域二值图内最大两个连通区与第二步得到的眼睛大致区域二值图的连通区关系，从而得到两个连通区在眼睛大致区域二值图中对应的连通区，再计算这两个连通区与第三步获得的二次修正后眼睛大致区域二值图连通区关系，判断是否需要重新框选新的眼角区域；判断方法如下：
4.1)遍历第二步中得到的眼睛大致区域二值图和眼角区域二值图中最大面积的两个连通区，计算每一个区域，即眼睛大致区域二值图中黑色连通区与眼角区域二值图内两个连通区，即眼角区域内面积最大的两个黑色连通区之间的连通区关系，分别取结果最大的作为最相关连通区进行输出，得到眼角区域二值图中最大两个连通区在眼睛大致区域二值图中对应的连通区。
4.2)计算眼角区域二值图中最大两个连通区在眼睛大致区域二值图中对应的连通区与第三步得到的二次修正后的眼睛大致区域二值图的连通区关系，当两个连通区关系的值同时小于50％时判定眼角区域内信息不够，并返回第一步，直至两个连通区关系的值中至少一个大于50％，进入第五步。
所述的连通区关系是指：ψ(Aarea,Barea)＝(num(Aarea,Barea)/Size(Barea))*100％，其中：，Aarea,Barea分别是对应图片中的连通区，Size(Barea)为Barea的面积大小，
第五步：眼角二值图修整并输出眼角信息，具体为：
5.1)对第四步中得到的眼角二值图进行修剪，设调节参量为η，在本方法中含两个调节参量η1和η2，其对应的值分别为0.1和1.2。将像素分为两类，属于每一类的像素值与对应的调节参量相乘作为新的像素值，使用自定义阈值的方法进行二值化，这样可以使眼角内的连通区得到显著，是除眼角外的连通区得到抑制，如图4所示。
5.2)在修整后的二值图中选取最大的连通区，取其最右侧的点作为眼角点信息输出，即根据眼角区域在原视频帧的相对位置，将眼角坐标加上相对位置坐标，从而可以得到眼角点在原视频帧的位置。
表1在数据库中不同方法的估计值与实际标定值的误差
视频编号 视频帧数 我们的方法 Wei的方法 Saragih的方法
1 1018 1.63 3.28 6.21
2 770 3.24 4.40 4.08
3 440 3.19 3.77 3.49
4 920 3.88 4.23 3.85
5 540 3.53 3.70 3.89
6 990 2.96 4.11 4.95
7 460 3.81 5.05 4.38
其中，Wei的方法来自文献YaoWei.ResearchonFacialExpressionRecognitionandSynthesis.MasterThesis,DepartmentofComputerScienceandTechnology,NanjingUniversity.，Saragih的方法来自于文献J.M.Saragih,S.Lucey,andJ.F.Cohn.FaceAlignmentthroughSubspaceConstrainedMean‐Shifts.ICCV,2009。

Claims (9)

1.一种基于图像的人眼角检测的方法，其特征在于，包括以下步骤：
第一步：利用主动的外貌特征模型或主动形状模型方法定位眼睛大致区域图和眼角区域图，并使用固定模板对眼睛大致区域图和眼角区域图像进行滤波；
第二步：对于滤波后的眼角区域图像使用自定义阈值的方法进行二值化，并取相同阈值对滤波后的眼睛大致区域图进行二值化处理，从而分别获得眼角区域二值图和眼睛大致区域二值图；
第三步：提取第一步中滤波前的眼睛大致区域图中的类眼角点图和眼白图，利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，获得一次修正的眼睛大致区域二值图，再将其与所述眼白图进行并集操作，获得二次修正后的眼睛大致区域二值图；
第四步：计算第二步得到的眼角区域二值图内最大两个连通区与第二步得到的眼睛大致区域二值图的连通区关系，从而得到两个连通区在眼睛大致区域二值图中对应的连通区，再计算这两个连通区与第三步获得的二次修正后眼睛大致区域二值图连通区关系，判断是否需要重新定位眼睛大致区域和眼角区域；
第五步：对眼角区域二值图进行修剪并输出眼角点信息。
2.根据权利要求1所述的基于图像的人眼角检测的方法，其特征是，所述的固定模板是指：尺寸为4x6的像素模板框，其数值如下所示：。
3.根据权利要求1所述的方法，其特征是，第三步中所述的眼睛大致区域的类眼角点图，通过以下方式提取得到：
1)对眼睛大致区域的图像提取灰度通道，然后建立3*3尺寸像素的扫描框进行上下左右扫描；
2)对扫描框中的每一个像素，计算其梯度方向值θ(x，y)＝arctan(Gv(x，y)/Gh(x，y))，其中：Gh(x，y)为该坐标下水平方向的梯度值Gv(x，y)为该坐标下竖直方向的梯度值I(x，y)为灰度图中在坐标(x，y)的灰度值；
3)计算扫描框中的所有像素的梯度方向值的标准差，替代该扫描框的中心位置像素的灰度值，并重复步骤1和步骤2，直至完成整个眼睛大致区域的图像的扫描以及对应中心位置像素值的更新；
4)对更新后的图片再次使用自定义阈值的方法进行二值化，使用类眼角点图中边界点的信息滤除眼睛大致区域二值图中不必要的连通区，获得一次修正的眼睛大致区域二值图，具体为：利用类眼角点图中最右侧点的坐标信息为边界，滤除第二步得到的眼睛大致区域二值图中对应该边界右侧的连通区，使得后续修正眼睛大致区域二值图效果进一步优化。
4.根据权利要求1或3所述的方法，其特征是，所述的自定义阈值的方法进行二值化是指：对于单通道图像中的每一个像素点的值为I(x,y)，对于m*n大小的图片，计算图像中的均值和标准差，即和然后通过调节参数计算得到自定义阈值其中：调节参数α优选为50；再根据自定义阈值对滤波后的图像进行二值化处理：当像素值I(x,y)高于或等于阈值时，将像素值置为0，反之置为255；
当得到上述自定义阈值Ithreshold后，进一步使用该阈值对眼睛大致区域灰度图像进行二值化操作。
5.根据权利要求1所述的方法，其特征是，第三步中所述的眼白图，通过对眼睛大致区域二值图进行RGB通道至HSV通道的转换，并提取其S通道；对S通道进行直方图均衡，并利用自定义阈值的方法对其进行二值化处理，即可得到眼白大致区域图像，将一次修正的眼睛大致区域二值图和眼白图进行并集操作，可以获得二次修正的眼睛大致区域二值图。
6.根据权利要求1所述的方法，其特征是，所述的第四步，具体包括：
4.1)遍历第二步中得到的眼睛大致区域二值图和眼角区域二值图最大面积的两个连通区，计算每一个区域，即眼睛大致区域二值图中黑色连通区与眼角区域二值图内两个连通区，即眼角区域内面积最大的两个黑色连通区之间的连通区关系，分别取结果最大的作为最相关连通区进行输出，得到眼角区域二值图中最大两个连通区在眼睛大致区域二值图中对应的连通区；
4.2)计算眼角区域二值图中最大两个连通区在眼睛大致区域二值图中对应的连通区与第三步得到的二次修正后的眼睛大致区域二值图的连通区关系，当两个连通区关系的值同时小于50％时判定眼角区域内信息不够，并返回第一步，直至两个连通区关系的值中至少一个大于50％，进入第五步。
7.根据权利要求1或6所述的方法，其特征是，所述的连通区关系是指：ψ(Aarea,Barea)＝(num(Aarea,Barea)/Size(Barea))*100％，其中：，Aarea,Barea分别是对应图片中的连通区，Size(Barea)为Barea的面积大小，
8.根据权利要求1所述的方法，其特征是，所述的第五步，具体包括：
5.1)对第四步中得到的眼角二值图进行修剪，设调节参量为η，在本方法中含两个调节参量η1和η2，其对应的值分别为0.1和1.2，将像素分为两类，属于每一类的像素值与对应的调节参量相乘作为新的像素值，使用所述的自定义阈值的方法进行二值化；
5.2)在修整后的二值图中选取最大的连通区，取其最右侧的点作为眼角点信息输出，即根据眼角区域在原视频帧的相对位置，将眼角坐标加上相对位置坐标，从而可以得到眼角点在原视频帧的位置。
9.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：滤波模块、二值化模块、类眼角点图提取模块、眼白区域提取模块、连通区关系计算模块和二值图修剪模块，其中：滤波模块向二值化模块输出图像的纹理特征，二值化模块将眼睛大致区域二值图和眼角区域二值图输出至连通区关系计算模块，类眼角点提取模块将眼睛大致区域图中符合眼角点特征的点的几何信息输出至连通区关系计算模块，眼白区域提取模块将眼睛大致区域图中的眼白区域的几何信息输出至连通区关系计算模块，连通区关系计算模块综合图像信息输出连通区在不同模块下的相互关系，二值图修剪模块根据相互关系对眼角区域二值图的眼角区域轮廓进行修剪并提取得到眼角点信息。
CN201510446547.9A 2015-07-27 2015-07-27 基于图像的人眼角检测的方法及系统 Active CN105046230B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510446547.9A CN105046230B (zh) 2015-07-27 2015-07-27 基于图像的人眼角检测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510446547.9A CN105046230B (zh) 2015-07-27 2015-07-27 基于图像的人眼角检测的方法及系统

Publications (2)

Publication Number Publication Date
CN105046230A true CN105046230A (zh) 2015-11-11
CN105046230B CN105046230B (zh) 2018-04-10

Family

ID=54452759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510446547.9A Active CN105046230B (zh) 2015-07-27 2015-07-27 基于图像的人眼角检测的方法及系统

Country Status (1)

Country Link
CN (1) CN105046230B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358224A (zh) * 2017-08-18 2017-11-17 北京工业大学 一种白内障手术中虹膜外轮廓检测的方法
CN107665343A (zh) * 2017-10-25 2018-02-06 宁夏华鑫融通科技有限公司 修正近视镜干扰的内眼角间距测量系统
CN107944379A (zh) * 2017-11-20 2018-04-20 中国科学院自动化研究所 基于深度学习的眼白图像超分辨率重建与图像增强方法
CN107943527A (zh) * 2017-11-30 2018-04-20 西安科锐盛创新科技有限公司 睡眠自动关闭电子设备的方法及其系统
CN109583306A (zh) * 2018-10-31 2019-04-05 杭州电子科技大学 一种基于机器视觉的纱管残留纱线检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090060383A1 (en) * 2007-08-27 2009-03-05 Arcsoft, Inc. Method of restoring closed-eye portrait photo
US20110299742A1 (en) * 2009-12-08 2011-12-08 Thales Method for correcting the position of the eyes in an image
CN103632136A (zh) * 2013-11-11 2014-03-12 北京天诚盛业科技有限公司 人眼定位方法和装置
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN104573658A (zh) * 2015-01-09 2015-04-29 安徽清新互联信息科技有限公司 一种基于支持向量机的盲驾检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090060383A1 (en) * 2007-08-27 2009-03-05 Arcsoft, Inc. Method of restoring closed-eye portrait photo
US20110299742A1 (en) * 2009-12-08 2011-12-08 Thales Method for correcting the position of the eyes in an image
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN103632136A (zh) * 2013-11-11 2014-03-12 北京天诚盛业科技有限公司 人眼定位方法和装置
CN104573658A (zh) * 2015-01-09 2015-04-29 安徽清新互联信息科技有限公司 一种基于支持向量机的盲驾检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAIYING XIA 等: "A novel method for eye corner detection based on weighted variance projection function", 《IMAGE AND SIGNAL PROCESSING 2009.CISP"09. 2ND INTERNATIONAL CONGRESS ON》 *
孙艳蕊 等: "基于眼角精确定位的视线估计", 《东北大学学报（自然科学版）》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358224A (zh) * 2017-08-18 2017-11-17 北京工业大学 一种白内障手术中虹膜外轮廓检测的方法
CN107665343A (zh) * 2017-10-25 2018-02-06 宁夏华鑫融通科技有限公司 修正近视镜干扰的内眼角间距测量系统
CN107665343B (zh) * 2017-10-25 2020-11-06 宁夏华鑫融通科技有限公司 修正近视镜干扰的内眼角间距测量系统
CN107944379A (zh) * 2017-11-20 2018-04-20 中国科学院自动化研究所 基于深度学习的眼白图像超分辨率重建与图像增强方法
CN107944379B (zh) * 2017-11-20 2020-05-15 中国科学院自动化研究所 基于深度学习的眼白图像超分辨率重建与图像增强方法
CN107943527A (zh) * 2017-11-30 2018-04-20 西安科锐盛创新科技有限公司 睡眠自动关闭电子设备的方法及其系统
CN109583306A (zh) * 2018-10-31 2019-04-05 杭州电子科技大学 一种基于机器视觉的纱管残留纱线检测方法
CN109583306B (zh) * 2018-10-31 2021-10-08 杭州电子科技大学 一种基于机器视觉的纱管残留纱线检测方法

Also Published As

Publication number Publication date
CN105046230B (zh) 2018-04-10

Similar Documents

Publication Publication Date Title
CN100452081C (zh) 一种人眼定位及人眼状态识别方法
CN105046230A (zh) 基于图像的人眼角检测的方法及系统
CN103761519B (zh) 一种基于自适应校准的非接触式视线追踪方法
WO2018072233A1 (zh) 一种基于选择性搜索算法的车标检测识别方法及系统
CN102663354B (zh) 人脸标定方法和系统
CN102096823A (zh) 基于高斯模型和最小均方差的人脸检测方法
CN101246544B (zh) 一种基于边界点搜索和最小核值相似区边缘检测的虹膜定位方法
CN103413119A (zh) 基于人脸稀疏描述子的单样本人脸识别方法
CN105205437B (zh) 基于头部轮廓验证的侧脸检测方法及装置
CN111553214B (zh) 一种驾驶员吸烟行为检测方法及系统
CN104091155A (zh) 光照鲁棒的虹膜快速定位方法
CN103310194A (zh) 视频中基于头顶像素点梯度方向的行人头肩部检测方法
CN103886589A (zh) 面向目标的自动化高精度边缘提取方法
CN106203338B (zh) 基于网格区域分割和阈值自适应的人眼状态快速识别方法
CN103106409A (zh) 一种针对头肩检测的混合特征提取方法
CN103049756A (zh) 基于cema算法和纹理块匹配修复技术的自动提取与去除彩色图像内文字的方法
CN108229247A (zh) 一种移动车辆检测方法
CN109543518A (zh) 一种基于积分投影的人脸器官精确识别方法
CN103425985B (zh) 一种人脸抬头纹检测方法
CN103955673B (zh) 一种基于头肩模型的人体识别方法
KR101523765B1 (ko) 스마트폰 영상에서 개선된 실시간 눈동자 검출 방법
Wang et al. Lane detection algorithm based on density clustering and RANSAC
CN103093241B (zh) 基于同质化处理的光学遥感图像非匀质云层判别方法
Işikdoğan et al. Automatic recognition of Turkish fingerspelling
CN106503611B (zh) 基于边缘信息投影定位镜架横梁的人脸图像眼镜检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant