PDF《一种改进的基于模板匹配眼睛特征点定位算法》

2007, 43( 32) Computer Engineering and Applications 计算机工程与应用

1 引言 人脸的自动识别技术, 是近年来计算机视觉和模式识别中 一个活跃的话题, 随着科学技术的发展和社会的进步, 对快速 有效的自动身份鉴别需求越来越迫切, 人脸识别于其他身份鉴 别方法相比是非接触的, 连续的和实时的, 因此较友好和直接.

眼睛作为人脸上重要的特征点, 在识别过程中起着非常重要的 作用, 例如在经典的基于 Gabor 小波以及弹性图的识别算法 中[1] , 就需要先自动定位人眼作为特征点特征值提取的起始点, 人眼的精确定位对于识别结果影响很大;

利用精确定位后的瞳 距, 还可将人脸图像进行归一化. 可知, 眼睛定位在图像预处理 中也起着至关重要的作用. 人眼定位传统的方式有: 基于灰度积分图[2, 3] 、 基于边缘提 取及 Hough 变换[4] , 基于模板匹配等方法[5] .基于灰度积分图的 提取算法, 主要利用人脸特征区域的灰度信息, 将特征区域的 特征点提取出来. 该方法计算量小, 速度快, 但是容易受面部倾 斜、 眼镜、 眼镜睁闭、 背景、 头发、 胡子, 和光照不同的影响. 基于 边缘提取及 Hough 变换的提取算法, 首先利用边缘检测算子 提取特征边缘, 再利用 Hough 变换的结果确定最佳匹配区域, 该类方法需要大量的预处理, 受光照和遮挡的影响较大, 并且 对闭眼情况效果不佳.传统的基于模版匹配的算法有两类, 一 类是模板用数学参数来进行构造[5] , 使能量函数趋之最小来进 行模板匹配, 这种方法依赖眼睛的先验知识, 很难收敛, 计算时 间很长, 另一类是在人脸库中进行选取来形成模板, 利用模板 和人脸区域的相似度来进行模板匹配[6] , 这种方法使用方便, 但 特征提取的精度和速度分别受模板选取质量和数量的直接影 响.本文针对这种传统模板匹配算法中常出现的问题, 提出了 一种基于相关系数的模板扩大并自动选取的快速模板匹配法.

2 算法描述 传统的基于相似度的模板匹配算法以各局部图像作为模 板, 先在人脸集中手工提取各种状态的眼睛图像作为模版, 如图1所示: 一种改进的基于模板匹配眼睛特征点定位算法 费俊琳, 俞王新, 王志中 FEI Jun- lin, YU Wang- xin, WANG Zhi- zhong 上海交通大学 生物医学工程系, 上海

200240 Department of Biomedical Engineering, Shanghai Jiaotong University, Shanghai 200240, China E- mail: zzwang@sjtu.edu.cn FEI Jun - lin, YU Wang- xin, WANG Zhi- zhong.Modified template matching based algorithm for eye location .Computer Engineering and Applications, 2007,

43 ( 32) : 207- 209. Abstract: As the limitation in the precision and speed of template matching, a modified eye locating method for template matching with extend templates selected by correlation coefficient algorithm is proposed.At the same time, this paper utilizes the rough location and accurate location to speed up the process.The inaccurate location due to the high similarity between the eyes and brows is avoided by changing the eye template to eye- brow template.The algorithm reduces the redundancy of the template set by taking the correlation coefficient to select the efficient templates, and then, the man - made error in template select is avoided.Thus the location precision and speed are improved obviously. Key words: face recognition;

eye location;

template matching;