一种复杂环境下的人眼定位算法,此文是一篇人眼定位算法论文范文,为你的毕业论文写作提供有价值的参考。
人眼定位算法论文参考文献：
摘 要 人眼位置是人脸识别技术中一项重要的局部信息.本文提出了一种改进的人眼定位算法,该算法首先采用Haar-like特征的AdaBoost算法检测出人脸区域,然后利用文中训练的人眼强分类器在检测出来的人脸区域中粗定位人眼位置区域,最后在该区域内利用人眼部分瞳孔区域边界的灰度值突变特征精确定位人眼.实验结果表明,该方法能够在复杂环境下准确定位人眼位置.
关键词 人眼定位；复杂环境； AdaBoost算法；机器学习
中图分类号 TP39141 文献标识码 A 文章编号 1000-2537（2015）04-0085-05
Abstract The location of eye is important local information in face recognition. An improved eye localization algorithm is presented in the paper. After the face region is detected by the AdaBoost algorithm with Haar-like feature, an eye strong classifier trained in the paper is used to localize the coarse eye region in the detected face area. At last, the feature of gray abrupt variance at the boundary of the pupil region in the coarse eye region is used to localize the eye precisely. Experiments show that the presented algorithm can get accurate eye location in the complex environment.
Key words eye localization； complex environment； AdaBoost algorithm； machine learning
人脸识别是生物特征识别中最具发展潜力的技术之一,也一直是图像处理与机器视觉领域关注的热点.双眼作为人脸最规则和最稳定的局部特征,在人脸识别中非常重要,只要眼睛被精确定位,就可以降低识别算法的复杂度,从而提高人脸的识别速度和精度.因此,很多学者把人眼的定位作为人脸识别的突破口和人脸识别的关键技术之一.
近年来,国内外学者相继提出了一些人眼的定位方法,如PCA[1],支持向量机（SVM）,基于AdaBoost[2-5],以及基于模板[6-7]等方法,这些方法都获得了一定的成效.总的来说,这些方法主要分为两个步骤：（1）粗定位,找出人脸范围内的可能眼睛块；（2）精确定位,应用一些方法确定双眼的准确位置.谭台哲等[6]利用形态学商图像对人眼区域和皮肤区域有明显不同响应值的特点,提出一种基于形态学商模板的高效人眼定位方法.Kumar等[7]首先通过投影对眼睛进行粗定位,然后采用模板匹配的方法对眼睛进行准确定位,但该方法所涉及的模板匹配计算量太大,而且对分辨率、尺寸、光照、旋转非常敏感.车昊等[8]提出了一种多层结构的快速眼睛定位算法,该算法先通过MER（极小值区域）进行眼睛粗定位,再利用由自然约束条件、眼睛坐标及灰度参数、Krisch梯度特征所构成的三层筛选结构逐步去除错误的候选,从而得到正确的候选,最后利用局部图像的重心来微调眼睛的位置.这种方法对眼睛粗定位算法的正确率要求较高,而且难以消除眉毛、鼻孔等对眼睛定位的影响.Wen等[9]利用通用投影函数（GPF）进行眼睛定位,计算量小、实现简单并且容易理解,不足的地方是当图像光照不均匀或有噪声时,通用投影函数的极值点不明显,从而很难准确地获得眼睛位置.李爱平等[10]则通过灰度投影与改进Hough变换的方法进行人眼定位,算法实现简单,但没有将人眼的微结构特征考虑进来,特别是当眼睛睁开程度较小时定位误差较大.黄增喜等[11]充分利用人眼的灰度信息在已定位的人脸区域内找到大概眼眉区域,然后用改进的灰度投影算法实现眉毛和眼睛的分离,再融合图像灰度、图像块结构等信息筛选出人眼位置,但筛选的约束条件之间联系过于紧密,且计算量相对较大.余龙华等[3]采用AdaBoost算法训练得到普通的单眼分类器或双眼分类器,最终利用分类器得到的人眼位置的中心来定位人眼位置,这种方法简单快速,但在训练人眼分类器时没有考虑到眼睛瞳孔位置的可移动性及眼睛所处各种姿态的复杂情况,故不能简单地将人眼的精确位置定位在矩形的中心.
以上算法在一些特定情况下具有良好的定位效果,但在不同光照、不同分辨率、有遮挡、复杂背景、多姿态等复杂环境下都存在一些不足,为此,本文结合AdaBoost算法具有决策树正确率高、速度快等优点,提出一种新的人眼定位方法.该方法首先利用基于Haar-like特征的AdaBoost 级联分类器检测出人脸区域,在人脸的上半部分区域内采用文中训练的多姿态人眼强分类器粗定位人眼区域,定义为感兴趣区域（ROI）,然后对ROI中的小图像块进行二值化图像处理,最后根据ROI内瞳孔区域边界的灰度值变化较剧烈的特点寻找小图像块中的最大连通域,该最大连通域即为人眼的准确位置[12].在本文算法中,多姿态人眼分类器只选取眉毛以下的区域作为样本,因而能够避免现有一些算法将眼睛错误定位到睫毛的不足,一定程度上克服了人脸可塑性和光照等其他因素带来的干扰.实验结果表明,本文算法能够在复杂环境下对人眼位置进行准确定位.
1 AdaBoost算法
Freund 和 Schapire在1996年提出的AdaBoost 算法是一种迭代方法,目的是通过从大量的弱分类器中选取最具有分类意义的组合组成一个强分类器,提高检测的精确度.在此基础上,Viola 和 Jones在2001年提出了基于Haar-like特征的AdaBoost人脸检测方法,极大地提高了人脸检测的速度和精度,从而使得人脸检测技术真正得到了应用.Viola等人设计的人脸级联检测器如图1所示.
结论：关于人眼定位算法方面的的相关大学硕士和相关本科毕业论文以及相关人眼定位算法论文开题报告范文和职称论文写作参考文献资料下载。
狭长空间无线感知节点布置策略与定位算法
摘要：因为人们对无线感知节点在一些狭长空间场所的研究较少，受空间限制，无线感知节点及其网络在这些场所应用具有与开阔空间不同的特征，所以对目前应用。
新媒介生态环境下摄影记者定位和
【摘要】当前，以报纸为主的传统媒体受到了新媒体的严重冲击，在人人都能用手机拍图并上网迅速传播的背景下，图片的来源极为便利，部分报社甚至取消摄影部。
基于慕课环境下图书馆角色定位其服务路径
摘 要：不管是在网络教学方式上，还是在教育技术上慕课都是一种新型的方式，对教育的本身产生了非常深刻的影响，但于此同时也给图书馆服务带来了非常大的。
能源互联网环境下基于最短路算法的电动汽车充电站选址
在全球能源互联网的环境下电动汽车作为缓解能源和环境压力的不二选择引起了众人关注，因而充电站规划的科学性和合理性也越来越重要。充电站的选址问题是涉。