复杂背景下的多姿态人眼定位_朱冰莲
上传者:安沙舟|上传时间:2015-05-11|密次下载
复杂背景下的多姿态人眼定位_朱冰莲
第29卷第5期2012年5月计算机应用研究
ApplicationResearchofComputersVol.29No.5May2012
复杂背景下的多姿态人眼定位
朱冰莲,丰建军,杨吉祥,张
摘
*
磊
(重庆大学通信工程学院,重庆400044)
要:针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况,提出了一种基于肤色分割与Gabor滤
找到人脸的候选波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(Otsu)对图像进行肤色分割,
区域;然后构造Gabor滤波器对候选区域进行滤波;最后经过灰度投影得到眼睛的精确位置。仿真结果表明,该分对于现实环境中的人脸识别有重要意义。割算法在复杂背景和多姿态情况下的人眼定位中有明显优势,关键词:眼睛定位;粒子群算法;肤色分割;Gabor滤波;灰度投影中图分类号:TP391.41
文献标志码:A
文章编号:1001-3695(2012)05-1977-03
doi:10.3969/j.issn.1001-3695.2012.05.100
Multi-positioneyelocationbasedoncomplexbackground
ZHUBing-lian,FENGJian-jun,YANGJi-xiang,ZHANGLei
(CollegeofCommunicationEngineering,ChongqingUniversity,Chongqing400044,China)
Abstract:Tosolvetheproblemofeyelocationofhumanfaceinmulti-positionandcomplexbackgroundofcolorimage,thispaperproposedamethodforeyelocationbasedonskinsegmentationandGaborfilter.Firstly,itusedtheimprovedOtsualgo-rithmbasedonparticleswarmoptimizationtosegmenttheimageandobtainedcandidateregionsofface.ThenitdevisedanGaborfiltertofiltertheimagetohighlighttheeyeregion.Finally,itusedthegrayprojectiontodeterminethepositionofeyesaccurately.Theresultsshowthatthemethodofskinsegmentationworkswellandhasadvantagesabouteyelocationofhumanfaceinmulti-positionandcomplexbackground,whichisimportantforfacerecognitioninrealtime.
Keywords:eyelocation;particleswarmoptimization(PSO);skinsegmentation;Gaborfilter;grayprojection
0引言
眼睛作为人脸的重要特征,在人脸检测和人脸识别中发挥
行肤色分割,快速搜索到最佳阈值,提高了效率。实验结果表明,本文所提出的肤色分割方法效果良好,为人眼定位打下了良好的基础,使得最终定位精确度高,尤其是在复杂背景和多姿态情况下有着明显的优势。
着重要的作用。准确的人眼定位是人脸识别具有高识别率的重要保障。目前常见的人眼定位方法很多,但大都是假设已经1]采用检测出人脸;或者直接对标准人脸库进行定位。文献[Gabor滤波与模板匹配相结合的方法,解决了单一背景下的人眼定位,但是对于闭眼、眯眼的情况鲁棒性不强,且操作复杂;2]文献[构造两种Gabor滤波器,首先找到眼睛的大致位置,然后确定眼珠所在,该方法受头发、耳朵等的影响较大,在复杂背景下准确定位率较低。
也有文献先对图像进行分割,排除背景干扰,找到人眼候3]采用肤色分割与灰度投影的方选区,再进行定位。文献[法,将其应用到视频序列中,但是对于有眼镜干扰、歪头的情4]通过最大熵分割和肤色模型确定人准确度下降;文献[况,
眼,适用于一般情况下的定位,当背景复杂时错误率较高。
为提高人眼定位的准确度,使定位方法具有较强的适应性,本文提出了一种肤色分割和Gabor滤波相结合的人眼定位方法。该方法首先在复杂的背景下采用肤色分割的方法找出人脸的候选区域;然后对候选区域采用Gabor滤波突出人眼区域;最后利用投影法完成人眼的准确定位。由于Otsu算法在本文采用粒子群算法优化改进的Otsu进运行时间上的弊端,
收稿日期:2011-09-08;修回日期:2011-10-20
1
1.1
复杂背景下的肤色分割
建立高斯肤色模型
高斯肤色模型假设肤色分布服从单峰高斯分布。因为
YCbCr空间聚类性好,不易受光线影响,所以首先将彩色图像中每个像素点由RGB空间转换到YCbCr空间,然后根据Cb、Cr的值计算该点属于皮肤区域的概率,即根据该点离高斯分布中心的远近得到与肤色的相似度,将彩色图像转换为灰度图。相似度计算公式为
p(Cb,Cr)=exp[-0.5(x-m)TC-1(x-m)]
(1)
Cr颜色空间的值;m为肤色在Cb、Cr其中:x为样本像素在Cb、
颜色空间的样本均值;C为肤色相似度模型的协方差矩阵。经样本统计可得均值和协方差,由此可将彩色图像转换成一幅皮肤概率灰度图像。1.2
粒子群算法优化Otsu实现肤色分割
Otsu算法[5]因分割效果好、抗干扰能力强而得到广泛的应用,但算法复杂度大,难以用于实时处理。微粒群算法是一种新型的智能优化算法,有较强的发现最优解的能力,且算
[6]
基金项目:中央高校基本科研专项资助项目(CDJXS10161114)
作者简介:朱冰莲(1959-),女,四川富顺人,教授,硕导,主要研究方向为信号与信息处理(zhnbl@cqu.edu.cn);丰建军(1986-),女,河南信阳人,硕士研究生,主要研究方向为图像处理;杨吉祥(1986-),男,山东临沂人,硕士研究生,主要研究方向为图像处理;张磊(1986-),男,江苏徐州人,博士研究生,主要研究方向为通信与信息系统.
·1978·
计算机应用研究
μZ=(μZi,μZj)
[∑∑ipij,∑
i=0j=0L-1L-1
L-1
L-1
i=s+1j=t+1
T
第29卷
=
(8)
法简单,易于实现。基于此,本文针对概率图像,在改进Otsu的基础上采用粒子群算法寻找最佳阈值对图像进行分割,快速搜索到最佳的肤色分割阈值。1.2.1
改进的Otsu算法
2维直方图中任意一点的值定设图像灰度级为0~L-1,
y)=i表示像素它表示点(i,j)发生的频率,其中f(x,义为pij,
g(x,y)=j表示像素邻域平均灰度。图1为一幅概的灰度值,
pij分率图像归一化到0~255之后的二维直方图。可以看到,0)~(L-1,L-1)对角线周围,当阈值为(s,布主要集中在(0,
t)时,二维直方图被分成四个部分。由图2可知,主对角线上的两个区域1和3分别对应于目标和背景,副对角线上的两个区域2和4对应于边缘和噪声
内容需要下载文档才能查看。
∑
jpij]T=w1μ1+w3μ3
可以得到一个类间散测度:
SB(s,t)=w1(s,t)(μ1-μz)T(μ1-μz)+
w3(s,t)(μ3-μz)T(μ3-μz)
*
t*)满足式(10):最佳阈值(s,
(9)
SB(s*,t*)=max{SB(s,t)}(10)
1.2.2粒子群优化改进的Otsu算法流程
设t时刻粒子i的位置为xi(t),速度为vi(t),最优位置为pi(t),全部粒子经过的最优位置,即全局最优位置为gi(t)。
a)初始化粒子群及参数。给定群体规模N,在平行线区域(图3)内随机散落N个粒子,并初始化每个粒子的位置xi和设置最大迭代次数Nmax。速度vi,
b)计算每个粒子的当前适应度值,本文把图像的类间方差作为粒子群的适应度函数,根据式(9)计算适应度值并选择最大的值作为初始寻优位置。
c)更新个体极值和全局极值。对每个粒子的适应值进行评价,即将第i个粒子的当前适应值与该粒子的个体最优极值pbest(t)进行比较,若前者优则更新pbest(t),否则保持pbest(t)不变;从所有pbest(t)中选出最优值(本算法中选择最大值)作为全局极值gbest(t)。
d)更新速度和位置。通过式(11)和(12)来更新每个子群当达到最大迭代次数或者全局体中粒子的速度vi和位置xi,最优满足收敛条件时终止。
vij(t+1)=wvij(t)+c1rand1(1)(pij(t)-xij(t))+
c2rand2(1)(pgj(t)-xij(t))
(11)(12)
xij(t+1)=xij(t)+vij(t+1)
传统Otsu算法假设目标和背景区域的概率和近似为1,则4概率为零,但是实际情况往往不是,当最佳阈值在主区域2、
对角线附近时,假设就不成立。
为避免这个问题,对直方图中目标与背景的范围进行重新分配。将阈值选择限制在如图3所示的与对角线平行的两条这样就同时考虑了在对角线附近接近阈值矢量点的直线之间,
区域和远离对角线区域的点的概率分布。
由图3可知,两条平行的直线方程分别为
g(x,y)=f(x,y)+a,g(x,y)=f(x,y)-b
(2)
b为0~L-1之间的正整数,其中:a、以与对角线垂直且过阈t)的直线作为目标和背景的分界线,值分割矢量点(s,该垂直线方程为
g(x,y)=-f(x,y)+s+t0≤(s,t)<L-1
(3)
其中:t表示第t代;w为惯性权重,本文取w(t)=0.9-(t/Nmax=50;c1、c2为加速常数,Nmax)×0.5,取c1≈c2=2.05;rand1(1)-U(0,1)和rand2(1)-U(0,1)为两个相互独立的随机函数。
2、3、4,3作为新的直方图重新划分为四个区域1、其中区域1、y)≤-f(x,y)+s+t时属于区目标与背景参与运算。当g(x,
y)>-f(x,y)+s+t时属于区域1,域3,当g(x,则图3中区域1、3发生的概率分别为
w1(s,t)=∑w3(s,t)=∑
si=0
L-1
j=0L-1t
2
2.1
多姿态下的人眼定位
形态学处理及标准化
因为光线、角度的原因,分割图像在肤色区域会出现一些
∑pij∑pij
(4)(5
内容需要下载文档才能查看)
黑点;非肤色部分还包含眼睛、鼻子等黑洞,为了便于滤波操作,本文首先采用膨胀和腐蚀的方法对肤色分割之后的图像进行处理;然后将图像进行切割得到人脸的候选区域并标准化为128×128。2.2
Gabor滤波
本文构造一种椭圆Gabor滤波器
[2]
i=s+1j=t+1
对图像进行滤波,因为
Gabor滤波器只是对图像中的椭圆部位很敏感,所以当人脸有小角度倾斜,或者是眯眼、闭眼时,也不会对滤波效果造成太大
背景和目标对应的均值矢量为
μ1=(μ1i,μ1j)
T
的影响。椭圆Gabor滤波定义为
=
Q(x,y)=q(x',y')exp(2πjF+y)
(13)
[[
L-1
stipijjpij
,∑∑∑∑
t)i=0j=0w0(s,t)i=0j=0w0(s,s
t]
T
y')=(xcosθ+ysinθ,-xsinθ+ycosθ);F为滤波器其中:(x',
(6)
y)是二维高斯包络函数,的中心频率;q(x,定义为
q(x,y)=
μ3=(μ3i,μ3j)
i=s+1
T
=
L-1
∑
ipij
,∑t)i=s+1j=t+1w3(s,
L-1
∑
L-1
j=t+1
∑
jpij
w3(s,t)]
T
(1
exp
2πσxσy
)[
-
12
(
(7)
x2y2
+σ2σ2xy)]
(14)
y的标准方差;其中:σx、σy分别是Gauss函数包络线沿x轴、(x,y)表示滤波的位置;θ指的是滤波器的旋转方向。这里只
二维直方图总的均值矢量为
第5期朱冰莲,等:复杂背景下的多姿态人眼定位·1979·
F三个参数,考虑σx、σy、可以在一定程度上简化运算。实验F=0.117188时可以取得很好的滤证明,当σx=3.7、σy=8、波效果。2.3
灰度投影
得到滤波图像后,眼睛等区域亮度得到增强,利用这一点可y轴投影,以将灰度图像分别向x、选投影后的极大值作为眼睛y轴投影的结果确定出人眼区域。最后综合对x、区域的候选,
位时出现错误,所以整体的准确度不高。比较三种方法的实验结果可以知道,本文算法在保证较高识别率的同时,平均耗时也较少
内容需要下载文档才能查看。
3
3.1
仿真结果与分析
仿真结果
本文在MATLAB环境下对肤色分割后的图像进行人眼定
位实验,实验图像来源于实际环境下拍摄的彩色图像,包含300(6人×50幅)幅不同背景、面部姿态,以及头部偏转的人脸图像。
经样本统计得图像均值和协方差分别为
m=E(x)=[104.4977
C=E((x-m)(x-m)T)=
156.9277]
-51.465981.9345
(15)
(
77.6869-51.4659
)
(16)
表1
Nmax=50,按照前面所述,取w(t)=0.9-(t/Nmax)×0.5,c1≈c2=2.05。实验选取50幅640×480的图像,改进的Otsu算法平均运行时间为29.595s,而用粒子群算法进行优化后的平均时间为2.146s,分割结果如图4所示。从图4中可以看出,本文引入粒子群算法,在时间上有了很大的改善,而且效果相当,说明了本文肤色分割的可行性
内容需要下载文档才能查看。
三种方法的定位准确率与平均运行时间的比较
算法3]文献[4]文献[
定位准确率/%
90.5789.5592.19
平均运行时间/s
3.464.063.89
本文算法
4结束语
人眼定位在人脸识别中起着重要的基础作用,本文针对
一个人的眼睛定位提出了基于肤色分割和Gabor滤波的人眼定位方法。实验结果表明,本文所提出的肤色分割方法效果好,应用于人眼定位方面使得定位精确度高,尤其在复杂背景和多姿态的情况下也有着明显的优势。但是当人脸受到强光、偏光照射时,由于分割效果受到一定的影响,导致出现错误定位或者只能定位出一只眼睛,这一情况还需进一步研究解决。
(a)(b)是同一背景图5所示为部分仿真结果,分为三组,挤眼、侧脸、歪头等动作;下的不同姿态。(a)组有眼镜遮挡、
(b)组有闭眼、低头、仰头等不同姿态,可以看出,对于处理实本文算法有很好的定位结果;际环境下连续拍摄的人脸图像,
(c)组选择在光线较暗且背景复杂的情况下进行定位,其中也包含了闭眼、仰头、扭头等动作,进一步说明本文算法不受复杂本文在肤色分割的基础上,当背背景的影响。实验结果表明,
景相对复杂时,可以有效地去除眼镜的干扰;并且当人脸有小角度的旋转、不同姿态变化时也能准确地定位出人眼。不过当偏光照射时,分割效果会受到一定的影响,导致人脸受到强光、
出现错误定位或者只能定位出一只眼睛。3.2
与其他方法的比较
本文提出一种改进的肤色分割方法作为人眼定位的基础。实验结果显示,定位效果不受背景复杂和人脸多姿态的影响,3,4]与本文比较适合实际环境下的人眼定位。表1为文献[
本文算法时算法在自制人脸库中定位结果的比较。可以看到,
3]4]间上比文献[要慢一些,但是定位准确率高;而文献[在粗导致在定定位过程中选用最大熵方法容易出现很多干扰区域,
参考文献:
[1]KELi,HUANGYan.Eyeslocationbasedondual-orientationGabor
filtersandtemplates[C]//Procofthe2ndIEEEInternationalCon-gressonImageandSignalProcessing.2009:1-4.
[2]ZHANGYan-fang,SUNNong-liang,GAOYang.Aneweyelocation
nalmethodbasedonringGaborfilter[C]//ProcofIEEEInternatio-ConferenceonAutomationandLogistics.2008:301-305.
[3]LIJian-ke,ZHAOBao-jun,ZHANGHui,etal.Dual-spaceskin-colorcuebasedfacedetectionforeyelocation[C]//ProcofIEEEIn-ternationalConferenceonInformationEngineeringandComputerSci-S.l.]:IEEE,2009:1-4.ence.[
[4]王小鹏,闫国梁,闫文秀.基于最大熵分割和肤色模型的人眼定位
[J].计算机工程,2010,36(14):161-165.
[5]OTSUN.Athresholdselectionmethodfromgraylevelhistogram[J].
IEEETransonSystem,ManandCybernetics,1979,9(1):62-66.[6]KENNEDYJ,EBERHARTR.Particleswarmoptimization[C]//
ProcofIEEEInternationalConferenceonNeuralNetworks.[S.l.]:IEEE,1995:1942-1948.
[7]朱淑亮,王增才,王树梁,等.头部多角度的眼睛定位与状态分析
[J].重庆大学学报,2010,33(11):20-26.
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题(附答案)
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级(上)数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016-2017学年上期八年级素质测查(二)语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题(无答案)
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷(附答案)
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题(必修一第四、五单元)
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 2019贵州公务员考试常识判断40000问(三十)
- 2019贵州公务员考试常识判断40000问(八)
- 2019贵州公务员考试常识判断40000问(四十)
- 2019贵州公务员考试常识判断40000问(一)
- 2019贵州公务员考试常识判断40000问(二十八)
- 2019贵州公务员考试常识判断40000问(十五)
- 2019贵州公务员考试常识判断40000问(十八)
- 2019贵州公务员考试常识判断40000问(九)
- 2019贵州公务员考试常识判断40000问(十九)
- 2019贵州公务员考试常识判断40000问(十一)
- 2019贵州公务员考试常识判断40000问(二十七)
- 2019贵州公务员考试常识判断40000问(三十二)
- 2019贵州公务员考试常识判断40000问(四)
- 2019贵州公务员考试常识判断40000问(三十七)
- 2019贵州公务员考试常识判断40000问(十七)
- 2019贵州公务员考试常识判断40000问(三十六)
- 2019贵州公务员考试申论:提升科技成果转化率
- 2019贵州公务员考试常识判断40000问(二十二)
- 2019贵州公务员考试申论模拟题库:文化旅游产业乱象
- 2019贵州公务员考试常识判断40000问(十三)
- 2019贵州公务员考试常识判断40000问(七)
- 2019贵州公务员考试常识判断40000问(三)
- 2019贵州公务员考试常识判断40000问(二十)
- 2019贵州公务员考试常识判断40000问(三十五)
- 2019贵州公务员考试行测模拟题库:资料分析练习题
- 2019贵州公务员考试常识判断40000问(六)
- 2019贵州公务员考试常识判断40000问(三十八)
- 2019贵州公务员考试行测模拟题库:言语理解练习题答案
- 2019贵州公务员考试常识判断40000问(二十四)
- 2019贵州公务员考试申论模拟题:全民健身
网友关注视频
- 七年级英语下册 上海牛津版 Unit5
- 飞翔英语—冀教版(三起)英语三年级下册Lesson 2 Cats and Dogs
- 第五单元 民族艺术的瑰宝_16. 形形色色的民族乐器_第一课时(岭南版六年级上册)_T1406126
- 七年级英语下册 上海牛津版 Unit9
- 冀教版小学数学二年级下册第二单元《租船问题》
- 外研版英语三起6年级下册(14版)Module3 Unit1
- 化学九年级下册全册同步 人教版 第18集 常见的酸和碱(二)
- 人教版历史八年级下册第一课《中华人民共和国成立》
- 外研版八年级英语下学期 Module3
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案,天津市
- 【部编】人教版语文七年级下册《逢入京使》优质课教学视频+PPT课件+教案,安徽省
- 【部编】人教版语文七年级下册《老山界》优质课教学视频+PPT课件+教案,安徽省
- 第8课 对称剪纸_第一课时(二等奖)(沪书画版二年级上册)_T3784187
- 七年级下册外研版英语M8U2reading
- 化学九年级下册全册同步 人教版 第25集 生活中常见的盐(二)
- 外研版英语三起5年级下册(14版)Module3 Unit2
- 北师大版数学四年级下册3.4包装
- 冀教版英语四年级下册第二课
- 第19课 我喜欢的鸟_第一课时(二等奖)(人美杨永善版二年级下册)_T644386
- 苏教版二年级下册数学《认识东、南、西、北》
- 小学英语单词
- 【获奖】科粤版初三九年级化学下册第七章7.3浓稀的表示
- 冀教版小学数学二年级下册第二周第2课时《我们的测量》宝丰街小学庞志荣
- 外研版英语七年级下册module3 unit1第二课时
- 北师大版数学 四年级下册 第三单元 第二节 小数点搬家
- 每天日常投篮练习第一天森哥打卡上脚 Nike PG 2 如何调整运球跳投手感?
- 三年级英语单词记忆下册(沪教版)第一二单元复习
- 外研版英语三起6年级下册(14版)Module3 Unit2
- 二年级下册数学第三课 搭一搭⚖⚖
- 第12章 圆锥曲线_12.7 抛物线的标准方程_第一课时(特等奖)(沪教版高二下册)_T274713
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题(含答案)
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理