PDF《一种改进的基于模板匹配眼睛特征点定位算法》

eye- brow template;

correlation coefficient 摘要: 针对传统眼睛定位模板匹配算法精确度和速度上的不足, 对算法进行了模板扩大和相似度模板筛选两种改进, 同时在匹 配速度上采取粗定位细定位提高匹配速度. 将眼睛模板转化成眼眉模板后, 避免了由于眉毛和部分眼睛相似造成的特征点错误定 位.在传统的模板集选取上提出基于相关系数选取原则后, 避免了人为因素对模板选取造成的误差, 很大程度上去除了入选模板 之间的冗余度, 进一步提高了定位的精确度, 且在定位精度保证的情况下, 大大减少了定位时间. 关键词: 人脸识别;

眼睛定位;

模版匹配;

眼眉模板;

相关系数 文章编号: 1002-

8331 ( 2007) 32- 0207-

03 文献标识码: A 中图分类号: TP391 基金项目: 国家重点基础研究发展规划 ( 973)( the National Grand Fundamental Research

973 Program of China under Grant No.2005CB724303) . 作者简介: 费俊琳 ( 1983-) , 女, 硕士, 主要研究方向: 人脸识别, 特征定位;

俞王新 ( 1980-) , 男, 博士, 主要研究方向: 模式识别;

王志中 ( 1944-) , 男, 博士生导师, 只要研究方向: 信号检测与处理;

模式识别;

自动控制等.

207 2007, 43( 32) Computer Engineering and Applications 计算机工程与应用 一幅眼睛图片为一个模板, 即一个二维矩阵, 利用眼睛模 版与人脸图像作相关匹配, 匹配函数如下: !c ( I1, I2 ) = ! ( I1 - I 1)( I2 - I 2) ! ( I1 - I 1)

2 # ! ( I1 - I 1)

2 $ ( 1) 式(1) 中I1 为人脸图像与匹配模板相对应的部分, I2 为眼睛模 板, I

1 为与人脸图像与眼睛模板对应部分的均值. I

2 为眼睛模 板的均值.相关系数 !c 越大则相似性越高, 证明该待测人脸的 眼睛图像与该模板越相似.对应最大的相关系数的模板, 即为 最佳模板, 便利用该模板中的眼睛特征点位置对人脸眼睛进行 定位.该方法使用很直观方便, 模板数量越多, 包含姿态越不 同, 定位的精确度越高, 但是提取时间以及计算量都随模板数 量的增加而增加. 为了提高速度, 以往方法中眼睛模板搜集时选取如不同 人、 不同姿态的、 男人的、 女人的、 睁眼的、 半睁的, 力求能包含 各种不同类型的眼睛作为模板集[7] , 但选取这些模板的原则多 为人工判别并手工筛选, 降低了模板相似度的真实性.为了解 决此问题, 本文提出了一种自动的基于相关系数筛选模板的方 法: 对模板用相关系数进行选取, 筛选公式如下: !m ( M1, M2 ) = % ( M1 - M &

1)( M2 - M &

2) % ( M1 - M &

1)

2 $ % ( M2 - M &

2)

2 $ ( 2) 式(2) 中M1 为与模板集中的已入选的特征模板, M2 为模板集 中待定的特征模板, M &

1 为M1 模板图像的均值.M &

2 为M2 模板图 像的均值.模板相似度由 !m 来决定.相关系数 !m 越大相似性 越高, 证明该待测模板与入选模板越相似. 模板筛选的流程图如图

2 所示, 待定的入选模板须与每一 个已入选的模板进行相关系数的计算, 并根据经验值设置阈值 相似度, 若该模板与任一已入选模板的相关系数都小于此相似 度, 那么该模板被选中, 否则模板被淘汰. 模板数量的减少可以大大减少眼睛定位的时间, 但模板定 位过程中要经历的循环数较多, 速度还是无法得到控制, 因此, 在模版匹配过程中, 本文在减少模板数量的基础上, 使用粗定 位及细定位过程来进一步提高匹配速度.根据实验统计, 使用 粗定位及细定位过程可将匹配时间提高