PDF《一种改进的基于模板匹配眼睛特征点定位算法》

35 个和

52 个, 左眼眉和右眼眉模板分别为

30 个和

40 个.利用两组模板分别对左右眼瞳孔特征点进行定位;

同时, 随机选取与眼眉模板数量一致的左右眼睛模板数量 (

30 个和

40 个) , 同样对左右眼瞳孔特征点进行定位, 让定位结果 与参考瞳孔参考坐标值进行比较.结果如表

2 所示: 在同阈值 ( 0.55) 时, 眼眉模板在左右瞳孔定位精确度上分 别提高了 0.358

0 像素和 1.554

6 像素.在相同模板数量时 ( 左 右眼模板分别为

30 个和

40 个) 眼眉模板在左右瞳孔定位精确 度上分别提高了 0.452

7 个像素和 1.651

3 个像素. 以上结果充 分证明了眼眉模板的定位效果在精确度上较眼睛模板好. 3.2 实验二 ( 1) 通过相关系数距离选取模板算法在相似度 Threshold= 0.55 时, 选取的左眼眉模板数为

30 个, 右眼眉模板数为

40 个. 比较定位点和参考点之间的像素差. ( 2) 在300 个左眼眉模板和右眼眉模板中分别随机选取

30 个和

40 个模板. 比较定位点和参考点之间的像素差. 结果如表

3 所示: 由表

3 可知, 在模版数量相同的情况下, 相关系数选取的 结果比人工选取的结果精确了 0.042

9 和0.111

6 像素.因此, 使用相关系数的选取减小了因人为因素造成的模板冗余, 提高 了模板的有效性. 3.3 实验三 数据库中的

300 张图片分别为

60 个人的不同姿态的人脸 图, 每人入选

5 张, 提取该

60 人每人正面图的眼眉模板对该数 据库中

300 张人脸图进行瞳孔特征点匹配.同时用相关系数 在60 张正面眼眉模板中选取某相似度下对应的模板数, 同样 对该数据库中

300 张人脸图进行特征点匹配, 利用模板分别 对左右眼瞳孔特征点进行定位 ( 右眼可在左瞳孔定出的情况 下缩小搜索范围) .结果如表

4 所示: 提取数据库中

60 人的正面图的眼眉模板对该数据库中

300 张人脸图进行瞳孔特征点匹配.同时基于相关系数在

60 个正面眼眉模板中选取某相似度下对应的模板集, 进行特征 点匹配.利用模板分别对左右眼瞳孔特征点进行定位 ( 右眼可 在左瞳孔定出的情况下缩小搜索范围) .结果如表

5 所示: 由表

4、 表5可知, 左瞳孔的定位以 5.59%的精确度作为 牺牲的情况下, 速度提高了 44.26%左右. 右瞳孔以 2.21%的精确 度作为牺牲的情况下, 速度提高了 46.89%左右.相关系数模 版 筛选在定位精度下降微小的情况下大大提高了定位速度.

4 结论与展望 通过本文三组实验, 证明了本文的两种改进对瞳孔特征 点定位的精度和速度均有较大改善, 且算法简单易于移植.对 于有表情、 姿态、 光照影响的人脸图的瞳孔定位较为成功.数 据库中部分定位结果如图

8 所示, 可以看出, 改进后的算法对 人脸的左右倾斜, 肤色、 光照、 表情, 以及睁眼闭眼等情况均有 较好的定位效果.瞳孔的成功定位将对人脸识别有重大贡献, 例如根据双瞳孔的距离和偏转进行人脸图片的预处理, 人脸 特征点 Gabor 小波特征值的提取. ( 收稿日期:

2007 年7月) 参考文献: [1] Wiskott L, Fellous J M, Kruger N, et al.Face recognition by elastic bunch graph matching[J].IEEE Trans on Pattern Analysis and Ma- chine Intelligence, 1997,

19 ( 7) : 775- 779. ( 下转

213 页) 表4实验三左瞳孔定位结果 定位方式 未经选取 眼眉模板 相关系数选取 眼眉模板 相关系数 阈值 0.81 0.68 模板 数量