一种由粗略到精确的瞳孔定位算法

对眼 睛 及 其运 动 的 研究 是 了 解人 类 视 觉 机 制 、理 解 人 的 文中采用 Adaboost 算法提取人脸图像[6]。
情感和行为以及基于眼动的人机交互等问题的关键。 人眼检 测与跟踪是人脸识别、表情识别、眼动分析、虹膜识别等技术的
1 人眼粗略提取
必要步骤，涉及图像处理、计算机视觉、模式识别等多个学科。
瞳孔精确定位算法，该算法主要思想是由粗略到精确一步一 所以用灰度积分投影可以很方便地找出眼睛在人脸垂直方
步地对瞳孔进行精确定位，每一步都选择最合适的算法进行 向上的位置。 垂直方向上人脸灰度积分投影表达式为：
瞳孔精确定位。
Py（x）=∑y=w1 I（x,y）
（1）
文中所做的人眼检测是基于已经提取得到的人脸图像，
计算水平方向上的人脸灰度积分投影时，先对图像作提
取边缘值处理。 提取边缘值的算法很多，现阶段大致有 Sobel
算 法 、Prewitt 算 法 、Laplacian of Gaussian Roberts 算 法 、Zero-
Cross 算 法 和 Canny 算 法 。 各 类 算 法 的 基 本 思 想 都 是 采 用 构
的算法应用于人眼检测主要有 Adaboost 算法[4]和 Deep learning 本 ，以及 训 练 过程 和 分 类器 构 成 复杂 的 缺 点 。 在 人 眼 粗 略 检
算 法 [5]，这 两 种 算 法 在 人 眼 测 量 领 域 都 有 不 错 的 效 果 。
测的过程中，检测精度要求并不高，但是对检测速度具有很
Abstract: Aiming at pupil precise localization algorithm is too complicated in present stage， put forward a pupil precise localization algorithm from rough to precise. First， according to grayscale integral projection of the face，the general location of the eyes can be determined quickly. Then use the Hough transform to locate the exact position of eye pupil center. Next， use Harris corner detection algorithm find the corner of the eye. Finally， determine the exact position of the pupil through the coordinate location of the pupil and eye corner. The proposed algorithm tested with the MATLAB， it is proved to be a simple， accurate positioning algorithm. Key words: pupil location； grayscale integral projection； Hough transform； Harris corner detection DOI:10.14022/ki.dzsjgc.2016.15.054
3）找 出 数 组 （A，B，R）中 的 最 大 值 （a，b，r）即 为 瞳 孔 所 对 应 的 圆 方 程 ，（a，b）坐 标 即 为 瞳 孔 中 心 所 对 应 的 坐 标 。
最终求得的瞳孔中心如图 5 所示。
图 5 瞳孔中心位置定位图
3 瞳孔坐标计算
求得瞳孔中心位置的坐标后需要找到合适的坐标轴，
数 据 的统 计 学 习方 法[3]。 其 中基 于 统 计学 习 的 算 法 又 是 现 阶 Deep learning 神经网络算法。 这类方法的特点是算法智能化，
段人眼检测算法的热点，因为这类方法适用性较强，在人工 对所处理的图片质量要求较低，对各种姿势的人眼检测都具
智能及模式识别领域都有较为深入的研究。 将基于统计学习 有较好的效果；但是基于学习的方法都有需要大量的训练样
现阶段的人眼粗略检测方法大致可以分为基于统计的
近年来眼睛定位算法很多，其中比较典型的有基于人体 方法和基于图像处理的方法。 基于统计的方法也可称为基于
测 量 学 标 准 的 方 法[1]，基 于 肤 色 模 型 的 检 测 方 法 [2]，基 于 训 练 学 习 的 模 式 识 别 处 理 方 法 ， 主 要 算 法 有 Adaboost 算 法 和
ZHOU Yong-xiu， ZHANG Lian， GAO Zi-xiang， CHEN Da-xiao （School of Electronic Information and Automation， Chongqing University of Technology， Chongqing 400054， China）
原理：根据圆的数学表达式：
（x-a）2+（y-b）2=r2
（8）
可以 知 道 ，确 定 圆 心坐 标 （a，b）及 圆 的 半 径 r 后 ，可 以 求
得圆周上所有点（x，y）的坐标。 反过来，知道了圆周上一点（x，y），
可以求出过这点的所有圆的方程 ，并用（a，b，r）表示。 找到对
应 图 片 上 点 （x，y）最 多 的 圆 的 方 程 （a，b，r），即 可 求 出 图 片 上
2） 构造尺度不变梯度算子 L， 式中 n 表示 算 子 的序 列
号：
1，n＜（1-1）/2
l（n）= 0，n＝（1-1）/2
（3）
-1，n＞（1-1）/2
3） 用梯度算子与原图像 I 进行卷积后得到图像的梯度
图 I′：
I′= L*I
（4）
4） 计算垂直方向上的人脸灰度梯度积分投影 P′y （x）：
但上述算法基本都是对于瞳孔位于人眼正中的人脸图 高的要求，所以本文采用基于图像的处理方法。
像 进行 定 位 ，不能 精 确 检测 瞳 孔 转动 时 的 精确 位 置 。 为 了 瞳 1.1 垂直方向上的人脸灰度梯度积分投影
孔精确定位及跟踪的要求，本文提出了一种由粗略到精确的
由于眼睛是人脸垂直方向上灰度积分变化最大的区域，
-1 -2 -1
首先 用 Sx 和 Sy 分 别 与 原 图 像 作 卷 积 得 到 原 图 像 每 一 像 素的横向及纵向梯度值 Gx 和 Gy：
－182－
图 4 左右眼边缘值提取图 从图 4 可以看到， 人眼瞳孔边缘呈一个很规则的圆形，
求得瞳孔边缘的圆心即可得到瞳孔中心所在的位置。 本文采
用 Hough 变换求取瞳孔中心位置。 Hough 变换求圆心的基本
度积 分 算法 粗 略 找出 人 眼 部位 在 人 脸上 的 大 概位 置 ， 然 后用 Hough 变 换 定位 出 人 眼瞳 孔 中 心的 精 确 位置 ， 接 着 用
Harris 角点检测算法对眼角点进行定位，最后通过瞳孔与眼角点的相互坐标定位出人眼瞳孔的精确位置。通过 matlab
对所提算法进行检验，证明了该算法是一种实现简单、定位精确的算法。
算 法 和 CSS 算法 ， 本 文 采用 Harris 算 法 检测 眼 角 点 的 位 置 。
根据 Harris 算 法 的基 本 原 理 ， 可 以 将 图 像 上 的 点 分 为 3 类 ：
式 I（x,y）中表示图像 第 x 行、第 y 列 的 灰度 值 ，W 表 示图
收 稿 日 期 ：2015-09-02
稿 件 编 号 ：201509019
像 的 宽 度 ，Py（x）表 示 图 像 第 x 行 的 灰 度 积 分 值 ，其 曲 线 如 图
基 金 项 目 ：重 庆 高 校优 秀 成 果转 化 资 助项 目 （KJZH14213）；重 庆市 科 技 人 才 培 养 计 划 （新 产 品 研 发 团 队 ）（CSJC2013KJRC-TD-
（7）
最后选取合适的阈值判断该点是否为边缘点。 所得的二
值化图像如图 2 所示。 由于图像人脸边界处存在灰度值的像
素点远高于其他地方，所以可以得到图 2 所示的积分投影曲
线，通过曲线的左右两个峰值位置确定人脸的两个左右边界。
图 2 人脸水平方向边缘点积分投影图 分别通过垂直方向和水平方向的积分投影确定眼睛在 人脸中的位置后，得到人眼粗略位置如图 3 所示，以便下一 步瞳孔精确定位。
第 24 卷 第 15 期 Vol.24 No.15
电子设计工程 Electronic Design Engineering
2016 年 8 月 Aug. 2016
一种由粗略到精确的瞳孔定位算法
周永修， 张 莲， 高梓翔， 陈大孝 （重庆理工大学 电子学院， 重庆 400054）
摘要： 针对现阶段实现瞳孔精确定位算法过于繁琐的问题，提出一种由粗略到精确的瞳孔精确定位算法。 首先用灰
关键词： 瞳孔精确定位； 灰度积分投影； Hough 变换； Harris 角点检测
中图分类号： TN06
文献标识码： A
文 章 编 号 ：1674－6236（2016）15-0181-03
A pupil precise localization algorithm from rough to precise
JS40012）
作者简介：周永修（1990—），男，重庆人，硕士研究生。 研究方向：模式识别，图像处理，计算机视觉。
－181－
《电子设计工程》2016 年第 15 期
1（a）所 示 。
可以看到，根据普通的灰度积分投影并不能准确找到垂
直方向上人眼的位置，因为普通灰度积分只能对每一行的灰
度值进行简单累加， 并不能反应每一行的灰度值变化情况。