一种改进的基于模板匹配眼睛特征点定位算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (32): 207-209.

一种改进的基于模板匹配眼睛特征点定位算法

费俊琳,俞王新,王志中

上海交通大学生物医学工程系,上海 200240

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-11 发布日期:2007-11-11
通讯作者: 费俊琳

Modified template matching based algorithm for eye location

FEI Jun-lin,YU Wang-xin,WANG Zhi-zhong

Department of Biomedical Engineering,Shanghai Jiaotong University,Shanghai 200240,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-11 Published:2007-11-11
Contact: FEI Jun-lin

摘要/Abstract

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

Abstract: As the limitation in the precision and speed of template matching,a modified eye locating method for template matching with extend templates selected by correlation coefficient algorithm is proposed.At the same time,this paper utilizes the rough location and accurate location to speed up the process.The inaccurate location due to the high similarity between the eyes and brows is avoided by changing the eye template to eye-brow template.The algorithm reduces the redundancy of the template set by taking the correlation coefficient to select the efficient templates,and then,the man-made error in template select is avoided.Thus the location precision and speed are improved obviously.

Key words: face recognition, eye location, template matching, eye-brow template, correlation coefficient

费俊琳,俞王新,王志中 . 一种改进的基于模板匹配眼睛特征点定位算法[J]. 计算机工程与应用, 2007, 43(32): 207-209.

FEI Jun-lin,YU Wang-xin,WANG Zhi-zhong. Modified template matching based algorithm for eye location[J]. Computer Engineering and Applications, 2007, 43(32): 207-209.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[8]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[9]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[10]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[11]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[12]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[13]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[14]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[15]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.