一种快速的自动人眼定位方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (7): 183-186.

• 图形、图像、模式识别 • 上一篇下一篇

一种快速的自动人眼定位方法

黄增喜1，张海军1，李一波1，穆志纯2

1.沈阳航空航天大学自动化学院，沈阳 110136
2.北京科技大学信息工程学院，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-01 发布日期:2011-03-01

Method for fast automatic eyes localization

HUANG Zengxi1，ZHANG Haijun1，LI Yibo1，MU Zhichun2

1.College of Automation，Shenyang Institute of Aeronautical Engineering，Shenyang 110136，China
2.College of Information and Engineering，Beijing University of Science and Technology，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-01 Published:2011-03-01

摘要/Abstract

摘要： 眼睛定位是人脸生物特征识别的重要组成部分。提出了一种快速、高效的人眼定位方法，该方法先用基于Haar-like特征的AdaBoost级联分类器检测出人脸块，粗定位左、右眉眼区域，采用改进的灰度投影法分别将两块区域中的眉毛部分分离掉，最后分别将左右眼区域分割成若干小图像块，联合图像块灰度均值、复杂度和结构居中度等信息精确定位人眼。该方法在中科院人脸库CAS-PEAL的Normal子库上表现优异，取得了约99%的定位正确率。实验结果表明，该方法速度快，定位效果好。

关键词: 人眼定位, AdaBoost, 改进的灰度投影法, 复杂度, 结构居中度

Abstract: Eyes localization is an important part of human face biometrics.A fast and effective automatic position approach of the human eyes is introduced.It detects face blocks using the AdaBoost cascade classifier based on Haar-like features，and marks out the rough areas of left and right eye-eyebrow regions.The Improved Projection Function（IPF） is applied to separate the eyebrows from the eye regions.The two eye regions are devided into a number of small image blocks respectively.The accurately positions of eyes are defined after using a united method based on the mean，complexity and the structure central measurement.This method gets a good performance about 99.1% of correct positioning in the Normal sub-library of the CAS-PEAL face database.The experimental results show that it’s a fast and effective eyes localization method.

Key words: eyes localization, AdaBoost, improved projection function, complexity, structure central measurement

黄增喜1，张海军1，李一波1，穆志纯2. 一种快速的自动人眼定位方法[J]. 计算机工程与应用, 2011, 47(7): 183-186.

HUANG Zengxi1，ZHANG Haijun1，LI Yibo1，MU Zhichun2. Method for fast automatic eyes localization[J]. Computer Engineering and Applications, 2011, 47(7): 183-186.

[1]	陈金鑫，沈文忠. 基于EL-YOLO的虹膜图像人眼定位及分类算法[J]. 计算机工程与应用, 2021, 57(17): 217-223.
[2]	刘艺，张起贵. 划分层次限制的快速帧间预测算法[J]. 计算机工程与应用, 2021, 57(10): 200-203.
[3]	袁顺杰，程辉，叶贞成，程培鑫. SOM-T2 FLS在股市预测中的应用研究[J]. 计算机工程与应用, 2020, 56(7): 130-136.
[4]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[5]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[6]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[7]	弓剑锋1，韩建栋1，邓一凡2. 基于运动特征及位置估计的行人检测算法[J]. 计算机工程与应用, 2019, 55(7): 138-144.
[8]	邓有为1，杨永建1，彭志颖1，甘轶1，马健1，黄柏儒2. 物种生灭算法的改进策略[J]. 计算机工程与应用, 2019, 55(3): 55-60.
[9]	张凯兵，王珍，闫亚娣，朱丹妮. 优化的AdaBoost回归图像超分辨方法[J]. 计算机工程与应用, 2019, 55(20): 159-163.
[10]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[11]	陈飞1，2，刘建东1，胡辉辉1，2，商凯1，2. 二维整数帐篷映射模型设计及安全性仿真分析[J]. 计算机工程与应用, 2019, 55(1): 103-108.
[12]	李婷，张景祥. 集中趋势自适应增强的英语作文评分算法[J]. 计算机工程与应用, 2018, 54(9): 151-155.
[13]	曹万鹏，罗云彬，史辉. 抗外点干扰的鲁棒AdaBoost分类器构建方法[J]. 计算机工程与应用, 2018, 54(7): 132-137.
[14]	翟夕阳，王晓丹，李睿，贾琪. 基于信息熵的RVM-AdaBoost组合分类器[J]. 计算机工程与应用, 2018, 54(5): 138-143.
[15]	赵瑛1，耿秀琳1，李琦1，蒋广琪1，谷宇1，2. 视觉假体中动态图像识别研究[J]. 计算机工程与应用, 2018, 54(23): 162-169.

一种快速的自动人眼定位方法

Method for fast automatic eyes localization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics