基于YCbCr模型和形态学的瞳孔分割及人脸检测VIP免费

第卷第期计算机仿真拢万年月文章编号侧拓一拓一一以基于模型和形态学的瞳孔分割及人脸检测张海林,李榕,常鸿森广州华南师范大学物理与电信工程学院,广东广州肠摘要该文提出了一种精确度高、抗干扰性强的人眼瞳孔分割方法,并利用这种方法定位人脸。先利用模型提取人脸候选区域,然后根据人眼吐孔的圆形特征,从形态学人手,先利用模型提取人脸候选区城,然后根据人眼睦孔的圆形特征,使用形态学方法增强晚孔和其他区域的对比度,最后对睦孔进行投形以确定暄孔位。当人脸候选区域和位孔区城的交集就是要找的人脸,最后对人脸进行归一化处理。该文提出的形态学方法同时保留了睑孔的圆形形状和灰度对比度,并利用这种方法定位人脸。关词形态学肤色聚类瞳孔分割人脸定位中圈分类号二玛文橄标识码〔协一,,一,,邵叫肠,址加。脚印巨叨,甲一一盯引盲人脸检测技术在身份识别领域得到日益广泛的应用。人脸检测技术的兴起自今二三十年的历史,就成为了研究热点之一,而人眼的检测是人脸检侧技术的关键。到目前为止,还没一个完善的检测方法。人脸检测技术主要分为基于彩色模型检测和基于非彩色模型检测。无论是基于彩色模型还是基于非彩色模型,都各有优缺点。考虑到人脸肤色与其他大多数背景物体的颜色是不同和形态学方法的执行效果,本文采用的是彩色模型。利用人脸肤色不仅可以快速从复杂背景中找到人脸候选区域,而且还减少了算法的误判率。在棋型代表亮度、‘代表蓝色差、代表红色差中的脸肤色有很强的聚类性,亮度对人脸肤色几乎没贡献,蓝色差和红色差有很强的聚类性,并且它们之间也具有相关性川。选取适当的和值就能将人脸从复杂的背景中分离出来。分离出来的候选区域可能包括和人脸肤色相同或者相似的非人脸,要从候选区域把真人脸区域分离出来,就要考虑人脸的特征。本文是先确定眼睛的位置,把含有眼睛的候选区域作为真实人脸区域。眼睛的定位是人脸检侧技术中的一个难点,本文利用形态学算法直接得到眼睛的候选区域。形态学方法比其它空域或颇域图像处理和分析方法具有一些明显的优点川。形态学算子能有效地滤除噪声,又可以保留原有信息,另外容易用并行处理方法有效地实现,而且硬件实现也容易基于形态学边缘的边缘信息提取优于基于微分运算的边缘提取算法,同时,提取的边缘也比较光滑利用形态学方法提取的图像骨架人也比较连续,断点少。荃金项目广东省教育厅自然科学研究项目劝收稿日期么刃一’一人脸分创先将真彩照片模型转换成为以模型。模型中,代表红色、‘代表绿色、代表蓝色。模型转化为以模型的公式如下一一‘叭砚〕一一一一取和之间,取和之间,将肤色范围的区域转化为二值图白色为,黑色为。二值图中有一些空洞,用形态学闭运算填充空洞,得到的白色区域为人脸候选区城,黑色区域为背景区域。结果如图一图。圈圈像圈人脸二位白色为人脸区城别过程中一个关键步骤。人眼定位可分为基于象家分布特征的方法、基于模板的方法、基于色彩信息的方法等。基于象素分布特征的方法是得到可能人脸内轮廓区城后分别对二值图何灰度图剪切,得到具有不同特征的内轮脚,剪切后的灰度图用于补充人眼信息,剪切后的二值图用于提取人眼信息。但这种方法的效果取决于原图像的质。基于可变模板的方法’是先建立一个由一个圆和两条相对的抛物线组成的人眼模板,然后模板被移到眼睛附近而后逐步调整相关以达到最优。这种方法和模板的起步位有关,而且耗时长,难以保证最优匹配。基于色彩信息的方法是根据人眼的色彩信息定位人眼,这种方法的缺点就是易受光照和图像采集设备的特性的影响。本文从形态学的角度分割睦孔,从而避免了以上缺点。因为在人脸区城中人眼的吐孔是最符合圆的部位,而且瞳孔的灰度和周围的灰度变化丰富,对图像做人脸分割之后再做睦孔分割和定位有助于提高人脸定位的精确度。所以,只要突出人脸区域中符合圆的部位的灰度,并减弱其他部位的灰度,即增强对比度就能满足分俐要求。为了达到增强对比度的目的,设人脸区域为,构造一个半径为的圆盘型结构元素。用结构元素对人脸区城做闭运算,这样,平滑了轮廓,融合了狭窄的间断和细长的“沟壑”和消除了细小的空洞川令是一个中的集合。假设二,内是的元素,即可写为。集合平移到点...