基于边缘与灰度梯度的人眼特征定位分析

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位.首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域.试验表明,本方法能快速而精确地实现人眼特征的定位.

一种基于人脸检测的人眼特征定位方法

人脸图像分析中,眼睛的精确定位是非常重要的一个环节。文章提出了一种基于人脸检测的人眼特征定位方法。首先采用AdaBoost人脸检测算法对人脸图像进行人脸检测,确定人脸位置。然后根据人脸面部结构特征估计人眼所在区域,利用该区域内的灰度和梯度特征搜索人眼特征点。实验表明该方法能够快速有效地定位出人眼特征。

基于Lucas-Kanada光流法的人眼特征点实时跟踪方法

为更好地实现运动目标的检测跟踪,给出一种基于Viola-Jones特征点检测、亚像素角点提取与LucasKanade光流法跟踪相结合的人眼特征点实时跟踪方法。利用Viola-Jones算法检测出人眼区域,使用Harris角点算法在目标区域中提取亚像素级人眼特征点并引入筛选机制,从而在保证跟踪精度的同时减少运算量,采用金字塔分层机制的Lucas-Kanada光流法对运动的人眼特征点位置进行估计。该机制具有可切换的搜索窗口特点,兼顾了对大尺度高速度运动目标的跟踪。实验结果表明,该方法在保证算法实时性的同时明显提高了人眼特征点跟踪精度,并且能够保证快速及大尺度运动时的系统鲁棒性。