哈夫变换检测固定半径圆在人眼定位中的应用.docVIP

哈夫变换检测固定半径圆在人眼定位中的应用 摘要：人眼检测在许多基于眨眼计算和眼睛直径指标控制应用如虹识别、疲劳检测中是必须的阶段。这篇文章提供了一种使用图像处理技术伴随最小的硬件支持来检测图像中眼睛的存在及其位置的方式。预处理含有彩色范围处理和彩色分割。哈夫变换被应用在使用固定半径圆的方式的研究中。发展算法的表现是通过几个方面来评定的，例如人脸的精确识别和人眼定位。 关键词：哈夫变换 人眼定位 固定半径 Ⅰ 简介 经过键盘，鼠标或者其他基于手工的设备，人工和计算机之间的相互作用已经被限制。最近几年，新技术开始在计算机领域中出现，这也使如通过声音和视线跟踪的人工智能交互的其他方式得到提升。基于视线跟踪的几种研究在人工智能或者其它应用类型上已经完成了。这些研究的应用发展表现在很多方面，例如使用视线跟踪来移动鼠标点或者通过键盘打字呈现在电脑屏幕上。 在视线跟踪中人眼定位是一件首要的事。在这个工程中，一种算法为了图像中人眼的定位被研究。这个系统能够检测人眼的移动及其移动方向。这个信息当时被用作人类视力习惯的学习数据或使人工智能交互系统的每一个部分成为整体为没有能力的人服务。 早在1936年，Mowrer就开始视力研究了，他成功制造出自动的头部眼睛方位的记录及视线跟踪方向。在视力中的研究比其他人工智能交互作用的类型带来更多的利益，因为人眼的移动能够提供许多的信息。眼睛的移动能够作为一种情感的表达方式和残疾人的交流方式。 图像中人眼定位技术分为两种类型：介入式和非介入式。介入式要求主题带有一定的设备，像特殊的联系晶片或电子显微镜，它们能够跟踪视线。另一方面，非介入式使主题能够自由带有任何类型的设备。非介入式包括红眼效果、特征检测和神经网络。在这一研究中，基于图像特征检测的非介入式使被关闭的。特征检测技术能够达到人眼定位的效果，因为它不要求主题带有任何设备，特征检测技术主要依靠定位人眼的唯一特征，例如眼睛的环形状。这个技术能够与其他运动检测技术相结合去跟踪人眼的移动及移动方位，这个研究的范围仅限于基于特征检测的人眼定位。 Ⅱ 方法学 全面的系统被分为3个阶段：视频和图像的获取、图像的预处理及人眼定位。系统的每部分都负责人眼的渐进定位。 这个系统是基于来自于一段视频图像框架的输入，从而数码相机捕获视频的能力被需要。这个系统算法及使用者界面是使用MATLAB版本7.04服务包装2被建立的。 这个系统的第一阶段是视频和图像的获取，在这一阶段中，一个单独的来自捕获的视频框架被转换成图像框架，而且被储存在记忆中。在第二阶段，图像框架输入到图像预处理部分，这里人脸和人眼所在区域被定位。在预处理阶段使用如YcbCr彩色模型来检测皮肤颜色，制定人脸和人眼四分之一比率的界限及使用MATLAB函数移动不想要的脸部特征，通过使用眼睛区域图像剪裁来自预处理阶段的图像。在最后阶段人眼的位置被确定。这一阶段是通过Sobel或Prewitt边缘检测来完成的，而在人眼定位阶段用的事哈夫变换检测固定半径圆，在这一阶段人眼的中心位置或其他协调位置被获得。在人眼定位阶段提取人眼边缘由于边缘检测算法使用能力不充分可能在许多框架中发生错误。 由于视频或者图像的连续被使用，算法将从一个框架到下一个框架继续被使用。在第3阶段的最后来自最近的框架将被保存在计算机记忆中，而且系统将继续处理下一个来自第一阶段的视频框架的初始化。如果最近的框架就是视频的最后一个框架，这是系统将停止，表示视频处理结束。 A、边缘检测 在图像目标的边沿，边缘检测使用其灰度中断，这个中断在图像中通过使用像素一阶和二阶导数来计算。在一个目标的边缘存在一灰度变化剧烈的地方，如图1所示。 边缘的灰度轮廓呈现一个从黑道白的梯度变化，通过计算其一阶导数，一个最高点被定位在过渡的独立点上。二阶导数呈现了来自边缘黑暗边过渡的积极最高点，边缘的消极最高点为白边。一阶导数通常被用于检测边缘的存在，而二阶导数为了检测是否边缘像素在黑或白边。 图像的边缘能够被定义为从一个区域到另一个区域灰度变化剧烈的地方。根据变化率图像的梯度函数在那一点有巨大的作用，它能够通过一阶导数根据倾斜度被检测。一个图像的梯度函数f(x,y)被定义为矢量： （1） 这个矢量的大小是： （2） 它的方向是： （3） 如果函数的方向导数沿着任意两个直角都知道，则该图像的梯度能够被计算出来。梯度算法有很多类型，它们之间的主要差别是在这些方向中它们的近似的一阶导数和它们结合这些导数计算的梯度的等级。边缘检测中几个著名的梯度算法是Roberts,Sobel,Prewitt和Canny。 输出图像来自另一