段 萍 ，楊 龍 ，劉祥樓

(東北石油大學(xué)電子科學(xué)學(xué)院，黑龍江大慶市163318)

1 概述

隨著信息化技術(shù)、計算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，可視化的人臉圖像資源將變得越來越多。建立快速高效的人臉圖像檢索機(jī)制，己經(jīng)成為電子信息領(lǐng)域內(nèi)亟待解決的問題。人臉圖像檢索在公安(罪犯識別等)、安全驗證系統(tǒng)、、醫(yī)學(xué)、檔案管理、人機(jī)交互系統(tǒng)等方面有巨大的應(yīng)用前景，是當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點和極富挑戰(zhàn)性的課題?；谡Z義描述的人臉圖像檢索方法，吸取了人臉分割、特征分類、語義檢索等方法的優(yōu)點，通過對面部器官的幾何特征點檢測來設(shè)定不同的面部器官形狀特征參數(shù)，建立語義化的圖像特征數(shù)據(jù)庫，使之建立的語義人臉圖像檢索系統(tǒng)，具有快速、高效、實用的特點。而眼睛作為臉部特征的重要組成部分，是人臉上最顯著，最穩(wěn)定的特征，對于人臉信息的處理具有重要的意義，不僅可以提高人臉識別和檢測的速度，而且能夠降低識別算法的復(fù)雜度。當(dāng)前學(xué)術(shù)領(lǐng)域關(guān)于眼部特征提取的研究有很多，主要涉及眼部特征提取的各個環(huán)節(jié)，如人眼定位，人眼區(qū)域分割，人眼特征提取等。在此對這些主要常見的方法進(jìn)行分析和討論，最后對基于眼部特征語義化圖像檢索的發(fā)展和應(yīng)用做一個簡單的展望。

2 人眼特征提取的關(guān)鍵技術(shù)

人眼特征提取技術(shù)在人臉識別和人眼虹膜識別系統(tǒng)中都占有十分重要的地位，但無論是在那種圖像檢索系統(tǒng)中的應(yīng)用，其人眼特征提取技術(shù)主要是由人眼定位，人眼區(qū)域分割，人眼特征提取3個方面。

2.1 人眼定位

要想得到人臉眼間帶狀區(qū)域，首先得定位出雙眼的位置來。眼睛定位在人臉識別中具有非常重要的地位，于是人們研究各種算法來實現(xiàn)眼睛定位，目前，眼睛定位算法主要是利用待檢測圖像中的灰度、紋理、眼睛形狀或輪廓特征定位眼睛，如基于輪廓檢測的眼睛定位算法［1］和基于灰度投影或改進(jìn)的灰度投影法［2，3］等。文獻(xiàn)［1］根據(jù)眼睛的灰度及輪廓結(jié)構(gòu)特征在人臉中的對稱性和灰度值的集中區(qū)域，提出了一種結(jié)合人臉中眼睛的灰度及面積信息的人眼定位新算法。文獻(xiàn)［2］在計算圖像水平方向灰度投影時，加入像素點的位置方差特征，準(zhǔn)確地找出了眼睛的水平位置，更加精確地定位眼睛坐標(biāo)。文獻(xiàn)［3］則提出利用二維的方式進(jìn)行人眼定位的方法，重新建立了基于區(qū)域的人眼窗口投影模型，給出了區(qū)域投影函數(shù)(RPF)的描述，根據(jù)區(qū)域內(nèi)灰度分布特性實現(xiàn)了人眼粗定位和精定位。

邊緣特征分析法是利用圖像的垂直灰度投影曲線，根據(jù)凸峰寬度和人臉區(qū)域的水平灰度投影曲線預(yù)測選定人眼在眉眼區(qū)域的大概位置，通過檢測眉眼部位的邊緣及邊緣分組，確定雙眼的坐標(biāo)位置。

對眼睛的定位Jian_Hong Hu［4］等提出Sobel算子法，對人臉區(qū)域的灰度圖用Sobel濾波器進(jìn)行水平邊緣檢測，Sobel算子對于象素的位置的影響做了加權(quán)，因此效果更好，使用的Sobel算子:

2.2 人眼圖像分割［5］

如果用一個正方形作模板，使其在利用Sobel算法處理后生成的梯度圖像中移動，求出正方形大小范圍像素值的和，因此在圖像左上和右上1/4區(qū)域內(nèi)，像素值的和最大的正方形對應(yīng)的位置，就是左右眼位置，即可把左右眼分割出來。

對于構(gòu)造正方形模板。根據(jù)人臉“三庭五眼”的比例，人眼寬度大致為臉寬的五分之一，因而選取的正方形的邊長為臉寬的五分之一，設(shè)其為x，則濾波算子如下:

利用Sobel算子法對人臉眼間帶狀區(qū)域圖像進(jìn)行五官分割，利用人臉眼間帶狀區(qū)域二值圖的邊緣圖，可以有效地把頭發(fā)及衣物的干擾完全去除。

2.3 人眼睛特征取方法

2.3.1 眼睛的幾何模型

由于自然的多樣性，沒有兩個人的眼睛是完全一樣的，根據(jù)人眼的形狀不同，人們用了許多簡潔而形象化的詞語來描述它們，稱之為眼睛的語義特征。例如眼睛的大小不同，上眼皮的單雙形狀不同，內(nèi)眼角之間距離不同，眼珠的橢圓化程度不同等等。通過進(jìn)一步分析和處理，在得到了眼睛的形狀和邊緣輪廓等關(guān)鍵特征后，就能找到眼睛所對應(yīng)的幾何位置，并由此定義一些眼睛形狀特征參數(shù)，將眼睛形狀的分類用參數(shù)值的不同范圍來表示［6］。眼睛的幾何模型如圖1所示。

a、c表示人眼睛內(nèi)外眼角，b、d表示人眼睛得上下邊緣，求的眼睛邊緣點參數(shù)便可得兩眼之間距離的長短;眼珠的長徑和短徑;眼珠的圓度;旋轉(zhuǎn)傾斜程度等形狀參數(shù)，而這些形狀參數(shù)能在一定程度上反映出眼睛的基本形狀特征。

2.3.2 眼睛特征的提取

對于眼睛特征的提取，國內(nèi)外學(xué)者提出了許多算法。其中最常用的是基于模板匹配的算法和基于特征點的算法?；谀０迤ヅ涞乃惴ㄊ且x一個眼睛模板，基于特征點的算法則是定位眼睛特征點，例如眼睛角點，然后利用特征點構(gòu)造出眼睛輪廓。還有一類算法將模板匹配和特征點信息相結(jié)合，這類算法具備特征點和模板匹配的優(yōu)點，如一種改進(jìn)Snake眼睛輪廓提取算法和基于梯度估計的眼睛角點提取算法［7］和一種改進(jìn)的Canny邊緣檢測法［8］。

對人眼區(qū)域圖進(jìn)行Canny邊緣檢測，檢測出的邊緣圖。然后進(jìn)行垂直積分投影，根據(jù)垂直積分投影曲線，如圖2所示，可以分別確定左右眼的最左、最右邊緣點。

圖1 眼睛的幾何模型

圖2 眼部邊緣圖的垂直積分投影曲線

由左眼最右邊緣點及右眼最左邊緣點的水平坐標(biāo)可求出兩眼中心點的水平坐標(biāo)，然后以把人眼邊緣圖一分為二成左眼邊緣圖和右眼邊緣圖，分別對左右眼邊緣圖作水平積分投影，可確定左眼及右眼的最上邊緣點和最下邊緣點。

3 應(yīng)用展望

目前人臉圖像檢索領(lǐng)域研究發(fā)展的新趨勢是基于語義的圖像檢索，而為了克服傳統(tǒng)人臉圖像檢索理論研究中的難點，同時使人臉圖像檢索技術(shù)能夠進(jìn)一步實用化，在針對語義圖像檢索理論研究的基礎(chǔ)上，優(yōu)化人臉分割、特征分類、語義檢索等各環(huán)節(jié)的方法，力求避開圖像之間繁瑣的匹配處理過程，探索基于語義描述的特定人臉圖像檢索的新方法。而眼睛作為臉部特征的重要組成部分，通過對面部器官眼睛的幾何特征點檢測來設(shè)定不同的形狀特征參數(shù)，建立語義化的圖像特征數(shù)據(jù)庫，使之所建立的語義人臉圖像檢索系統(tǒng)更加快速、高效、實用。

［1］鐵俊波，朱俊星.基于輪廓檢測的眼睛定位算法［J］.人工智能及識別技術(shù)，2010，20(6):5572-5573

［2］王錕，田翔.一種改進(jìn)的基于灰度投影的人眼定位算法［J］.科學(xué)技術(shù)與工程，2011，16(11):3845-3847

［3］王文成，常發(fā)亮.一種基于區(qū)域投影的人眼精確定位方法［J］.光電子·激光，2011，22(4):618-622

［4］HU J，WANG R.Compression of personal identification pictures using vector quantization with facial feature correction ［J］.Optical Engineering，1996，35(11):198-203

［5］肖發(fā)遠(yuǎn).證件照片的臉部對象分割與檢索研究［D］.上海:上海大學(xué)，2005:25-32

［6］陳粟.基于語義描述的特定人臉圖像檢索［D］.合肥:中國科學(xué)技術(shù)大學(xué)，2005:18-43

［7］黎云漢.人臉特征提取與跟蹤［D］.杭州:浙江大學(xué)，2008:41-46

［8］張明.基于語義特征的人臉特征提取方法的研究［D］.東北石油大學(xué)，2011:18-21