劉祥樓+楊龍+孫悅

摘要： 以標(biāo)準(zhǔn)證件照片為研究對象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對眼睛、眉毛及眉眼共設(shè)定14項主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過改進(jìn)的Hough變換算法實現(xiàn)對眉毛和虹膜外邊緣輪廓檢測；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實現(xiàn)語義編碼。經(jīng)1 000張證件照實驗證明，圖像特征的提取成功率為99%以上，系統(tǒng)對每幅圖像自動處理時間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語義編碼

中圖分類號： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語義特征[13]提取在如機(jī)器視覺、人臉識別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測等。在基于可變形模板法[910]中眼睛的幾何模板中需要對幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過先驗知識設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對眼睛特征的提取，但計算復(fù)雜度較高、比較耗時。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測出眼睛特征值?；趲缀翁卣鞯娜四槞z測方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對眼睛或眉毛[11]單獨進(jìn)行幾何模型特征提取，沒有把眉毛與眼睛作為一個整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對眼部特征幾何形狀的視覺感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒有量化，譬如三角眼不同的人對其感覺會有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對眼部特征的漢語語義描述往往就是針對眼睛的特點，用許多形象、簡潔的漢語語義來描述眼睛的特征，譬如細(xì)長眼、瞇縫眼、三角眉、八字眉等，細(xì)長眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點距離的比例，當(dāng)比例比較小時表現(xiàn)出來的細(xì)長的視覺特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對眼部特征的語義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個方面的語義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實驗仿真與結(jié)果分析仿真實驗計算機(jī)配置為AMD Athlon X2臺式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計算機(jī)運行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺上，本文采用東北石油大學(xué)2011級研究生入學(xué)采集的1 000張照片作為實驗樣本，實驗的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時，以語義字段的形式進(jìn)行編碼，如表1所示。每個混合特征參數(shù)針對實驗過程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實驗過程中輸出的圖像，可以看到檢測出來眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過投影可以測得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測得眉毛、眼睛角點的坐標(biāo)，通過坐標(biāo)值可以計算不能直接用投影直接提取的特征參數(shù)。例如B1點與B3點之間連線的水平夾角，可以通過投影測得其坐標(biāo)值，利用坐標(biāo)值測得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點水平，N9<0表示眉毛上揚。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識別方法[J].中國圖象圖形學(xué)報，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點特征的眼睛輪廓提取[J].中國圖象圖形學(xué)報，2007，12（7）：12251229.

[9]李文書，何芳芳，錢沄濤，等.基于Adaboost高斯過程分類的人臉表情識別[J].浙江大學(xué)學(xué)報，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實時分類[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識別方法研究[J].計算機(jī)工程與科學(xué)，2008，30（11）：2830.

摘要： 以標(biāo)準(zhǔn)證件照片為研究對象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對眼睛、眉毛及眉眼共設(shè)定14項主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過改進(jìn)的Hough變換算法實現(xiàn)對眉毛和虹膜外邊緣輪廓檢測；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實現(xiàn)語義編碼。經(jīng)1 000張證件照實驗證明，圖像特征的提取成功率為99%以上，系統(tǒng)對每幅圖像自動處理時間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語義編碼

中圖分類號： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語義特征[13]提取在如機(jī)器視覺、人臉識別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測等。在基于可變形模板法[910]中眼睛的幾何模板中需要對幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過先驗知識設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對眼睛特征的提取，但計算復(fù)雜度較高、比較耗時。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測出眼睛特征值?；趲缀翁卣鞯娜四槞z測方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對眼睛或眉毛[11]單獨進(jìn)行幾何模型特征提取，沒有把眉毛與眼睛作為一個整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對眼部特征幾何形狀的視覺感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒有量化，譬如三角眼不同的人對其感覺會有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對眼部特征的漢語語義描述往往就是針對眼睛的特點，用許多形象、簡潔的漢語語義來描述眼睛的特征，譬如細(xì)長眼、瞇縫眼、三角眉、八字眉等，細(xì)長眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點距離的比例，當(dāng)比例比較小時表現(xiàn)出來的細(xì)長的視覺特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對眼部特征的語義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個方面的語義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實驗仿真與結(jié)果分析仿真實驗計算機(jī)配置為AMD Athlon X2臺式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計算機(jī)運行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺上，本文采用東北石油大學(xué)2011級研究生入學(xué)采集的1 000張照片作為實驗樣本，實驗的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時，以語義字段的形式進(jìn)行編碼，如表1所示。每個混合特征參數(shù)針對實驗過程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實驗過程中輸出的圖像，可以看到檢測出來眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過投影可以測得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測得眉毛、眼睛角點的坐標(biāo)，通過坐標(biāo)值可以計算不能直接用投影直接提取的特征參數(shù)。例如B1點與B3點之間連線的水平夾角，可以通過投影測得其坐標(biāo)值，利用坐標(biāo)值測得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點水平，N9<0表示眉毛上揚。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識別方法[J].中國圖象圖形學(xué)報，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點特征的眼睛輪廓提取[J].中國圖象圖形學(xué)報，2007，12（7）：12251229.

[9]李文書，何芳芳，錢沄濤，等.基于Adaboost高斯過程分類的人臉表情識別[J].浙江大學(xué)學(xué)報，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實時分類[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識別方法研究[J].計算機(jī)工程與科學(xué)，2008，30（11）：2830.

摘要： 以標(biāo)準(zhǔn)證件照片為研究對象構(gòu)建了眉毛與眼睛混合一體化參數(shù)模型，針對眼睛、眉毛及眉眼共設(shè)定14項主特征參數(shù)，據(jù)此創(chuàng)建28位二進(jìn)制語義編碼。圖像處理分為四步：首先，根據(jù)眼睛色度信息反映出的眼睛輪廓定位眉毛與虹膜，并針對眼部帶狀區(qū)域?qū)崿F(xiàn)圖像分割；其次，通過改進(jìn)的Hough變換算法實現(xiàn)對眉毛和虹膜外邊緣輪廓檢測；然后，用投影方法提取眼部混合特征參數(shù)；最后，按特征參量實現(xiàn)語義編碼。經(jīng)1 000張證件照實驗證明，圖像特征的提取成功率為99%以上，系統(tǒng)對每幅圖像自動處理時間小于1.75 s。

關(guān)鍵詞： 眼部特征； 混合參數(shù)模型； 語義編碼

中圖分類號： TP 391.9文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.06.014

引言眼部語義特征[13]提取在如機(jī)器視覺、人臉識別、人機(jī)交互界面中占有重要的地位。常用的眼部特征提取方法[47]有基于可變形模板法[8]、基于三庭五眼法、模板與投影相結(jié)合法、基于幾何特征檢測等。在基于可變形模板法[910]中眼睛的幾何模板中需要對幾何模型設(shè)置初始化參數(shù)，即便是在改進(jìn)的可變形模板中也需要通過先驗知識設(shè)置相應(yīng)的初始化參數(shù)，雖能夠?qū)崿F(xiàn)對眼睛特征的提取，但計算復(fù)雜度較高、比較耗時。模板與投影相結(jié)合法是在圖像搜索區(qū)域內(nèi)將模板遍歷搜索區(qū)域，根據(jù)相關(guān)匹配數(shù)值檢測出眼睛特征值?；趲缀翁卣鞯娜四槞z測方法是依據(jù)人臉當(dāng)中依據(jù)五官的位置劃分不同的區(qū)域，然后提取相應(yīng)的特征。以上方法大多是對眼睛或眉毛[11]單獨進(jìn)行幾何模型特征提取，沒有把眉毛與眼睛作為一個整體系統(tǒng)進(jìn)行建模。由于眉毛與眼睛在面部的幾何位置，往往依據(jù)對眼部特征幾何形狀的視覺感知，把眉毛與眼睛放在一起進(jìn)行描述，雖然描述清晰但是存在差異沒有量化，譬如三角眼不同的人對其感覺會有所不同。因此需要用相應(yīng)的現(xiàn)代技術(shù)手段對其用標(biāo)準(zhǔn)予以界定，用參照標(biāo)準(zhǔn)描述人眼特征顯得尤為重要。1描述眼部特征的方法

1.1構(gòu)建眼部特征混合參數(shù)模型傳統(tǒng)文化對眼部特征的漢語語義描述往往就是針對眼睛的特點，用許多形象、簡潔的漢語語義來描述眼睛的特征，譬如細(xì)長眼、瞇縫眼、三角眉、八字眉等，細(xì)長眼就是眼睛的垂直方向距離占眼睛內(nèi)外角點距離的比例，當(dāng)比例比較小時表現(xiàn)出來的細(xì)長的視覺特性。因此結(jié)合現(xiàn)有的眼部特征提取的方法，依據(jù)傳統(tǒng)文化對眼部特征的語義描述，采用眉毛與眼睛相結(jié)合構(gòu)建新型描述眼部特征混合參數(shù)模型，模型如圖1所示。在圖1所示混合參數(shù)模型中主要闡述三個方面的語義主特征：第一，描述眼睛的主特征，譬如特征參數(shù)N1描述眼睛間距，N2描述兩只眼睛的眼心距，N5描述的是虹膜在眼睛里水平方向占的比例，表示眼睛中眼白的多少；第二，描述眉毛的語義特征，譬如特征參數(shù)N7描述眉毛的粗細(xì)程度，N8描述眉毛之間的距離；第三，描述眼睛與眉毛之間的語義特征，特征參數(shù)N11描述眉毛與眼睛之間的距離，N12與N13描述的是以眼睛為參照物，判斷眉毛是內(nèi)側(cè)或者外側(cè)型。 表征眼睛主特征參數(shù)如：N1=EX3/EX1；N2=EX2/EX1；N3=EX4/EX1；N4=EY1/EX4；N5=2·IR1/EX1；N6=IX1/EX1；表征眉毛主特征參數(shù)如：N7=BY1/BY2；N8=EBX1/EX4；N9=（B1（y1）-B3（y3））/（B1（x1）-B3（x3））；N10=BX3/BX1；表征眼與眉毛之間主特征參數(shù)：N1=EBY1/EBY2；N2=EBX1/EX4；N3=EBX2/EX4；N4=EBX3/EX4；光學(xué)儀器第36卷

第6期劉祥樓，等：基于語義新型眼部特征的混合參數(shù)模型構(gòu)建

1.2提取描述眼部特征的混合參數(shù)混合參數(shù)模型的特征參數(shù)的提取主要原理：首先，依據(jù)眼睛的色度信息定位眼睛；其次，依據(jù)眉毛與眼睛的幾何位置關(guān)系分割出眉毛；最后，采用投影法提取相應(yīng)特征參數(shù)。眼睛特征的提取主要是利用膚色的聚類特征檢測出彩色圖像中人的臉部，然后根據(jù)眼睛的色度信息提取眼睛輪廓。眼睛特征提取系統(tǒng)主要分為四個環(huán)節(jié)，即圖像獲取、人臉定位、區(qū)域分割、特征提取。具體過程如下（1）膚色區(qū)域的中值分別用Cb（Y）和Cr（Y）表示，變換式為：Ci（Y）=A2實驗仿真與結(jié)果分析仿真實驗計算機(jī)配置為AMD Athlon X2臺式機(jī)，2.81 GHz主頻，2.0 GB內(nèi)存，計算機(jī)運行系統(tǒng)為Windows XP Professional SP3。在MATLAB軟件平臺上，本文采用東北石油大學(xué)2011級研究生入學(xué)采集的1 000張照片作為實驗樣本，實驗的流程結(jié)構(gòu)框圖如圖2所示。在提取眼部混合參數(shù)模型特征參數(shù)時，以語義字段的形式進(jìn)行編碼，如表1所示。每個混合特征參數(shù)針對實驗過程中采集的數(shù)據(jù)的均值劃分出4段閾值，并對閾值分別編碼為00、01、10、11，如表2所示。圖3所示是實驗過程中輸出的圖像，可以看到檢測出來眼睛與眉毛的邊緣信息。圖3中眼睛、眉毛圖像投影分別如圖4和圖5所示。通過投影可以測得眼睛、眉毛特征中的特征參數(shù)，如眼心距、眉毛間距離等。也可以測得眉毛、眼睛角點的坐標(biāo)，通過坐標(biāo)值可以計算不能直接用投影直接提取的特征參數(shù)。例如B1點與B3點之間連線的水平夾角，可以通過投影測得其坐標(biāo)值，利用坐標(biāo)值測得N9數(shù)值，當(dāng)N9>0表示眉毛下傾，N9在0附近表示眉毛兩側(cè)角點水平，N9<0表示眉毛上揚。提取虹膜的圖像如圖6所示，虹膜外邊緣的投影圖像如圖7所示，可以測得描述虹膜的特征參數(shù)。

參考文獻(xiàn)：

[1]周曉彥.基于偏最小二乘回歸的人臉身份和表情同步識別方法[J].中國圖象圖形學(xué)報，2009，14（5）：802808.

[2]TOLBA A S，ELBAZA H，ELHARBY A A.Face recognition：A literature review[J].International Journal of Signal Processing，2005，2（2）：88103.

[3]ZHENG W，ZHOU X，ZOU C，et al.Facial expression recognition using kernel canonical correlation analysis（KCCA）[J].IEEE Transactions on Neural Networks，2006，17（1）：233238.

[4]朱樹先，張仁杰，鄭剛.基于RBF神經(jīng)網(wǎng)絡(luò)的人臉識別[J].光學(xué)儀器，2008，30（2）：3133.

[5]李峰，曾超，徐向東.駕駛防瞌睡裝置中人眼快速定位方法研究[J].光學(xué)儀器，2002，24（4/5）：7072.

[6]連華，林斌，汪林峰.虹膜圖像采集系統(tǒng)的設(shè)計[J].光學(xué)儀器，2003，25（5）：2430.

[7]沈沉，林斌，汪林峰.虹膜識別技術(shù)中的圖像處理[J].光學(xué)儀器，2004，26（1）：4448.

[8]譚華春，章毓晉，李睿.基于角點特征的眼睛輪廓提取[J].中國圖象圖形學(xué)報，2007，12（7）：12251229.

[9]李文書，何芳芳，錢沄濤，等.基于Adaboost高斯過程分類的人臉表情識別[J].浙江大學(xué)學(xué)報，2012，46（1）：7983.

[10]王宇博，艾海舟，武勃，等.人臉表情的實時分類[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2005，17（6）：12961301.

[11]李玉鑑，王利娟.基于PCA的眉毛識別方法研究[J].計算機(jī)工程與科學(xué)，2008，30（11）：2830.