论文部分内容阅读
眼睛是人类面部最突出的特征之一。在人工智能、人机交互、模式识别等领域对人眼的检测方法研究是一个至关重要的课题。通过对眼睛的检测可以获取人的心理活动、需求、认知过程等情感。人眼检测理论已经趋于成熟,但在嵌入式平台中实现实时的人眼检测仍是一个难题。本文主要工作如下:本文基于"Gullstrand’s原理眼”提出了一个新的简化眼睛模型,利用眼睛模型分析了亮瞳图像产生的几个关键性因素,提出了在实际人眼检测应用中获取亮瞳的方法。同时设计了一种人眼亮瞳图像采集系统。基于亮瞳效应的产生条件,从红外光源的亮度、延时、均衡性等方面入手,通过对本文提出系统的采集测试和对结果的分析计算得到了人眼检测采集系统的关键参数,有效的提高了待检测人眼图像的质量。本文通过分析嵌入式平台的特性和AdaBoost算法的原理,对AdaBoost算法进行了优化:利用区域选择算法优化AdaBoost人脸检测过程,算法速度提高218%,准确率达到80%;区域选择优化中,肤色区域选择算法用来分割彩色图像的肤色区域,OTSU算法用来分割灰度图像的前景(人体区域);AdaBoost算法的嵌入式平台适应性优化中,分别优化了Haar特征计算中的浮点运算和开方运算,AdaBoost算法速度提高81%和32%,准确率基本不变。本文的研究工作有效提高了嵌入式平台中的人脸检测速度和准确度,实现了嵌入式系统中的快速人脸检测。综合了上述的研究工作,本文提出了一种嵌入式平台中的实时人眼检测系统。本文分析了人眼检测算法在嵌入式平台中的问题,提出了如下人眼检测方案:利用亮瞳效应,通过投影运算对人眼进行粗略定位;对二值化的人眼图像使用区域降噪算法,来去除面积较小的亮斑,区分人眼亮瞳和亮斑噪声;在人眼粗定位基础上通过区域生长算法确定亮瞳区域,利用区域质心法精确定位人眼;再使用CamShift算法对人眼目标进行跟踪,有效地解决了人眼检测算法中的问题,实现了嵌入式平台中实时的人眼检测系统。