基于支持向量機的人眼定位方法研究.pdf

1、計算機視覺作為一個極具挑戰(zhàn)性的領域,一直以來都因為其巨大的發(fā)展?jié)摿ξ吮姸嘌芯空叩纳钊胩剿骱脱芯?。隨著計算機性能的不斷提高和電子產品的普及,人眼定位成為計算機視覺領域的重要研究方向。其在虛擬人臉動畫生成、數(shù)字圖像處理、視覺疲勞的檢測、人機交互、視覺游戲等領域具有非常重要的應用價值。
　　 在對人眼定位所存在的問題做了深入分析的基礎之上,研究了“人臉-人眼”雙層遞進結構的檢測方法,它是一種新的由粗到細的人眼定位方法,即在檢測到的

2、人臉區(qū)域中進行定位人眼,這樣檢測速率就會得到提高。本文重點對以下幾方面進行研究:
　　 人臉圖像預處理。在分析幾種常被使用并且效果比較好的人眼定位方法的基礎上,提出了一種新的圖像中人眼定位方法。通過對最初采集來的人臉圖像進行圖像的增強、圖像的灰度變化等預處理,降低誤檢率,節(jié)省大量的儲存空間。為下一步的檢測定位工作奠定扎實的基礎。
　　 檢測圖像中的人臉區(qū)域。作為人臉的重要信息,膚色并不隨著面部的細節(jié)而變化。雖然人臉的膚色

3、存在一定差別,但相對其它信息而言是穩(wěn)定的,它與其他的非人臉區(qū)域有很明顯的區(qū)別,并且對于旋轉、表情、姿態(tài)等變化情況都能適用,可以利用皮膚顏色從背景圖像中分割出人臉區(qū)域,所以本文應用了一種基于膚色的人臉區(qū)域檢測方法。先分步研究幾種經常使用的色彩空間,用色彩空間中皮膚聚類性較好的來建立皮膚模型,進而進行光照補償、相似度的分割、形態(tài)學處理,最終獲得臉部區(qū)域。實驗結果表明,文中所應用的基于膚色的人臉區(qū)域檢測方法具有較好的檢測效果。
　　

4、基于支持向量機的人眼定位。在檢測到的人臉區(qū)域內對人眼進行定位,這樣會大大縮小人眼的搜索范圍,降低訓練樣本的維數(shù)。通過對采集的不同人的人眼樣本和非人眼樣本進行預處理,用PCA方法對樣本進行降維,能夠大大減少計算量。選擇合適的核函數(shù),并對參數(shù)進行優(yōu)化。運用序貫最小優(yōu)化算法進行離線訓練,進而得到一組支持向量和各自支持向量的權重。再運用支持向量機的訓練結果來構成支持向量分類器,在人臉區(qū)域定位人眼,完成人眼初檢。最后利用人臉的幾何特征結構完成人眼