[发明专利]一种采用Snake轮廓模型的眼睛边缘检测方法

说明书

本发明涉及轮廓检测技术领域，且公开了一种采用Snake轮廓模型的眼睛边缘检测方法，包括以下步骤：A首先确定需要检测的眼睛区域，然后选择对选取的眼睛区域进行图像采集，对采集的图像进行处理，使得图像满足分析需求；B将A中处理后图像输入到RGB空间，使得图像从RGB空间转换到YC_bC_r和YC’_bC’_r空间，依据肤色点在C’_bC’_r空间中的聚类性提取人脸候选区域；C然后通过在人脸候选区域上生成眼睛图(EyeMap)提取眼睛候选区域并计算候选区域C_r²图像的距离势能力场。该采用Snake轮廓模型的眼睛边缘检测方法，能够达到精确检测眼睛边缘的目的，在正面光照变化明显的情况下也能得到较好的检测效果且轮廓检测更加精准，且效率非常高。

技术领域

本发明涉及轮廓检测技术领域，具体为一种采用Snake轮廓模型的眼睛边缘检测方法。

背景技术

轮廓是体现物体特征的基本元素之一，有效的轮廓提取对于图像分割、图像分析以及图像理解具有重要意义，传统的轮廓提取是一种自底向上的过程，轮廓的提取完全依赖于从底层图像本身获取的信息，容易受到错误信息影响，造成误差并传播到上层应用，1987年Kass等人提出的主动轮廓模型(Snake模型)融合了轮廓曲线特性、底层图像数据以及上层知识，解决了其间不可调和的矛盾，引起了学者们的广泛研究并产生了诸多应用。

眼睛是脸部特征的重要组成部分，在机器视觉应用中，眼睛特征的提取扮演着十分重要的作用，如：在表情理解、人机交互以及身份识别等具体应用中，都需要提取眼睛特征作为后续步骤的基础，对于眼睛的特征提取，国内外学者提出了许多算法，这些算法大致可归纳为以下三类：(1)基于图像的灰度及其变化信息的特征提取，如：图像边缘、灰度图像的投影函数等，这类算法在图像质量好，特征明显时效果较好，但算法不稳定、鲁棒性不强；(2)基于活动轮廓模型(Snake)的特征提取，这类算法在提取眼睛轮廓时往往存在较大误差，不能精确的逼近真实轮廓；(3)基于二维可变形模板的特征提取，这类算法在正面、光照变化不是很明显的情况下能得到较好的效果。

活动轮廓模型(Snake)作为一种有效的图像分割和轮廓检测的方法，能够对目标轮廓进行较为精确的描述。但传统的Snake及其改进模型应用于眼睛特征中的边缘检测存在着以下问题：(1)对眼睛区域而言，受表情和光照的影响使得其与周围其它区域不能很好的区分，如下眼睑，而且眼白与眼袋的灰度往往非常接近，依靠灰度梯度信息的传统Snake模型分割下眼睑就显得比较困难；(2)眼睛边缘往往比较平滑，但用Snake模型检测到的轮廓通常存在许多毛刺甚至会产生一些明显的凹凸区域；(3)Snake模型难以逼近眼睛的角点。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种采用Snake轮廓模型的眼睛边缘检测方法，具备在正面光照变化明显的情况下也能得到较好的检测效果且轮廓检测更加精准等优点，解决了传统检测方法只能在正面、光照变化不是很明显的情况下能得到较好的效果且检测不精准的问题。

(二)技术方案

为实现上述在正面光照变化明显的情况下也能得到较好的检测效果且轮廓检测更加精准目的，本发明提供如下技术方案：一种采用Snake轮廓模型的眼睛边缘检测方法，包括以下步骤：

A首先确定需要检测的眼睛区域，然后选择对选取的眼睛区域进行图像采集，对采集的图像进行处理，使得图像满足分析需求；

B将A中处理后图像输入到RGB空间，使得图像从RGB空间转换到YC_bC_r和YC’_bC’_r空间，依据肤色点在C’_bC’_r空间中的聚类性提取人脸候选区域；