基于計算機高清圖像處理分析的人眼識別系統研究

摘要：隨著現在科技的快速發展，人臉識別技術是當今社會的一個輿論熱點，人臉和指紋都具有一定的唯一性，通過人臉識別的技術來鑒別人的身份，主要是識別人臉的眼睛，這是因為眼睛的灰度變化是較為明顯的，眼睛作為人臉的主要組成部分，眼睛檢測定位是人臉信息處理的主要部分，也是其關鍵。當我們采集相關的人臉圖片的時候，第1步就得對其進行消除噪聲，從而來降低其光照變化對人眼識別的影響，一般使用一些常用的圖像預處理的方法對其進行預處理，并詳盡的描述其計算過程，從而來展示預處理的效果，也可以通過膚色識別的算法來分別出不同的人臉。進行了人臉識別后，就使用積分投影的算法對人眼的中心點進行定位，在對人臉圖形進行歸一化的處理，在我們的實際操作中為了更為精準的定位中心點，第1步先進行相關的圖像預處理的技術，這個步驟所包含的處理技術有圖像增強技術和圖像的二值化處理技術，這就使得積分投影曲線免除一些噪聲的干擾。

關鍵詞：計算機;高清圖像;人眼識別;圖像預處理

中圖分類號：TP317.4

文獻標識碼：A

文章編號：1001-5922（ 2020）06-0090-05

人臉圖像識別技術是具有較大的使用價值的，它和人的指紋是一樣，都具有一定的唯一性，這樣就可以對人的身份進行鑒別，像這樣的技術大都是出現在一些科幻電影里，列如像警察將罪犯的臉部進行拍照，輸入到電腦里，在和警方的數據庫里尋找到相關的罪犯的資料，其實這是我們生活中較為真實的寫照，在我國，人臉識別技術，更早是在20世紀的90年代，當今這個技術被廣泛的應用于機關單位的安全和考勤、網絡安全、銀行智能身份證、智能門禁和計算機登錄系統等領域[1-2]。

1 高清圖像預處理分析

1.1 圖像預處理

一般圖像處理的系統是包含3個階段的，第1個階段是獲取原始的圖像，第2個是特征提取的階段，第3個是識別分析的階段，其中圖像的預處理階段是比較重要的，這個階段一旦處理的不好，就會把后面階段的工作影響到，圖像的預處理技術是我們進行正式處理的所要做的必要工作，這是由于我在進行圖像的采集過程中會受環境的影響，主要是噪聲污染，從而使圖片會失去本質或者是偏離人們的需求，因此預處理是至關重要的一步在圖像處理的中，在圖像處理技術中主要分為2個方面，圖像增強和圖像復原技術，其中圖像增強占預處理技術中較大的比列，也是圖像處理中最為重要的一步.圖像增強是通過一定的算法來增強人們所需的特征便于提取，而圖像復原技術則是恢復圖像原有的樣子，圖像增強的方法有很多，有直方圖修正、灰度變換[3]、圖像平滑去噪和偽彩色處理等等，其中灰度變換是圖像增強技術中較為簡單的一種點運算處理技術，第2個是直方圖修正，通過這種算法處理的圖像可以更好的顯示圖像，但是他的處理的效果不是很好，僅對于一些要求不是很高的圖像，去噪的能力比較的弱，圖像增強是通過圖像平滑來進行減噪，這兩種方法是對圖像平滑和去噪的常用的方法，在當今社會上的圖像預處理有著較為重要的作用。

圖像的增強技術有頻率域法和空間域法兩種，其中頻率域增強是把原空間的圖像利用其它的形式轉換到頻率域空間，再利用這個空間特有的空間性質對圖像進行處理，最后再變換到原空間，這樣就可以得到最后的圖像，空間域是像素組成的空間，空間域增強是在圖像的空間進行處理。

1.2 灰度變換法

灰度變換是最基本的圖像點運算，也是一種空間域圖像處理方法?；叶茸儞Q是依據我們的項目中的所需要的部分按一定的變換關系逐點的改變原圖像的每一個像素的灰度值，其主要的目的是改善畫質，以此來使得圖像顯示的效果更為清晰，所以灰度變換還叫做對比增強，通過灰度變換后的圖像動態的范圍就會變大，并且對比度、圖像的清晰度和特征顯示都會有一定的改善，灰度變換是利用點運算來改善圖像像素點的灰度值，而不改變圖像的空間關系，一般是依據特定的變換函數進行相關的變換，灰度變換被認為是對像素的簡單的復制，灰度變換的表達式如下：

g（x，y）=T[F（x，y）]

（1）

這個函數T是灰度變換函數，它表示的是輸出圖像和輸入圖像灰度之間的變換關系，因此灰度函數一旦確定了，灰度變換就確定的了，如圖1是原始圖像，圖2是通過灰度變換后的圖像。

灰度變換的方法是有很多的，列如有灰度拉伸，灰度切分，灰度級修正等等，這些方法對圖像的處理效果也各不相同，但是他們都有一個共同點就是必須要用到點運算，點運算[4]所涉及的算法有線性變換、

由此我們可以得出線性變換比較適合于曝光不足和過度的圖像，當它的灰度是分布在較小的范圍里，這個時候的圖像是模糊而沒有灰度層次的，使用以上的線性變換對圖像中的每一個像素的灰度進行一定程度的線性拉伸，抑制圖像中我們所不需要的目標圖像，再擴大一些比較重要部分的對比度，這樣來增強圖像的質量。

2 人眼定位

2.1 人眼識別的過程

人的雙眼占據面部的位置是比較固定的，也是面部比較突出，兩眼的間距也是人臉大小的特征，因此可以作為人臉識別中尺度歸一化的一個重要根據，也是進行人臉識別的一個關鍵，在當今很多的人臉識別算法中對人眼的的定位是有較大的幫助的。在進行人臉識別的時候，首先將人臉的范圍給確定下來，這就可以把人眼鎖定的范圍給大大的縮小，而對于面部的其他器官，包括眉毛、鼻子、嘴巴等，是比較容易的通過人臉器官的特點來得到。在進行人臉的正面識別的時候，人臉的方位是極為重要的在識別的過程中，不論是局部還是全局的特征采集，圖像統計和幾何特征都對提高人臉識別率有一定的影響，雙眼的中心距離幾乎不會因表情的變化和光照強度而有所變化，其中雙眼的精準定位在方位調整上是較為重要的一步。

在人臉識別的過程中，兩眼的中心線連接線隨著面部旋轉而旋轉，而在面部是正向的時候，兩眼中心線保持水平，這就可以判斷圖像是否處于旋轉的狀況，通過以上的過程對人臉識別儀器獲取了人臉特征值，并對這些特征值進行歸一化的運算，處理后的特征值的平移、旋轉和尺度都具有一定的不變性。人的雙眼主要具有2個顯著特征，第1個特征那便是眼睛區域的灰度值比周圍區域的灰度值較低，第2個特征那便是眼睛區域的灰度值變化率是比較大的，當綜合性的考慮以上兩個因素的時候對于精確定位眼睛是至關重要的。下面我們先是進行圖像預處理，對人臉的圖像進行灰度變換和濾波，再識別出人臉的區域，并進行二值化處理，通過灰度積分投影[5]來劃分出眼睛的區域。

2.2 人眼識別

積分投影分為灰度積分投影和方差積分投影兩種，積分投影是依據在圖像上的投影特征來檢測，這也是一種傳統方式，涉及到的投影方式有水平投影和垂直投影。

G（x，y）表達的是（x，y）位置圖像的灰度值在圖像[y1，y2]和x1，x2]區域的水平積分投影和垂直投影，表達式如下所示：

一旦圖像的某一列的像素灰度值發生了變化，這個變化就會在H（x）的值顯示出來，同理當圖像的某一行像素灰度均值發生改變，這種變化也會在V（y）的值上進行反應，由此我們可以得出通過灰度積分投影函數值的分析，來提取圖像的特征

第2種積分投影是方差積分投影，第1種方法僅考慮均值的變化情況，當均值相同的時候就沒法放映灰度的變化，而方差積分投影是用的方差代替均值，為避免這種情況的發生，就設G（x，y）表達圖像（x，y）處的灰度值在圖像區域[y1，y2]和[x1，x2]的水平方差積分投影函數σ2（y）和垂直方差積分投影函數σ2（X）的表達式為：

當圖像的某一列像素灰度方差發生變化，這種變化就會在σ2（X）值顯示出來，同理圖像的某一行像素灰度方差改變，這變化也會在σ2（y）值顯示出來，所以可以用方差積分投影法對圖像特征進行分析，這種方法也有一定的限制，當方差是相同的情況下，就沒法反映出灰度的變化，其實以上所所得2種方法存在互補的性質，這就衍生一種方法，混合積分投影[6]。

混合積分投影包含垂直混合積分投影和水平混合投影，分別用函數Hv（x）和Hv（x），表達式如下：

混合投影是顯示圖像在某個方向上灰度均值和方差變化的綜合性情況，具有較強的適應性，無論是積分投影還是方差投影函數失效，混合投影函數都可以在水平方向上反應出不同區域的變化。

2.3 人眼中心點的定位

通過相關儀器可以得到圖像中人臉區域，先把人臉區域的部分從原圖中截取出來，再進行圖像的二值化，將處理后的圖像進行圖像灰度垂直積分投影，經過二值化后的效果圖如圖5，圖6是通過二值化處理后的效果圖，圖7是原圖像積分投影的效果圖，圖8則是人臉區域積分投影效果圖的截取圖片，下面的積分投影圖中我們可以看出，人臉區域是有兩個較大的波谷間的區域。

2.4人眼水平位置的定位

定位后的人臉二值化圖像還得是進行相應的水平積分投影，結果如圖9所示。

從以上的投影曲線我們便可以看出，曲線中有較大波谷的便是同人臉依據不同器官特征所對應的，從下往上可以得出，較為明顯的便是4個波谷，①是嘴巴，②對應鼻子的波谷，③是眼睛，④是眉毛，所以就得定位第3個和第4個波峰點，并尋找到二值化圖像對應的y軸坐標k1和k2，將y=k2作為中心軸，在原圖像里截取y1=k2-3/5（k2-k1）和y2=k2+3/5（k2-k1）里的部分，其實就是把眼睛的部分給截取出來，最后的效果圖如圖10所示。

把人眼區域的截取出來后，便是對人眼的中心點進行定位，第一步便是將剪切出來的左右眼的區域分別處理出來，眼睛區域的灰度變化是比較復雜的，因此得二值化后再進行混合積分投影，用水平積分投影來定眼睛中心點的縱坐標N，可以通過垂直積分投影確定中心點的橫坐標M，這就可以得出定位后的眼睛中心點的坐標為（M，N）。但是由于時間和個人能力的限制，僅能對人臉檢測和后續人眼粗定位，這就導致人眼精確定位沒法實現。

3 結語

人眼定位[7]，主要是依據眼睛區域的灰度值相較于周圍區域的灰度值較低，變化率比較大，第一步是人臉識別的系統獲取人臉圖像，通過相關算法來進行預處理，然后圖像進行二值化后，在對圖像的灰度值進行水平和垂直方向上的積分投影，依據投影曲線的特征，分割出眼睛的區域，并定位出眼睛的位置，但是由于個人和時間的限制性，僅能對人臉檢測[8]和后續人眼的粗定位，而沒實現眼睛的精確定位，并且檢測的實時性不是很好。

參考文獻

[1]盧虹竹.基于深度學習算法的人臉識別管理系統[J].信息技術，2019，43 （12）：121-124+130.

[2]楊凌霄，馮慶修.改進二值化算法在QR碼識別中的應用[J/OL].軟件導刊：卜5[2020- 01- 20].http：//kns.cnki.net/kcms/detail/42. 167I.TP.20191 126. 1555.014.html.

[3]華尉然，童強.基于暗區域分割的夜間灰度圖像增強[J].湖北師范大學學報（自然科學版），2019，39（03）：49-52.

[4]林華，浮點運算軟硬件實現方法的教學實踐[J].信息與電腦（理論版），2019（14）：233-235.

[5]崔慶華，程科，李肇基.積分投影與連通域法結合的人眼定位[J].計算機與數字工程，2019，47 （04）：949-953。

[6]耿新，周志華，陳世福.基于混合投影函數的眼睛定位[J]軟件學報，2003（08）：1394-1400.

[7]孟春寧.人眼檢測與跟蹤的方法及應用研究[D].山東：南開大學，2013.

[8]楊環.人臉檢測及人眼定位算法的研究[D].濟南：山東大學，2010.

作者簡介：陳海龍（1978-），男，漢族，陜西成陽人，講師，研究方向：物理、微機原理、計算機技術。