双重Haar-like特征瞳孔检测方法

发布时间：2021-11-26 06:15

　　为了降低光照和镜面反射对检测算法的影响程度,文中提出一种基于结构特征和边缘特征的瞳孔检测算法。利用双重Haar-like特征检测器进行瞳孔粗定位,针对瞳孔区域中存在眼睫毛等影响瞳孔边缘检测的问题,使用形态像素模型进行边缘去噪,提出瞳孔边缘最长假设以确定边缘像素。在LPW瞳孔数据集上的实验结果表明,双重Haar-like特征在提升粗定位精度的基础上,结合形态学像素模型和边缘假设进行边缘去噪,采用易受干扰的最小二乘椭圆拟合算法,提升了复杂环境下眼部图片的瞳孔检测效果。与Swirski和ExCuSe算法相比,文中算法在精确度上与ExCuSe共同取得最佳,整体检测性能比上述2种算法分别高6%和14%。 

【文章来源】：西安工业大学学报. 2020,40(05)

【文章页数】：6 页

【部分图文】：

图1 双重Haar-like特征瞳孔检测器的粗定位过程

瞳孔粗定位效果图

图2 瞳孔粗定位效果图本文在对瞳孔范围内边缘进行形态学处理时使用的像素模型如图4所示,其中白色和灰色方块皆代表边缘像素。模型匹配时,灰色方块位置内像素移出边缘,黑色方块内像素则加入边缘。上述模型基于文献[6]提出的像素移动模型,但与该团队对整个瞳孔图片做处理的方式不同,本文仅对瞳孔范围进行处理,在进行“边缘细化”和“直线标准化”操作后基于瞳孔边缘最长假设,消除与瞳孔边缘无关的所有像素,提高边缘拟合精度。


本文编号：3519564