论文部分内容阅读
随着计算机技术和思维科学研究、人工智能技术的迅速发展,图像处理正朝着数字化、结构化和智能化的方向大步迈进。构建类似人类的视觉系统来处理图像信息、理解外部世界是目前智能化领域的一个重点研究方向,数字图像的结构化和智能化处理将进一步提高数字图像的视觉效果和人们对于图像信息的感知能力。作为机器视觉的热点研究问题,人脸检测、眼睛定位与瞳孔定位在交通、安全、医学等领域具有很高的应用潜力和研究价值。本文基于模式识别技术提出了基于嵌入式设备的人脸特征检测与瞳孔定位的算法研究、优化、仿真与实现。1.本文首先探讨了现有的人脸检测、眼睛与瞳孔定位算法所运用到理论方法,综合考量各自算法的优缺点,通过对比分析,本文提出了基于统计学原理的Viola-Jones实时目标检测优化算法,为了改善Viola-Jones算法在人脸检测方面的性能,本文充分利用了 Viola-Jones算法提供的四种分类模式,根据人脸面部分布特征,来确定检测图像中的人脸位置与尺寸大小。眼睛定位是在人脸检测的基础上进行的,为了提升算法的运行效率,本文根据眼睛在人脸分布的特点和人脸检测的结果,设定了眼睛检测区域,并采用Viola-Jones算法提供的眼睛检测分类模式,完成对眼睛的检测与定位。2.瞳孔定位算法研究是本文探讨的重点。本文以人脸特征检测为前提,对眼部图像进行基于最佳阈值法的二值化处理和基于Canny算子的边缘提取,并根据虹膜轮廓信息,定位瞳孔中心。本方法具有较高的稳定性和准确性。3.针对当前图像信息在移动端嵌入式平台的结构化和智能化处理的发展趋势,本文基于OpenCV开源计算机视觉库,将文中所提出的人脸特征检测与瞳孔定位技术在嵌入式开发平台上进行了算法集成、优化与实现。通过大量的检测结果显示,本文提出的人脸特征检测算法在继承Viola-Jones检测性能的同时,提高了 Viola-Jones算法在单人人脸检测和眼睛定位方面的检测率,降低了误识率,为瞳孔定位算法的仿真设计提供了可靠的技术保障。人脸特征检测算法和瞳孔定位算法在Android嵌入式平台的集成实现运行良好,对于单人瞳孔定位能够取得较好的检测效果,本成果对瞳孔定位和人眼识别测量应用有借鉴价值。