1509.04887.pdf论文翻译

An Improved Algorithm for Eye Corner Detection

Anirban Dasgupta, Anshit Mandloi, Anjith George and Aurobinda Routray

Department of Electrical Engineering

Indian Institute of Technology

Kharagpur, India 721302

anirban1828@gmail.com, anmandloi@gmail.com, anjith2006@gmail.com, aurobinda.routray@gmail.com

译文：

文摘：本文提出了一种改进的检测算法。给出了鼻和颞眼角的问题。该算法是一个对桑托斯和普卡法的修改。在第一步中,我们使用基于Haarlike的分类器检测人脸和眼睛特性。然后我们将巩膜，从检测到的眼睛区域。从分段的巩膜，我们分离出一个近似眼睑轮廓。获得眼角的候选人使用哈里斯和史蒂芬斯角探测器。我们引入一个postpruning在眼角的余光中找到了眼角，最后。该算法已经在耶鲁大学，JAFFE数据库中进行了测试以及我们创建的数据库。

————————————————————————————————————————————

摄像机——面部检测——ROI选择——眼部检测——巩膜分割——候选眼角检测——后剪枝（后处理）——最终眼角检测

—————————————————————————————————————————

the next step is segmentation of the sclera region. The sclera being the most unsaturated region in the eye image, an HSV transformation yields the lowest magnitudes on the saturation plane. The iris and sclera being segmented out, the next stage constitutes of the approximation of the eyelids contour. This is achieved using morphological dilation of the iris segmentation mask with a horizontal structuring element is carried out. This expands the iris regions horizontally. Finally, point-bypoint multiplication between the dilated and the enhanced data provides a good approximation to the eyelids contour. The subsequent step comprises of the generation of a set of candidate eye corner positions, which was performed using the Harris and Stephens corner detector. This method works well for an image having proper resolution and clarity. However, for inferior quality images, such as those obtained using a standard webcam, the performance of such methods is limited.

下一步是巩膜区域的分割。巩膜作为眼睛图像中最不饱和的区域，HSV转化产生的饱和度最低飞机。虹膜和巩膜被分割，下一阶段构成了眼睑轮廓的近似。这是利用虹膜分割的形态扩张采用水平结构单元进行掩模。这将横向扩展虹膜区域。最后,point-bypoint放大和增强之间的乘法数据提供了一个很好的近似于眼睑轮廓。接下来的步骤包括生成一组候选眼角位置，使用的是哈里斯和斯蒂芬斯角探测器。这种方法对于具有适当分辨率的图像效果很好。和清晰。但是，对于质量低劣的图像，比如那些使用一个标准的网络摄像头，这样的性能方法是有限的。

————————————————————————————————————————————

Our proposed scheme is a real-time camera-based system depicted as a schematic in Fig. 1. For image acquisition, thescheme uses a standard webcam of resolution 640480 pixels.The algorithm has been implemented in real-time using a SonyPS3 Eye webcam at 30 fps. First, face detection is carried outin a given frame, followed by eye detection. Eye detectionis confined to a Region of Interest (ROI) in the detected facearea. The RoI is selected based on our previous work [6]. Thisstep finds each eye separately. The algorithm has been maderobust using some preprocessing techniques for illuminationcorrection.

我们提出的方案是一个基于摄像头的实时系统图1描绘的示意图。图像采集的scheme使用标准的分辨率为640x480像素的网络摄像头。该算法是通过索尼实时实现的PS3的眼睛摄像头，30 fps。首先，进行人脸检测在一个特定的坐标系中，然后是眼睛检测。眼睛检测被限制在检测到的区域内的一个感兴趣的区域（ROI）区域。RoI是根据我们以前的工作6来选择的。这一步一步地找到每只眼睛。

————————————————————————————————————————————

A. Image Enhancement

Preprocessing of the image is necessary for filtering out the noise and preserving relevant information. The filtering is particularly essential as the eye corner is sometimes not visible clearly because of illumination conditions. The pre-processing begins by equalizing the histogram of the image. We have used Contrast Limited Adaptive Histogram Equalization (CLAHE) technique [7] for this purpose. In this method, the image is fractioned into small blocks of size 88. Each of these blocks undergoes histogram equalization. This confines the histogram to a small region. An issue of this method is the amplification of noise if present. This issue is avoided by contrast limiting. After the CLAHE operation, bi-linear interpolation is applied to remove artifacts in tile borders.

A.图像增强

图像的预处理对于滤除噪声和保留相关信息是必要的。过滤特别重要，因为由于照明条件，有时不能清楚地看到眼角。预处理开始于均衡图像的直方图。为此，我们使用了对比度有限自适应直方图均衡（CLAHE）技术[7]。在该方法中，图像被分成大小为88的小块。这些块中的每一个都经历直方图均衡。这将直方图限制在一个小区域。该方法的问题是如果存在噪声的放大。对比度限制可以避免这个问题。在CLAHE操作之后，应用双线性插值来移除图块边界中的伪像。

————————————————————————————————————————————

B. Face and Eye Detection

The face and eye detection forms the first step in the algorithm for the localization of the eye corners. A classifier based on Haar-like features was selected for this stage. For optimal use, we have used parameters based on the earlier work [8]. Once the face is detected, an ROI is selected from the facial region. The ROI selection scheme has been reported in the previous work [9]. Now, the search for eyes is confined to a reduced area, which also reduces computation and improves the speed.

B.面部和眼睛检测

面部和眼睛检测形成了用于眼角定位的算法的第一步。在此阶段选择了基于类Haar特征的分类器。为了最佳使用，我们使用了基于早期工作的参数[8]。一旦检测到面部，就从面部区域中选择ROI。 ROI选择方案已在之前的工作中报道[9]。现在，对眼睛的搜索仅限于缩小的区域，这也减少了计算并提高了速度。

————————————————————————————————————————————

C. Eye Corner Detection

The corner detection operates on the detected eye region.

C.眼角检测

角点检测对检测到的眼睛区域进行操作。

1) Sclera Segmentation: As proposed in [3], the sclera is segmented out by converting the RGB image to HSV and subsequently thresholding the saturation plane. For grayscale images, the color space conversion is not required, and the thresholding operation can be applied directly. The idea behind this lies in the fact that the sclera is the most unsaturated segment in the eye image. There remain certain noisy pixels because of the blood vessels in the sclera. This issue is addressed using the morphological opening of the sclera portion using an elliptical mask.

1）巩膜分割：如[3]中所提出的，通过将RGB图像转换为HSV并随后对饱和平面进行阈值处理来分割出巩膜。对于灰度图像，不需要颜色空间转换，并且可以直接应用阈值处理操作。这背后的想法在于巩膜是眼睛图像中最不饱和的部分。由于巩膜中的血管，仍然存在某些噪声像素。使用椭圆形掩模使用巩膜部分的形态开口来解决该问题。

2) Eyelid Contour Approximation: The sclera region is hence segmented out with the morphological post-processing. The boundary of the mask is overlaid on the eye image to obtain the eyelid contour approximation.

2）眼睑轮廓近似：因此，巩膜区域通过形态学后处理被分割出来。掩模的边界覆盖在眼睛图像上以获得眼睑轮廓近似。

3) Eye Corner Candidate selection: The corner score is obtained by the sum of squared differences (SSD), S(x;y) between the corresponding pixels of two patches in the eyelid contour image I(x;y). The differential of the corner score is considered for finding out the corner candidates. A circular window w(u;v) is used, to make the response isotropic.

3）眼角候选者选择：通过眼睑轮廓图像I（x; y）中的两个斑块的相应像素之间的平方差（SSD），S（x; y）之和来获得角分数。角点分数的差异被认为是用于找出角落候选者。使用圆形窗口w（u; v），以使响应各向同性。

With Taylor series expansion and proper approximation, we have

The Harris matrix, H is obtained as

4) Post Pruning: Since the actual eye corners will lie at the extreme ends of the eyelid contour, the eye corner pair having the farthest distance are selected as the eye corners. In cases of a tie, the mean corner is chosen as the correct corner estimate, among the corner candidates bearing equal distances.

4）后修剪：由于实际眼角位于眼睑轮廓的末端，因此选择具有最远距离的眼角对作为眼角。在平局的情况下，在具有相等距离的角落候选者中，选择平均角作为正确的角估计。

Fig. 6. Detection Results for images taken (a) Yale Database (b) JAFFE Database

Fig. 7. Sample images from our created database IV. RESULTS

————————————————————————————————————————————

IV. RESULTS

A face database of 30 subjects was prepared using a standard Sony PS3 web camera for testing the algorithm. Some sample images of the database is shown in Fig. 7. The algorithm has also been tested on Yale Face Database [10] and JAFFE Database [11]. A sample set of 200 images total were randomly selected from the databases. The percentage of mean-squared pixel error in eye localization has been provided in Table II for the different databases. The error is eye corner localization is based on the manual marking of the endpoints. The processing-rate of the algorithm with online testing was found to be 16.2 fps while on offline database, it was 20.4 fps. The speed may be improved by using GPU based implementations, and employing parallel schemes.

IV.结果

使用标准Sony PS3网络摄像机准备30名受试者的面部数据库以测试该算法。数据库的一些样本图像如图7所示。该算法也在耶鲁人脸数据库[10]和JAFFE数据库[11]上进行了测试。从数据库中随机选择总共200个图像的样本集。表II中针对不同的数据库提供了眼睛定位中的均方像素误差的百分比。错误是眼角定位是基于端点的手动标记。在线测试的算法处理速度为16.2 fps，而在离线数据库中，处理速率为20.4 fps。可以通过使用基于GPU的实现并采用并行方案来提高速度。

————————————————————————————————————————————

V. CONCLUSION

In this paper, we propose an algorithm that uses a standard web camera to localize effectively the eye corner. This is an improvisation over the Santos and Proenca Method. The significant modification lies in the post-pruning the eye corner candidates. The method has less than 10% localization errors in all the three tested databases. A future scope of the work may be testing of the algorithm of infrared and near infra-red images [12], and make appropriate modifications so that the applications of the algorithm can be extended to areas where night vision is preferable.

V.结论

在本文中，我们提出了一种算法，该算法使用标准网络摄像头有效地定位眼角。这是对Santos和Proenca方法的即兴创作。重大修改在于修剪眼角候选者。该方法在所有三个测试数据库中的定位误差小于10％。未来的工作范围可能是测试红外和近红外图像的算法[12]，并进行适当的修改，以便算法的应用可以扩展到夜视最好的区域。

————————————————————————————————————————————

ACKNOWLEDGMENT

The authors would like to acknowledge the subjects for participation in the experiment.

致谢

作者要感谢参与实验的主题。

巩膜：论文翻译《一种改进的眼角检测算法》An Improved Algorithm for Eye Corner Detection相关推荐

  1. 一种改进的蚁狮优化算法 改进的ALO算法

    一种改进的蚁狮优化算法 改进的ALO算法[matlab代码] 在原始ALO算法的基础上添加了两种改进策略 改进1:将原先的间断性边界收缩因子变为连续性边界收缩因子,从而增强算法的遍历性 改进2:将原先 ...

  2. 一种改进的鲸鱼优化算法

    文章目录 一.理论基础 1.鲸鱼优化算法 2.改进的鲸鱼优化算法 (1)准反向学习初始化种群 (2)非线性收敛因子 (3)自适应权重策略与随机差分法变异策略 二.仿真实验及分析 三.参考文献 一.理论 ...

  3. 一种改进的鲸鱼优化算法-附代码

    一种改进的鲸鱼优化算法 文章目录 一种改进的鲸鱼优化算法 1.鲸鱼优化算法 2. 改进鲸鱼优化算法 2.1 准反向学习初始化种群 2.2 非线性收敛因子 2.3 自适应权重策略与随机差分法变异策略 3 ...

  4. 一种改进的灰狼优化算法-附代码

    一种改进的灰狼优化算法 文章目录 一种改进的灰狼优化算法 1.灰狼优化算法 2. 改进灰狼优化算法 2.1 基于混沌的种群初始化方法 2.2 修改位置更新方程 2.3 控制参数随机调整策略 3.实验结 ...

  5. Softer-NMS:CMU旷视最新论文提出定位更加精确的目标检测算法

    Softer-NMS:CMU&旷视最新论文提出定位更加精确的目标检测算法 前天arXiv新上论文<Softer-NMS: Rethinking Bounding Box Regressi ...

  6. 图像增强之一种改进的同态滤波增强算法-221211工作总结

    目录 一.参考 二.背景 三.步骤 四.加权分布的自适应伽马校正(AGCWD) 1.背景 2.原理 3.函数补充 1. cv2.calcHist()函数 2. img.convert() 五.单参数同 ...

  7. 论文研究 | 基于机器视觉的 PCB 缺陷检测算法研究现状及展望

    前面分享了机器视觉在汽车行业与交通行业的应用,其实机器视觉在工业上的应用是最广泛也是最具挑战性的,其中PCB板缺陷检测一直是机器视觉待攻克的难题.印刷电路板(PCB)是电子零件的基板,需求量极大,承载 ...

  8. 异常检测：PyOD工具库（含SUOD库）【包括近30种常见的异常检测算法：ABOD、HBOS、IForest、KNN、LOF、OCSVM、PCA等】【Outlier detection (OD) 】

    pyod(Python Outlier Detection)是一个集成了30余种异常检测方法和模型的Python工具箱.从经典的 LOF (SIGMOD 2000) 到近两年的 COPOD (ICDM ...

  9. 论文翻译——一种用于产品生命周期管理的产品信息建模框架

    A product information modeling framework for product lifecycle management Article in Computer Aided ...

最新文章

  1. 超级详细的 Python 数据分析指南
  2. 开发者进阶宝典，HarmonyOS 职业认证全奉上
  3. lly dependent on columns in GROUP BY clause； this is incompatible with sql_m
  4. Qt Creator与调试器进行交互
  5. python3 创建简单的游戏窗口，并有单独的配置文件
  6. skype for business 无法共享桌面、无法传输图片
  7. 微信小程序保存图片到相册；uni-app小程序保存网络图片到相册；小程序保存图片到相册拒绝授权后重新拉起授权；保存图片到系统相册；小程序保存图片测试可以，真机保存图片失败
  8. 前端多次点击button_对于防止按钮重复点击的尝试详解
  9. [Informix] unload load
  10. 微信公众号内置浏览器缓存清理
  11. “大众摄影”“北外亚非学院”等网站被挂马
  12. 在 OpenBSD 系统下的安装PHP
  13. 【教程】关于打开一些exe文件时，打开方式为microsoft store的解决办法
  14. 如何批量一键下单寄快递
  15. 基于JAVA校内图书馆智能管理系统计算机毕业设计源码+数据库+lw文档+系统+部署
  16. 编译原理知识点总结——从NFA到DFA的转化
  17. 信号与系统_第1章 信号与系统
  18. “全量增量” 与 “增量同步” 一文了解清楚【建议收藏】
  19. 高端水果店进货渠道，想开水果店进货渠道
  20. 万能视频播放器：恒星播放器 for Mac(1.500中文免费）

热门文章

  1. weex npm 报错 cb() never called!
  2. Learning Scrapy笔记（五）- Scrapy登录网站
  3. 为memcached增加缓存依赖的性能测试
  4. 软件测试系统学习流程和常见面试题
  5. 浅谈软件测试人员不要这样写测试用例（给测试新手和老鸟的提示）
  6. 材料科学与工程考计算机,计算机在材料科学与工程中应用作业.pdf
  7. linux故障转移集群,部署AlwaysOn第一步：搭建Windows服务器故障转移集群
  8. 包教会一对一跟着CNS学单细胞测序（含空间转录组、chipseq、RNAseq、Atacseq 和外显子等）3月13日开始...
  9. oracle 安装ora 27102,Oracle ora-27102 错误
  10. 内大计算机学院研究生奖学金,通知 | 【研究生评奖评优】关于做好浙江大学2017-2018学年计算机学院研究生学年小结及评奖评优工作的通知...