D0I:10.13374/.issn1001-053x.2012.01.009 第34卷第1期 北京科技大学学报 Vol.34 No.1 2012年1月 Journal of University of Science and Technology Beijing Jan.2012 基于扩展三角特征的AdaBoost快速人眼检测算法 黄坤韩飞杨月全四王正群 张天平 扬州大学信息工程学院，扬州225127 区通信作者，E-mail:yangyq(@yzu.edu.cm 摘要首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块 在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际，提出了一种结合Haar特征和三角特征的AdaBoost 快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本：然后，通过后续强分类器进行判断大部 分的眼晴图像块和少量非眼睛图像块.检测时间消耗有所下降，这样可以保证整体的检测速度，实验结果进一步表明该算法 具有更好的检测性能，与仅使用Haar特征相比正检率有一定程度提高 关键词人眼检测：算法：面部特征：特征抽取：模式分类：图像匹配 分类号TP391.41 AdaBoost fast eye detection algorithm based on extended triangular features HUANG Kun.HAN Fei,YANG Yue-quan,WANG Zheng-qun,ZHANG Tian-ping College of Information Engineering,Yangthou University,Yangzhou 225127,China Corresponding author,E-mail:yangyq@yzu.edu.cn ABSTRACT Eight extended feature prototypes were presented by combining rectangular feature blocks and triangular feature blocks. In consideration of the fact that the amount of eye image blocks is far less than that of non-eye image blocks during a scanning block passing through face images,a fast eye location detection scheme based on AdaBoost algorithm combining rectangular feature blocks and triangular feature blocks was proposed.After most of non-eye blocks are excluded through the foregoing strong classifiers,most eye image blocks and a few of non-eye image blocks are detected through the rear parts of the cascade classifier,which can reduce the de- tection time and boost the detection speed.The experiments further show that the scheme has better detection performance and positive detection rate compared to the case only employed Haar features. KEY WORDS eye detection:algorithms;facial features:feature extraction:pattern classification:image matching 人脸表情研究是模式识别研究的重要内容. 提出了旋转特征.文献[5]提出了三角特征，并 眼睛状态是人脸表情的体现方式之一，眼睛的快 引用三角积分图实现特征值的快速计算.文献 速准确定位是识别眼睛状态的前提.文献]将 [6]提出了一种运用较少的Walsh特征的双阈值 眼睛检测的方法分为基于模板匹配的方法、基于 增强型AdaBoost算法.文献7]利用Open CV图 灰度投影的方法、基于统计的方法和基于知识的 像处理工具，进行了扩展Haar特征的AdaBoost 方法，研究重点是统计方法中的Boosting算法. 人脸检测. Viola和Jones提出的AdaBoost算法是最早的实 本文在Haar特征的基础上结合三角特征作为 时目标检测算法之一，它使用Haar特征并利用 AdaBoost算法的弱特征，训练的级联分类器在眼晴 积分图实现了特征值的快速计算-).Lienhart 识别率上有一定程度的提高，在部分测试图像上具 和Maydt在文献[4]中对Haar特征进行了扩展， 有更好的检测性能. 收稿日期：20110401 基金项目：国家自然科学基金资助项目(60874045)：江苏省高校自然科学研究资助项目(10KJB510027):江苏省自然科学基金资助项目 (BK2009184)第 34 卷 第 1 期 2012 年 1 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 1 Jan． 2012 基于扩展三角特征的 AdaBoost 快速人眼检测算法 黄 坤 韩 飞 杨月全 王正群 张天平 扬州大学信息工程学院，扬州 225127 通信作者，E-mail: yangyq@ yzu． edu． cn 摘 要 首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块． 考虑扫描块 在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际，提出了一种结合 Haar 特征和三角特征的 AdaBoost 快速眼睛检测算法． 通过级联分类器的前几层强分类器完成排除大部分非眼睛样本; 然后，通过后续强分类器进行判断大部 分的眼睛图像块和少量非眼睛图像块． 检测时间消耗有所下降，这样可以保证整体的检测速度． 实验结果进一步表明该算法 具有更好的检测性能，与仅使用 Haar 特征相比正检率有一定程度提高． 关键词 人眼检测; 算法; 面部特征; 特征抽取; 模式分类; 图像匹配 分类号 TP391. 41 AdaBoost fast eye detection algorithm based on extended triangular features HUANG Kun，HAN Fei，YANG Yue-quan ，WANG Zheng-qun，ZHANG Tian-ping College of Information Engineering，Yangzhou University，Yangzhou 225127，China Corresponding author，E-mail: yangyq@ yzu． edu． cn ABSTRACT Eight extended feature prototypes were presented by combining rectangular feature blocks and triangular feature blocks． In consideration of the fact that the amount of eye image blocks is far less than that of non-eye image blocks during a scanning block passing through face images，a fast eye location detection scheme based on AdaBoost algorithm combining rectangular feature blocks and triangular feature blocks was proposed． After most of non-eye blocks are excluded through the foregoing strong classifiers，most eye image blocks and a few of non-eye image blocks are detected through the rear parts of the cascade classifier，which can reduce the de￾tection time and boost the detection speed． The experiments further show that the scheme has better detection performance and positive detection rate compared to the case only employed Haar features． KEY WORDS eye detection; algorithms; facial features; feature extraction; pattern classification; image matching 收稿日期: 2011--04--01 基金项目: 国家自然科学基金资助项目( 60874045) ; 江苏省高校自然科学研究资助项目( 10KJB510027) ; 江苏省自然科学基金资助项目 ( BK2009184) 人脸表情研究是模式识别研究的重要内容． 眼睛状态是人脸表情的体现方式之一，眼睛的快 速准确定位是识别眼睛状态的前提． 文献［1］将 眼睛检测的方法分为基于模板匹配的方法、基于 灰度投影的方法、基于统计的方法和基于知识的 方法，研究重点是统计方法中的 Boosting 算 法． Viola 和 Jones 提 出 的 AdaBoost 算法是最早的实 时目标检 测 算 法 之 一，它 使 用 Haar 特 征 并 利 用 积分图实现了特征值的快速计算［2--3］． Lienhart 和 Maydt 在文献［4］中对 Haar 特征进行了扩展， 提出了旋转特征． 文献［5］提出了三角特征，并 引用三角积分图实现特征值的快速计算． 文 献 ［6］提出了一种运用较少的 Walsh 特征的双阈值 增强型 AdaBoost 算法． 文献［7］利用 Open CV 图 像处理 工 具，进 行 了 扩 展 Haar 特 征 的 AdaBoost 人脸检测． 本文在 Haar 特征的基础上结合三角特征作为 AdaBoost 算法的弱特征，训练的级联分类器在眼睛 识别率上有一定程度的提高，在部分测试图像上具 有更好的检测性能． DOI:10.13374/j.issn1001-053x.2012.01.009