人眼自动精确定位系统源程序

资 源 简 介

该MATLAB项目提供了一套完整的人眼检测与质心定位算法实现方案。系统核心功能是自动从包含人脸的复杂图像背景中识别并精确定位左右眼的位置。其实现流程首先采用级联分类器技术进行整脸探测，划定人脸ROI感兴趣区域以缩小搜索范围，降低背景噪声干扰。在人脸区域内，程序利用灰度投影法和自适应二值化技术进一步锁定眼部候选区。为了应对光照不均、佩戴眼镜或睫毛遮挡等复杂工况，代码集成了中值滤波去噪和形态学闭运算处理，通过填充空洞和连接零散区域，确保眼部轮廓的完整性。最终系统利用连通域特征分析和几何重心算法，计算出双眼的精

详 情 说 明

人眼自动精确定位系统

项目介绍

本项目是一款基于 MATLAB 开发的高效人眼自动精确定位系统。系统旨在从复杂的图像背景中自动识别并精准定位双眼的机械质心（几何中心）。通过整合计算机视觉中的级联分类、图像处理中的灰度投影以及形态学分析等多种算法，该系统能够有效应对由于光照不均、眼部遮挡或背景噪声带来的识别干扰。其输出结果不仅直观显示在图像上，还提供了高精度的像素级坐标，适用于疲劳监测、人机交互及生物识别等基础研究场景。

功能特性

• 级联人脸探测：利用高性能分类器在全图中快速锁定脸部区域，确立处理基准点。
• 动态搜索区域优化：根据人脸比例自动划分眼部搜索带，排除额头与口鼻区域的干扰。
• 灰度投影精确定位：通过统计像素投影分布，精确定位眼部在垂直方向上的具体横截带。
• 自适应环境鲁棒性：采用自适应二值化算法，确保在不同光照环境下仍能提取清晰的眼部轮廓。
• 形态学增强处理：集成中值滤波与闭运算技术，自动修复因睫毛遮挡或眼镜反光产生的空洞。
• 质心精确计算：利用连通域特征分析，自动筛选出面积最优的区域并计算其几何重心。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 所需工具箱：Computer Vision Toolbox（计算机视觉工具箱）、Image Processing Toolbox（图像处理工具箱）。
• 硬件要求：标准桌面运行环境，支持常见的静止图像格式（JPG, PNG, BMP 等）。

实现逻辑与流程说明

代码严格遵循从宏观到微观的定位逻辑，具体步骤如下：

1. 图像预处理：

系统首先通过图形化界面引导用户选择待处理图像。获取图像后，程序会自动判断图像通道：如果是彩色图像，则转换为灰度图以供后续算法处理；如果是灰度图，则直接进入分析阶段。

1. 人脸区域确定（ROI 提取）：

调用级联对象检测算子（基于 Viola-Jones 算法），在原始图像中寻找人脸。检测到人脸后，系统提取人脸边界框坐标，并将后续处理范围缩小至该矩形区域内，从而显著降低计算量。

1. 眼部候选区精简：

基于解剖学先验知识，系统直接截取人脸区域高度 20% 到 55% 之间的条带。这一步骤有效地排除了头发、眉毛及下半张脸的干扰，为人眼定位提供了一个更窄的搜索空间。

1. 垂直中心锁定：

在眼部候选区内执行水平灰度投影。由于眼球与虹膜部分的灰度值显著低于皮肤，投影曲线的波谷即对应眼部的纵方向中心。系统据此进一步提取一个高度约为 30 像素的窄长条带。

1. 特征分割与去噪：

对提取的窄带图像执行自适应二值化处理。系统利用反卷分析寻找低灰度区域，并使用中值滤波滤除图像中的散点噪声。

1. 区域修整与结构化：

通过形态学闭运算和填充操作，将原本可能散碎的眼部区域（如受睫毛分割的部分）连接成完整的连通域。

1. 质心定位与坐标还原：

计算所有连通域的面积和重心。系统按面积从大到小对区域进行排序，选取前两个最显著的区域作为左/右眼。随后，系统执行坐标回溯计算，将窄带内的相对坐标逐级累加各层 ROI 的偏移量，最终计算出原图中的绝对坐标。

1. 可视化输出：

系统生成多功能视图窗口，包括：标记了人脸框与双眼质心（十字标）的原图、提取出的人脸 ROI 图，以及反映算法中间过程的眼部二值形态学特征图。

关键算法与技术细节

• Viola-Jones 级联分类器：用于快速稳定的人脸粗定位，是系统确定搜索范围的第一道屏障。
• 水平灰度投影（Horizontal Projection）：这是一种非几何特征提取法，通过计算图像每一行像素的和来寻找极值点，是实现纵向精准缩小的关键。
• 自适应二值化（Adaptive Binarization）：根据图像不同部分的局部对比度动态调整阈值，有效解决了复杂光照下的分割难题。
• 连通域性质提取（Regionprops）：核心计算函数，用于获取候选区域的几何中心及面积大小，确保定位的是“区域中心”而非单一像素点。
• 坐标补偿机制：系统在嵌套的 ROI 处理过程中，通过严格的偏移量累加算法，确保了最后标注的坐标与原图完全对齐，避免了像素漂移。