公司新闻
比较正规的买球软件科研人员使用有效的形状描述从面部图像中提取眼镜镜片轮廓
本站原创2022-11-05 13:57:49


现代眼镜镜片制造需要一个复杂的过程,称为定心,这涉及测量患者面部的几个形态参数以及它们与患者将佩戴的框架的形态参数的相关性。关于眼镜最重要的形态学参数是:镜架桥,每个镜片的框尺寸,装配高度晶状体和眼睛瞳孔)和顶点距离。


测量这些形态参数的经典工具和方法通常涉及手动处理;因此,它们容易出错并且不能提供所需的精度。最近,大多数大型眼镜生产商开发了计算机辅助系统,该系统可以通过捕获和处理患者的数字图像来准确测量多个形态参数。


眼镜检测算法可用于自动检测这些系统在测量过程中所需的关键特征。例如,如果从输入图像中准确地检测和提取眼镜和镜片轮廓,则可以使用计算机视觉系统轻松测量桥、拳击和装配高度。


眼镜是影响人脸识别算法性能的最重要因素之一,在安全和监控系统以及人机交互等各种应用中都至关重要。如果准确地检测到眼镜并将其从对象的脸上取下,则可以提高面部识别系统的鲁棒性。


image.png


最后,从美学的角度来看,眼镜框的轮廓可以输入到增强现实系统中,该系统可以让人们在不同颜色的眼镜框甚至不戴眼镜的情况下观察他或她的外观。此外,如果准确确定了眼镜的轮廓,则可以修改其形状,以便患者可以定制镜框的形状。


我们提出了一种新的方法,用于基于多阶段蒙特卡罗方法准确确定眼镜的位置以及镜片的精确轮廓和尺寸。算法的第一步是确定眼睛的大致区域;基于眼睛的位置,眼镜搜索区域被确定为类似于中提出的方法]。接下来,我们使用蒙特卡罗搜索方法来确定眼镜的大致位置和大小。通过在存储在数据库中的一组有限的关键假设之间进行变形来探索搜索空间。在算法的最后一步,围绕先前确定的解决方案执行随机游走,以微调眼镜的位置、大小和形状。该算法主要设计用于验光测量设备,例如,这些设备处理患者的一个或多个高分辨率面部图像,以计算眼镜处方所需的多个形态参数。


这项工作将突出以下贡献:


1.一种准确检测眼镜位置以及眼镜镜片形状和尺寸准确的独创方法;

2.原始眼镜模型:使用傅里叶描述符描述眼镜框的形状;它们的大小由一个参数控制,即瞳距,而它们的位置由眼睛的定位决定。该模型可用于检测和跟踪眼镜框;

3.一种使用傅立叶描述符在形状之间变形的原始方法。由于输入域很大,我们只使用一小组具有代表性的形状,并通过变形该集合的元素来动态生成搜索空间;

4.一种基于多级蒙特卡罗搜索的镜片轮廓提取方法,使用所提出的模型。


眼镜数据库

为了生成新的假设形状,我们使用包含左眼镜框的傅立叶描述符的数据库;通过水平翻转左轮辋自动生成相应的右轮辋。这样,左右轮辋之间的对称性就隐含在模型中了。


为了创建数据库,从几个面部图像中手动选择不同眼镜框的边界。接下来,使用傅里叶描述符描述每个边界,将其归一化为缩放和平移。该数据库包含40个眼镜框样本。眼镜形状的搜索空间被包含在该数据库中的形状之间的变形所覆盖。


眼镜框根据其形状相似性分为三类:对称矩形框、椭圆对称框和不对称框。表格1呈现来自每个眼镜类的样本:眼镜边缘的轮廓,以及轮廓的傅里叶描述符。在我们的实验中,我们使用了14个傅里叶描述符来描述眼镜框的轮廓。


眼睛定位

为了确定眼睛的大致位置,我们使用了著名的Viola-Jones框架,因为它提供了实时的高精度。该算法基于几个关键特征:使用简单的矩形特征,称为Haar特征,一种新颖的图像表示技术,积分图像表示,它允许非常快速地计算特征,AdaBoost算法和将越来越复杂的分类器组合成级联的方法,它会迅速丢弃背景像素。尽管该算法最初是为人脸检测提出的,但它可以针对任何对象进行训练。我们使用OpenCV框架提供的训练数据进行人眼检测。


眼睛检测算法的第一步是使用Viola-Jones算法检测眼睛的所有候选区域。接下来,将不存在左右眼对的区域全部丢弃,将候选区域相对于所有候选区域的中心分为左右组。在这一步之后,所有重叠的眼睛区域都被合并到它们的封闭矩形中。最后,根据包含的候选眼睛区域的数量和包围矩形的尺寸计算最佳匹配组和眼睛的定位。每只眼睛的中心是通过计算重叠的左眼区域的质心来确定的,眼睛的面积是从Haar检测到的眼睛区域的序列中计算出来的,


瞳距近似为每只眼睛对应的矩形中心之间的距离。有关瞳距的信息用于界定可能发现眼镜的区域,其方式与介绍的方式类似。


image.png


比较正规的买球软件生产的测量设备通过处理患者的数字图像来确定任何眼镜处方所需的形态参数。在测量过程中,患者在1到2m的距离内静止站在设备前面,设备使用高分辨率相机拍摄患者面部的图像,如图所示图10.形态学参数是通过检测该图像上的兴趣点并计算它们在现实世界坐标中的关系来确定的。通过比较使用这种计算机辅助方法获得的测量结果和使用验光领域的经典方法获得的测量结果,所有这些设备都得到了验证。在验证过程中,几家眼镜店参与了一项试验研究,并提供了公司在现实生活条件下拍摄的患者图像。目前,对于眼镜镜片的提取,这些设备使用一种算法,该算法仅提供一个近似的边缘形状。配镜师必须为每个图像手动调整眼镜的轮廓。


比较正规的买球软件的大部分工作都是基于从面部图像中移除眼镜,而其他文章则侧重于眼镜检测以确定输入图像中是否存在眼镜。


本文的范围是精确提取眼镜镜片的轮廓,而不是移除眼镜或确定它们在输入图像中的存在。鉴于这个目标差异,我们无法在眼镜上的这些操作之间建立任何相关的比较标准。即使对于以前的眼镜轮廓提取方法,用于确定真阳性和假阳性情况的指标也因工作而异,甚至没有指定。


此外,用于验证这些算法的测试数据库不是可公开访问的标准数据集,因此,我们无法在相同的图像上测试我们的实现来比较算法的性能。


基于这种比较,我们可以得出结论,所提出的眼镜轮廓提取算法产生了非常好的结果,至少与之前报告的实现中获得的结果相当,在某些情况下甚至更好。


眼镜检测算法针对验光测量系统,例如。因此,我们并不打算确定图像中是否存在眼镜,而是要尽可能精确地提取眼镜镜片的轮廓。我们的算法假设眼镜存在于输入图像中。


在这样的系统中,为了进行准确的测量,患者应尽可能保持静止,头部处于垂直位置。因此,我们不一定专注于面部姿势变化:该算法旨在处理在这些条件下拍摄的正面面部图像,而不是用于侧面图像或极端面部变化下的图像。


然而,我们考虑了头部的水平倾斜角度,因为大多数人的自然站立姿势意味着头部有一定的倾斜。如果头部水平倾斜角度小于10度,眼睛检测算法和眼镜检测算法都表现良好:在搜索眼睛和眼镜时,我们对左右眼/眼镜之间的最大斜率施加了条件镜片。


image.png


如果头部水平倾斜角大于10度,则图像对测量过程不再有用,因为它会引起无法补偿的像差。


杯买球app提出了一种自动检测面部图像中眼镜位置和形状的系统。该系统由三个模块组成:眼睛定位、眼镜定位和眼镜形状细化,并基于假设检验。第一个模块用于限制眼镜的搜索区域。眼镜的搜索区域建立后,我们使用蒙特卡罗搜索来检测镜片的大致位置和形状。使用包含镜片代表性形状的数据库探索眼镜框的搜索空间。在算法的最后一步,我们围绕近似解进行随机游走,以微调眼镜框的位置和轮廓。


我们提出了一个基于傅里叶描述符的原始模型来表示透镜,该模型具有几个优点。首先,大量的眼镜形状可以很容易地用几个变量来表示。其次,我们提出了一种基于这些描述符的形状之间变形的原始策略。这种变形方法允许我们使用存储在眼镜数据库中的有限数量的形状来生成新的假设,从而探索搜索空间。此外,傅里叶描述符对于仿射变换是不变的,例如缩放、平移和旋转。


image.png


我们的方法不限于检测眼镜,它可以应用于检测各种视觉对象。为此,我们只需要创建一个包含我们想要检测的对象的代表性形状的数据库。


我们进行了多次实验来证明所提出解决方案的有效性。识别率为92.3%,定位结果如图图11证明我们系统的有效性。


作为未来的工作,我们计划在我们目前使用的边缘信息之外,为我们的匹配标准包括额外的信息,以提高我们解决方案的分割质量。




分享:
Copyright © 2020-2024 2022比较正规的买球软件官网 版权所有 网站地图 比较正规的买球软件+