人脸识别方法、装置及系统与流程

本申请涉及图像处理技术领域，更具体的涉及人脸识别方法、装置及系统。

背景技术：

在各种针对人像的图像处理与计算机视觉应用中，如人像自动美白、自动祛斑、色情图像检测等，都依赖于准确的人脸皮肤识别方法。

目前人脸皮肤识别方法为基于肤色先验统计知识的方法，基于肤色先验统计知识的方法是利用一定的肤色样本，统计肤色样本在某一颜色空间中的肤色分布概率，利用得到的概率分布图，计算当前颜色是皮肤区域的概率。此类方法速度较快，但精度较差，对于不同人种、不同光线条件下的图像难以得到准确的皮肤检测结果。

为此，现有技术需要一种鲁棒性较高的人脸皮肤识别方法。

技术实现要素：

有鉴于此，本发明提供了一种人脸识别方法、装置及系统，以克服现有技术中人脸皮肤识别方法鲁棒性较低的问题。

为实现上述目的，本发明提供如下技术方案：

一种人脸皮肤识别方法，包括：

获取待识别图像中人脸特征点坐标，所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标；

基于所述人脸特征点坐标，确定人脸置信区域，所述人脸置信区域包括人脸皮肤置信区域和五官置信区域；

计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值；

将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值；

计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图；

依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域；

将所述人脸皮肤最终区域中像素值大于等于预设值的像素点组成的区域，确定为人脸皮肤区域。

其中，所述基于所述人脸特征点坐标，确定人脸皮肤置信区域包括：

将所述人脸外轮廓特征点坐标内缩第一预设倍数，获得内缩人脸外轮廓特征点坐标；

依据所述内缩人脸外轮廓特征点坐标，确定出所述内缩人脸外轮廓特征点坐标包围的所述人脸置信区域。

将所述五官特征点坐标外扩第二预设倍数，获得外扩五官特征点坐标；

依据所述外扩五官特征点坐标，确定出所述外扩五官特征点坐标包围的所述五官置信区域；

将所述人脸置信区域中非所述五官置信区域的区域，确定为所述人脸皮肤置信区域。

其中，所述将所述人脸外轮廓特征点坐标内缩第一预设倍数，获得内缩人脸外轮廓特征点坐标包括：

依据Pnew1＝P1(1-rate1)+Pcenter1*rate1，计算所述内缩人脸外轮廓特征点坐标；

其中，P1为所述人脸外轮廓特征点坐标，Pcenter1为所述人脸外轮廓特征点坐标的质心，Pnew1为所述内缩人脸外轮廓特征点坐标，rate1为所述第一预设倍数，所述第一预设倍数大于0；

所述将所述五官特征点坐标外扩第二预设倍数，获得外扩五官特征点坐标包括：

依据Pnew2＝P2(1-rate2)+Pcenter2*rate2，计算所述外扩五官特征点坐标；

其中，P2为所述五官特征点坐标，Pcenter2为所述五官特征点的质心，Pnew2为所述外扩五官特征点坐标，rate2为所述第二预设倍数，所述第二预设倍数小于0。

其中，所述计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图包括：

依据以下公式，计算每一像素点与所述中间平均颜色值的加权距离：

其中，W_L、W_a、W_b为所述预设颜色空间中三个通道的权值，(L_i,j,a_i,j,b_i,j)为所述中间图像中像素点(i,j)的三个通道的颜色值，(L_mean,a_mean,b_mean)为所述中间平均颜色值，d_i,j为所述加权距离图中像素点(i,j)的像素值。

一种人脸皮肤识别装置，包括：

获取模块，用于获取待识别图像中人脸特征点坐标，所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标；

第一确定模块，用于基于所述人脸特征点坐标，确定人脸置信区域，所述人脸置信区域包括人脸皮肤置信区域和五官置信区域；

第一计算模块，用于计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值；

转换模块，用于将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值；

第二计算模块，用于计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图；

映射模块，用于依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域。

其中，所述第一确定模块包括：

第一获取单元，用于将所述人脸外轮廓特征点坐标内缩第一预设倍数，获得内缩人脸外轮廓特征点坐标；

第一确定单元，用于依据所述内缩人脸外轮廓特征点坐标，确定出所述内缩人脸外轮廓特征点坐标包围的所述人脸置信区域；

第二获取单元，用于将所述五官特征点坐标外扩第二预设倍数，获得外扩五官特征点坐标；

第二确定单元，用于依据所述外扩五官特征点坐标，确定出所述外扩五官特征点坐标包围的所述五官置信区域；

第三确定单元，用于将所述人脸置信区域中非所述五官置信区域的区域，确定为所述人脸皮肤置信区域。

其中，所述第一获取单元包括：

第一计算子单元，用于依据Pnew1＝P1(1-rate1)+Pcenter1*rate1，计算所述内缩人脸外轮廓特征点坐标；

其中，P1为所述人脸外轮廓特征点坐标，Pcenter1为所述人脸外轮廓特征点坐标的质心，Pnew1为所述内缩人脸外轮廓特征点坐标，rate1为所述第一预设倍数，所述第一预设倍数大于0；

所述第二获取单元包括：

第二计算子单元，用于依据Pnew2＝P2(1-rate2)+Pcenter2*rate2，计算所述外扩五官特征点坐标；

其中，P2为所述五官特征点坐标，Pcenter2为所述五官特征点的质心，Pnew2为所述外扩五官特征点坐标，rate2为所述第二预设倍数，所述第二预设倍数小于0。

其中，所述第二计算模块包括：

第三计算子单元，用于依据以下公式，计算每一像素点与所述中间平均颜色值的加权距离：

其中，W_L、W_a、W_b为所述预设颜色空间中三个通道的权值，(L_i,j,a_i,j,b_i,j)为所述中间图像中像素点(i,j)的三个通道的颜色值，(L_mean,a_mean,b_mean)为所述中间平均颜色值，d_i,j为所述加权距离图中像素点(i,j)的像素值。

一种人脸识别系统，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待识别图像中人脸特征点坐标，所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标；

基于所述人脸特征点坐标，确定人脸置信区域，所述人脸置信区域包括人脸皮肤置信区域和五官置信区域；

计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值；

将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值；

计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图；

依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域；

将所述人脸皮肤最终区域中像素值大于等于预设值的像素点组成的区域，确定为人脸皮肤区域。

经由上述的技术方案可知，与现有技术相比，本申请实施例提供的人脸识别方法中，首先通过获取待识别图像中人脸特征点坐标、例如五官特征点坐标，确定当前待识别图像中包含人脸；然后基于所述人脸特征点坐标，确定人脸皮肤置信区域，也就是确定出人脸皮肤的大致范围，所以为了避免误差，这里计算待识别图像中人脸皮肤置信区域中所有的像素点的像素值的平均RGB颜色值，作为一个参考皮肤像素值。由于该平均RGB颜色值是基于该张待识别图像获得的，所以不会因为待识别图像中人脸的肤色不同，或者光线不同导致的人脸肤色不同，导致整个识别结果有误差。

为了更加精确的确定待识别图像中哪些像素点属于皮肤区域，将待识别图像转换为预设颜色空间的中间图像，且将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值，这样就可以计算中间图像中各个像素点与中间平均颜色值的加权距离，得到加权距离图；由于加权距离图中各个像素值越大表明，加权距离越大，该像素点不属于皮肤区域的概率越大，可以将加权距离图中各个像素点的像素值，依据单调递减预设映射函数映射回0至255，获得人脸皮肤最终区域。

本申请实施例提供的人脸皮肤识别方法具有很强的鲁棒性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种人脸皮肤识别方法的流程图；

图2为本申请实施例中利用ASM方法获取人脸特征点坐标的示意图；

图3为本申请实施例提供的一种人脸皮肤置信区域的示意图；

图4为本申请实施例提供的一种人脸皮肤最终区域图；

图5为本申请实施例提供的一种人脸皮肤识别方法中的基于所述人脸特征点坐标，确定人脸皮肤置信区域的一种实现方式的流程示意图；

图6为本申请实施例提供的一种人脸识别装置的结构示意图；

图7为本申请实施例提供的一种人脸识别装置中的第一确定模块的一种实现方式的结构示意图；

图8为本申请实施例提供的一种人脸识别系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，为本申请实施例提供的一种人脸皮肤识别方法的流程图，该方法包括：

步骤S101：获取待识别图像中人脸特征点坐标。

待识别图像可以为RGB颜色空间图像。

所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标。

人脸特征点坐标获取方法有很多中实现方式，如ASM(Active Shape Model)方法或神经网络方法等。

如图2所述，为本申请实施例中利用ASM方法获取人脸特征点坐标的示意图。

从图2中可以看出，人脸特征点坐标包括人脸外轮廓特征点坐标(即曲线20上的特征点)和五官特征点坐标。

五官特征点坐标是指两个眼睛外轮廓特征点坐标21和嘴唇外轮廓特征点坐标22；五官特征点坐标还可以包括眉毛外轮廓特征点坐标23。五官特征点坐标可以不包括鼻子外轮廓特征点坐标24，因为鼻子部位也属于人脸皮肤的范围，当然五官特征点坐标也可以包括鼻子外轮廓特征点坐标24。

步骤S102：基于所述人脸特征点坐标，确定人脸置信区域。

所述人脸置信区域包括人脸皮肤置信区域和五官置信区域。

如图3所述，为本申请实施例提供的一种人脸皮肤置信区域的示意图。

从图3中可以看出人脸皮肤置信区域31可以约是人脸外轮廓特征点坐标包围的内部区域，除去五官特征点坐标包围的区域32(例如眼睛部位、嘴唇部位、眉毛部位)。

由于额头部位容易受到头发的干扰(例如有人留着齐刘海)，因此本申请实施例可以采用眉毛外轮廓特征点，即眉毛以上的部位(包含眉毛部位)不属于人脸皮肤置信区域。

可以将人脸皮肤置信区域的像素值均设置为255，其他部位的像素点的像素值均设置为0，如图3所示，像素值为255的区域为人脸皮肤置信区域31。

步骤S103：计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值。

待识别图像为RGB颜色空间的图像，计算该待识别图像中人脸皮肤置信区域31中各个像素点的平均RGB颜色值，可以理解的是，人脸皮肤置信区域31都是人脸上的皮肤，该平均RGB颜色值即为该人脸的所有皮肤的像素点的像素值的平均值。也就是说，哪个位置的像素值越接近该平均RGB颜色值，该位置就越有可能属于人脸的皮肤的位置。

由于该平均RGB颜色值是基于该张待识别图像获得的，所以不会因为待识别图像中人脸的肤色不同，或者光线不同导致的人脸肤色不同，导致整个识别结果有误差。

步骤S104：将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值。

中间图像是指待识别图像转换为预设颜色空间后的图像。中间平均颜色值是指平均RGB颜色值转换为所述预设颜色空间的颜色值。

预设颜色空间是对皮肤检测较为敏感的颜色空间，例如，可以为Lab颜色空间或YCrCb颜色空间。

步骤S105：计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图。

由于预设颜色空间有3个通道，每个通道的权值不同，所以可以依据3个通道分别对应的权值，计算中间图像中每一像素点与中间平均颜色值的加权距离。

依据以下公式，计算每一像素点与所述中间平均颜色值的加权距离：

其中，W_L、W_a、W_b为所述预设颜色空间中三个通道的权值，可以根据实际情况取值，例如分别取值为1,4，4等等，(L_i,j,a_i,j,b_i,j)为所述中间图像中像素点(i,j)的三个通道的颜色值，(L_mean,a_mean,b_mean)为所述中间平均颜色值，d_i,j为所述加权距离图中像素点(i,j)的像素值。

可以理解的是加权距离越小表明像素点的像素值颜色越接近人脸皮肤的颜色。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

步骤S106：依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域。

预设映射函数应该具有如下特征：

加权距离值越小，表示该像素点的像素值越接近皮肤颜色，此时该加权距离的映射值越接近255，代表该像素点属于人脸皮肤最终区域的概率越高；加权距离值越大,表明该像素点属于人脸皮肤最终区域的概率越低，此时该加权距离的映射值越接近0。实际应用时，预设映射函数可采用线性函数或者样条曲线函数。

综上，预设映射函数可以为单调递减函数，且加权距离最大值对应的映射值为0，加权距离最小值对应的映射值为255。

如图4所示，为本申请实施例提供的一种人脸皮肤最终区域图。

从图4中可以看出，人脸皮肤最终区域41中的像素点的像素值明显与背景区域、眼睛区域、嘴唇区域不同，因此可以准确的识别出人脸皮肤最终区域。

本申请实施例提供的人脸识别方法中，首先通过获取待识别图像中人脸特征点坐标，确定当前待识别图像中包含人脸；然后基于所述人脸特征点坐标，确定人脸皮肤置信区域，也就是确定出人脸皮肤的大致范围，所以为了避免误差，这里计算待识别图像中人脸皮肤置信区域中所有的像素点的像素值的平均RGB颜色值，作为一个参考皮肤像素值。由于该平均RGB颜色值是基于该张待识别图像获得的，所以不会因为待识别图像中人脸的肤色不同，或者光线不同导致的人脸肤色不同，导致整个识别结果有误差。

为了更加精确的确定待识别图像中哪些像素点属于皮肤区域，将待识别图像转换为预设颜色空间的中间图像，且将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值，这样就可以计算中间图像中各个像素点与中间平均颜色值的加权距离，得到加权距离图；由于加权距离图中各个像素值越大表明，加权距离越大，该像素点不属于皮肤区域的概率越大，可以将加权距离图中各个像素点的像素值，依据单调递减预设映射函数映射回0至255，获得人脸皮肤最终区域。

本申请实施例提供的人脸皮肤识别方法具有很强的鲁棒性。

可以理解的是，人脸皮肤置信区域可以为人脸外轮廓特征点坐标包围的部分中除去五官特征点包围的部分，即图2中的曲线20包围的部分，除去五官特征点坐标包围的部分。但是由于人脸外轮廓特征点坐标可能不准确，此时，采用上述方法确定人脸皮肤置信区域，可能会包括非人脸区域，如果确定的人脸外轮廓特征点坐标位于曲线24上，则曲线20和曲线24之间的区域为非人脸区域，且五官特征点坐标也可能确定不准确，如图2中的眼睛外轮廓特征点包围的部分，比较靠内部，双眼皮部分并未包括在眼睛外轮廓特征点坐标所包围的范围内。为了避免加入非人脸皮肤区域，导致平均RGB颜色值不准确，本申请实施例巧妙的采用了如下方式确定人脸皮肤置信区域。

请参阅图5，为本申请实施例提供的一种人脸皮肤识别方法中的基于所述人脸特征点坐标，确定人脸皮肤置信区域的一种实现方式的流程示意图，该方法包括：

步骤S501：将所述人脸外轮廓特征点坐标内缩第一预设倍数，获得内缩人脸外轮廓特征点坐标。

依据Pnew1＝P1(1-rate1)+Pcenter1*rate1，计算所述内缩人脸外轮廓特征点坐标。其中，P1为所述人脸外轮廓特征点坐标，Pcenter1为所述人脸外轮廓特征点坐标的质心，Pnew1为所述内缩人脸外轮廓特征点坐标，rate1为所述第一预设倍数，所述第一预设倍数大于0。

人脸外轮廓特征点坐标的质心Pcenter1，是指人脸的质量中心。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

步骤S502：依据所述内缩人脸外轮廓特征点坐标，确定出所述内缩人脸外轮廓特征点坐标包围的所述人脸置信区域。

步骤S503：将所述五官特征点坐标外扩第二预设倍数，获得外扩五官特征点坐标。

依据Pnew2＝P2(1-rate2)+Pcenter2*rate2，计算所述外扩五官特征点坐标；其中，P2为所述五官特征点坐标，Pcenter2为所述五官特征点的质心，Pnew2为所述外扩五官特征点坐标，rate2为所述第二预设倍数，所述第二预设倍数小于0。

五官特征点坐标包括：两个眼睛外轮廓特征点坐标和嘴唇外轮廓特征点坐标。五官特征点坐标还可以包括：鼻子外轮廓特征点坐标、眉毛外轮廓特征点坐标。

相应的外扩五官特征点坐标包括：眼睛外轮廓特征点坐标对应的外扩眼睛外轮廓特征点坐标；嘴唇外轮廓特征点坐标对应的外扩嘴唇外轮廓特征点坐标，还可以包括：鼻子外轮廓特征点坐标对应的外扩鼻子外轮廓特征点坐标；眉毛外轮廓特征点坐标对应的外扩眉毛外轮廓特征点坐标。

在计算不同的外扩特征点坐标时，五官特征点的质心不同，例如，在计算外扩眼睛外轮廓特征点坐标时，五官特征点的质心为眼睛的质心；在计算外扩嘴唇外轮廓特征点坐标时，五官特征点的质心为嘴唇的质心；在计算外扩鼻子外轮廓特征点坐标时，五官特征点的质心为鼻子的质心；在计算外扩眉毛外轮廓特征点坐标时，五官特征点的质心为眉毛的质心。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

步骤S504：依据所述外扩五官特征点坐标，确定出所述外扩五官特征点坐标包围的所述五官置信区域。

步骤S505：将所述人脸置信区域中非所述五官置信区域的区域，确定为所述人脸皮肤置信区域。

如图3中像素值为255的区域即为人脸皮肤置信区域。

为了本领域技术人员更加理解本申请实施例提供人脸识别方法的识别速度，以1280*800大小且人脸占据大部分面积的图像为例进行说明。

在Macbook Pro(Retina,15-inch,Mid 2015),OS X 10.11，XCode7.3上测得单张图平均计算时间约为9.34ms。

请参阅图6，为本申请实施例提供的一种人脸识别装置的结构示意图，该人脸识别装置包括：获取模块61、第一确定模块62、第一计算模块63、转换模块64、第二计算模块65以及映射模块66，其中：

获取模块61，用于获取待识别图像中人脸特征点坐标，所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标。

待识别图像可以为RGB颜色空间图像。

人脸特征点坐标获取方法有很多中实现方式，如ASM(Active Shape Model)方法或神经网络方法等。

详细描述请参阅对图2的描述，在此不再赘述。

第一确定模块62，用于基于所述人脸特征点坐标，确定人脸置信区域，所述人脸置信区域包括人脸皮肤置信区域和五官置信区域。

详细描述请参阅对图3的描述，在此不再赘述。

第一计算模块63，用于计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值。

待识别图像为RGB颜色空间的图像，计算该待识别图像中人脸皮肤置信区域31中各个像素点的平均RGB颜色值，可以理解的是，人脸皮肤置信区域31都是人脸上的皮肤，该平均RGB颜色值即为该人脸的所有皮肤的像素点的像素值的平均值。也就是说，哪个位置的像素值越接近该平均RGB颜色值，该位置就越有可能属于人脸的皮肤的位置。

由于该平均RGB颜色值是基于该张待识别图像获得的，所以不会因为待识别图像中人脸的肤色不同，或者光线不同导致的人脸肤色不同，导致整个识别结果有误差。

转换模块64，用于将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值。

预设颜色空间是对皮肤检测较为敏感的颜色空间，例如，可以为Lab颜色空间或YCrCb颜色空间。

中间图像是指待识别图像转换为预设颜色空间后的图像。中间平均颜色值是指平均RGB颜色值转换为所述预设颜色空间的颜色值。

第二计算模块65，用于计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图。

由于预设颜色空间有3个通道，每个通道的权值不同，所以可以依据3个通道分别对应的权值，计算中间图像中每一像素点与中间平均颜色值的加权距离。

第二计算模块包括：第三计算子单元，用于依据以下公式，计算每一像素点与所述中间平均颜色值的加权距离：

其中，W_L、W_a、W_b为所述预设颜色空间中三个通道的权值，可以根据实际情况取值，例如分别取值为1,4，4等等，(L_i,j,a_i,j,b_i,j)为所述中间图像中像素点(i,j)的三个通道的颜色值，(L_mean,a_mean,b_mean)为所述中间平均颜色值，d_i,j为所述加权距离图中像素点(i,j)的像素值。

可以理解的是加权距离越小表明像素点的像素值颜色越接近人脸皮肤的颜色。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

映射模块66，用于依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域。

预设映射函数应该具有如下特征：

加权距离值越小，表示该像素点的像素值越接近皮肤颜色，此时该加权距离的映射值越接近255，代表该像素点属于人脸皮肤最终区域的概率越高；加权距离值越大,表明该像素点属于人脸皮肤最终区域的概率越低，此时该加权距离的映射值越接近0。实际应用时，预设映射函数可采用线性函数或者样条曲线函数。

综上，预设映射函数可以为单调递减函数，且加权距离最大值对应的映射值为0，加权距离最小值对应的映射值为255。

详细描述请参阅图4，在此不再赘述。

本申请实施例提供的人脸识别装置中，首先通过获取模块61获取待识别图像中人脸特征点坐标，确定当前待识别图像中包含人脸；然后第一确定模块62基于所述人脸特征点坐标，确定人脸皮肤置信区域，也就是确定出人脸皮肤的大致范围，为了避免误差，这里第一计算模块63计算待识别图像中人脸皮肤置信区域中所有的像素点的像素值的平均RGB颜色值，作为一个参考皮肤像素值。由于该平均RGB颜色值是基于该张待识别图像获得的，所以不会因为待识别图像中人脸的肤色不同，或者光线不同导致的人脸肤色不同，导致整个识别结果有误差。

为了更加精确的确定待识别图像中哪些像素点属于皮肤区域，转换模块64将待识别图像转换为预设颜色空间的中间图像，且将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值，这样第二计算模块65就可以计算中间图像中各个像素点与中间平均颜色值的加权距离，得到加权距离图；由于加权距离图中各个像素值越大表明，加权距离越大，该像素点不属于皮肤区域的概率越大，映射模块66可以将加权距离图中各个像素点的像素值，依据单调递减预设映射函数映射回0至255，获得人脸皮肤最终区域。

本申请实施例提供的人脸皮肤识别装置具有很强的鲁棒性。

可以理解的是，人脸皮肤置信区域可以为人脸外轮廓特征点坐标包围的部分中除去五官特征点包围的部分，即图2中的曲线20包围的部分，除去五官特征点坐标包围的部分。但是由于人脸外轮廓特征点坐标可能不准确，此时，采用上述方法确定人脸皮肤置信区域，可能会包括非人脸区域，如果确定的人脸外轮廓特征点坐标位于曲线24上，则曲线20和曲线24之间的区域为非人脸区域，且五官特征点坐标也可能确定不准确，如图2中的眼睛外轮廓特征点包围的部分，比较靠内部，双眼皮部分并未包括在眼睛外轮廓特征点坐标所包围的范围内。为了避免加入非人脸皮肤区域，导致平均RGB颜色值不准确，本申请实施例巧妙的采用了如下方式确定人脸皮肤置信区域。

请参阅图7，为本申请实施例提供的一种人脸识别装置中的第一确定模块的一种实现方式的结构示意图，该第一确定模块可以包括：第一获取单元71、第一确定单元72、第二获取单元73、第二确定单元74以及第三确定单元75，其中：

第一获取单元71，用于将所述人脸外轮廓特征点坐标内缩第一预设倍数，获得内缩人脸外轮廓特征点坐标。

第一获取单元包括：

第一计算子单元，用于依据Pnew1＝P1(1-rate1)+Pcenter1*rate1，计算所述内缩人脸外轮廓特征点坐标。

其中，P1为所述人脸外轮廓特征点坐标，Pcenter1为所述人脸外轮廓特征点坐标的质心，Pnew1为所述内缩人脸外轮廓特征点坐标，rate1为所述第一预设倍数，所述第一预设倍数大于0。

人脸外轮廓特征点坐标的质心Pcenter1，是指人脸的质量中心。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

第一确定单元72，用于依据所述内缩人脸外轮廓特征点坐标，确定出所述内缩人脸外轮廓特征点坐标包围的所述人脸置信区域。

第二获取单元73，用于将所述五官特征点坐标外扩第二预设倍数，获得外扩五官特征点坐标。

第二获取单元包括：

第二计算子单元，用于依据Pnew2＝P2(1-rate2)+Pcenter2*rate2，计算所述外扩五官特征点坐标。

其中，P2为所述五官特征点坐标，Pcenter2为所述五官特征点的质心，Pnew2为所述外扩五官特征点坐标，rate2为所述第二预设倍数，所述第二预设倍数小于0。

五官特征点坐标包括：两个眼睛外轮廓特征点坐标和嘴唇外轮廓特征点坐标。五官特征点坐标还可以包括：鼻子外轮廓特征点坐标、眉毛外轮廓特征点坐标。

相应的外扩五官特征点坐标包括：眼睛外轮廓特征点坐标对应的外扩眼睛外轮廓特征点坐标；嘴唇外轮廓特征点坐标对应的外扩嘴唇外轮廓特征点坐标，还可以包括：鼻子外轮廓特征点坐标对应的外扩鼻子外轮廓特征点坐标；眉毛外轮廓特征点坐标对应的外扩眉毛外轮廓特征点坐标。

在计算不同的外扩特征点坐标时，五官特征点的质心不同，例如，在计算外扩眼睛外轮廓特征点坐标时，五官特征点的质心为眼睛的质心；在计算外扩嘴唇外轮廓特征点坐标时，五官特征点的质心为嘴唇的质心；在计算外扩鼻子外轮廓特征点坐标时，五官特征点的质心为鼻子的质心；在计算外扩眉毛外轮廓特征点坐标时，五官特征点的质心为眉毛的质心。

需要注意的是，上述公式并不构成对本发明的限定，本领域技术人员可以根据本发明提供的技术思想结合实际应用需求自行设计。

第二确定单元74，用于依据所述外扩五官特征点坐标，确定出所述外扩五官特征点坐标包围的所述五官置信区域。

第三确定单元75，用于将所述人脸置信区域中非所述五官置信区域的区域，确定为所述人脸皮肤置信区域。

如图3中像素值为255的区域即为人脸皮肤置信区域。

请参阅图8，为本申请实施例提供的一种人脸识别系统的结构示意图，该人脸识别系统包括：处理器81以及存储器82，处理器81和存储器82之间通过通信总线83相连。

存储器82，用于存储所述处理器可执行指令。

其中，所述处理器被配置为：

获取待识别图像中人脸特征点坐标，所述人脸特征点坐标包括人脸外轮廓特征点坐标和五官特征点坐标；

基于所述人脸特征点坐标，确定人脸置信区域，所述人脸置信区域包括人脸皮肤置信区域和五官置信区域；

计算位于所述待识别图像中的人脸皮肤置信区域的，所有像素点的平均RGB颜色值；

将所述待识别图像转换为预设颜色空间的中间图像，以及将所述平均RGB颜色值转换为所述预设颜色空间的中间平均颜色值；

计算所述中间图像中每一像素点与所述中间平均颜色值的加权距离，得到以各个所述加权距离为像素值的加权距离图；

依据单调递减预设映射函数，将所述加权距离图中各个像素点的像素值映射回0至255，获得人脸皮肤最终区域；

将所述人脸皮肤最终区域中像素值大于等于预设值的像素点组成的区域，确定为人脸皮肤区域。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。