人脸识别的眼镜消除方法
【技术领域】
[0001] 本发明涉及人脸识别技术领域，尤其涉及人脸识别的眼镜消除方法。
【背景技术】
[0002] 光照、姿态和表情等是影响人脸识别的主要因素，其中光照变化对人脸识别的影 响较大。近红外图像可以有效的解决环境光照变化的影响，但是近红外主动光源照射在眼 镜上形成反光会导致人眼定位失败，另外，眼镜边框的遮挡也会影响特征点的准确定位而 引起识别率下降。
[0003] 人脸图像眼镜片反光问题是人脸识别领域的长期以来面临的技术难题，目前在图 像处理层面上尚没有一种有效的解决方法。
【发明内容】
[0004] 本发明实施例提供了一种人脸识别的眼镜消除方法，能够解决人脸图像眼镜片反 光的问题。
[0005] 本发明实施例提供的一种人脸识别的眼镜消除方法，包括：
[0006] 采集人脸图像，并对得到的多个图像帧进行灰度化处理，得到多张第一图像；
[0007] 对所述第一图像进行人脸检测，获取人脸区域；
[0008] 计算所述人脸区域的反光度；
[0009] 筛选出所述反光度不大于预设的第一反光阈值的所述第一图像作为第二图像；
[0010] 在所述第二图像上定位眼镜框的镜框区域；
[0011] 修复所述第二图像上的所述镜框区域，得到消除镜框的目标图像。
[0012] 可选地，对所述第一图像进行人脸检测，获取人脸区域具体包括：
[0013] 通过基于Haar分类器对所述第一图像进行人脸检测，获取人脸区域；
[0014] 或，通过基于肤色检测方法对所述第一图像进行人脸检测，获取人脸区域。
[0015] 可选地，在首次执行所述眼镜消除方法时，对所述Haar分类器的数据模型进行更 新：
[0016] 将多幅人脸图像扩充至所述Haar分类器中的OpenCV库中作为原始训练样本，重 新进行级联训练得到新的数据模型。
[0017] 可选地，在对所述第一图像进行人脸检测，获取人脸区域之后，并且在计算所述人 脸区域的反光度之前还包括：
[0018] 获取所述人脸区域中的眼部区域图像；
[0019] 对所述眼部区域图像进行二值化处理；
[0020] 所述计算所述人脸区域的反光度具体为：
[0021] 计算所述眼部区域图像的反光度。
[0022] 可选地，获取所述人脸区域中的眼部区域图像具体包括：
[0023] 获取所述人脸区域的两个对角顶点坐标；
[0024] 根据所述两个对角顶点坐标以及预设的眼部区域相对位置得到眼部区域图像。
[0025] 可选地，计算所述眼部区域图像的反光度具体包括：
[0026] 计算所述眼部区域图像上所有连通域内包含的高亮度像素的个数之和，所述高亮 度像素为灰度值为1的像素。
[0027] 可选地，在所述第二图像上定位眼镜框的镜框区域具体为：
[0028] 通过GVF-Snake方法在所述第二图像上定位出眼镜框的镜框区域。
[0029] 可选地，修复所述第二图像上的所述镜框区域，得到消除镜框的目标图像具体 为：
[0030] 通过加权平均差值方法对所述第二图像上的所述镜框区域进行插值修复，得到消 除镜框的目标图像。
[0031] 可选地，计算所述人脸区域的反光度之后以及筛选出所述反光度不大于预设的第 一反光阈值的所述第一图像作为第二图像之前还包括：
[0032] 判断是否存在任一所述第一图像上人脸区域的所述反光度大于预设的标准阈值， 若是，则执行筛选出所述反光度不大于预设的第一反光阈值的所述第一图像作为第二图像 的步骤。
[0033] 可选地，所述第一反光阈值由以下步骤得到：
[0034] 采集不少于预设数量级的戴眼镜的人脸图像；
[0035] 从所述人脸图像中筛选出瞳孔定位准确的图像组成标准图像集；
[0036] 计算所述标准图像集中所有图像的反光度；
[0037] 获取所述所有图像的反光度的最大值，作为所述第一反光阈值。
[0038] 从以上技术方案可以看出，本发明实施例具有以下优点：
[0039] 本发明实施例中，首先，采集人脸图像，并对得到的多个图像帧进行灰度化处理， 得到多张第一图像；然后，对所述第一图像进行人脸检测，获取人脸区域；接着，计算所述 人脸区域的反光度；筛选出所述反光度不大于预设的第一反光阈值的所述第一图像作为第 二图像；再之，在所述第二图像上定位眼镜框的镜框区域；最后，修复所述第二图像上的所 述镜框区域，得到消除镜框的目标图像。在本发明实施例中，该人脸识别的眼镜消除方法可 以解决人脸图像眼镜片反光的问题，使得人眼定位不再收到眼镜反光的影响，特征点准确 定位并提尚识别率。
【附图说明】
[0040] 图1为本发明实施例中人脸识别的眼镜消除方法一个实施例流程图；
[0041] 图2为本发明实施例中人脸识别的眼镜消除方法另一个实施例流程图；
[0042] 图3为本发明提出的加权插值权重计算解析图。
【具体实施方式】
[0043] 本发明实施例提供了人脸识别的眼镜消除方法，用于解决人脸图像眼镜片反光的 问题。
[0044] 为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述 的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护 的范围。
[0045] 请参阅图1，本发明实施例中一种人脸识别的眼镜消除方法一个实施例包括：
[0046] 101、采集人脸图像，并对得到的多个图像帧进行灰度化处理，得到多张第一图 像；
[0047] 首先，可以采集人脸图像，并对得到的多个图像帧进行灰度化处理，得到多张第一 图像。
[0048] 102、对该第一图像进行人脸检测，获取人脸区域；
[0049] 在得到多张第一图像之后，可以对该第一图像进行人脸检测，获取人脸区域。
[0050] 103、计算该人脸区域的反光度；
[0051 ] 在获取人脸区域之后，可以计算该人脸区域的反光度。
[0052] 104、筛选出该反光度不大于预设的第一反光阈值的该第一图像作为第二图像；
[0053] 在计算该人脸区域的反光度之后，可以筛选出该反光度不大于预设的第一反光阈 值的该第一图像作为第二图像。
[0054] 105、在该第二图像上定位眼镜框的镜框区域；
[0055] 在筛选出该反光度不大于预设的第一反光阈值的该第一图像作为第二图像之后， 可以在该第二图像上定位眼镜框的镜框区域。
[0056] 106、修复该第二图像上的该镜框区域，得到消除镜框的目标图像。
[0057] 在在该第二图像上定位眼镜框的镜框区域之后，可以修复该第二图像上的该镜框 区域，得到消除镜框的目标图像。
[0058] 本实施例中，首先，采集人脸图像，并对得到的多个图像帧进行灰度化处理，得到 多张第一图像；然后，对该第一图像进行人脸检测，获取人脸区域；接着，计算该人脸区域 的反光度；筛选出该反光度不大于预设的第一反光阈值的该第一图像作为第二图像；再 之，在该第二图像上定位眼镜框的镜框区域；最后，修复该第二图像上的该镜框区域，得到 消除镜框的目标图像。在本实施例中，该人脸识别的眼镜消除方法可以解决人脸图像眼镜 片反光的问题，使得人眼定位不再收到眼镜反光的影响，特征点准确定位并提高识别率。