专利名称：一种提取眉毛轮廓的方法
技术领域：
本发明涉及一种提取眉毛轮廓的方法，属于生物识别技术领域。
背景技术：
眉毛作为人脸的重要子特征，应当在生物特征识别技术领域中占据比较重要的地位，然而实际情况却是对眉毛研究和应用还处在起步阶段，对眉毛的特征提取方面的技术文献也不多。
发明专利申请公开之《基于眉毛识别的身份鉴别方法》(公开号CN1645406A)，其直接利用眉毛的彩色图像的像素信息描述眉毛特征；而发明专利申请公开之《基于眉毛识别的身份鉴别方法》(公开号CN1801180A)通过傅里叶变换和K均值算法提取眉毛的纹理特征；文献《基于小波变换和SVM的眉毛身份验证系统研究》(《计算机应用研究》2009年第 11期)通过小波变换的方法提取眉毛的纹理特征；而文献《一种基于特征串比较的眉毛识别方法》(《北京工业大学学报》2008年第01期)通过离散傅里叶变换和矢量量化的方法提取眉毛的纹理特征。
基于以上描述可知，现阶段在生物识别技术领域的研究主要专注于眉毛纹理信息的提取，对于眉毛轮廓信息的提取还未见报道。发明人认为对眉毛轮廓的提取具有很高的价值，如在美容领域，涉及修饰眉毛轮廓等，如果能够对眉毛轮廓提取，可以为后续的处理提供借鉴。因此有必要提出提取眉毛轮廓的方法，此方法应当对各种光照具有很好的适应性，可有效提取眉毛轮廓。发明内容
有鉴于此，本发明的目的在于提供一种能够提取眉毛轮廓的方法，以拓展眉毛提取在生物识别领域中的应用。
本发明采用以下技术方案 ·一种提取眉毛轮廓的方法，包括以下步骤；1)针对所要处理的图片，粗选眉毛区域，生成眉毛截取区域；2)统计所述眉毛截取区域内各灰度级的像素点个数Num[n]，其中O < <255；3)设置一个大于O的自适应因子AdaFactor,然后统计灰度值小于XMinGray的个数 Numl,其中MinGray为所述眉毛截取区域中灰度最小像素点的灰度值；4)当NumDPlXQ,则令= AdaFactor -Cl,再次统计灰度值小于XMinGray的个数Numl, 如此循环直到NumKPlXQ ;当Numl〈P2XQ，则令AdaFactw =+C2，再次统计灰度值小于 AdaFactor XMinGray的个数Numl,如此循环直到Numl>P2XQ ;其中Cl和C2为预定的调整量，Pl和P2为常数，前者取O. 28-0. 36，后者取O. 08-0. 16 ;而Q为粗选眉毛区域中的像素点个数；5)然后对截取区域内的像素点』(U) (0<i<M-0<i<iV)进行二值化:
权利要求
1.一种提取眉毛轮廓的方法，其特征在于，包括以下步骤； 1)针对所要处理的图片，粗选眉毛区域，生成眉毛截取区域； 2)统计所述眉毛截取区域内各灰度级的像素点个数Num[n]，其中0<n<255； 3)设置一个大于O的自适应因子,然后统计灰度值小于AdaFactorXMinGray的个数Numl,其中MinGray为所述眉毛截取区域中灰度最小像素点的灰度值； 4)当NumDPlXQ,则令=AdaFaCtOr _C1,再次统计灰度值小于XMinGray 的个数 Numl，如此循环直到 NumKPl XQ ;当 Numl<P2XQ,则令
2.根据权利要求I所述的提取眉毛轮廓的方法，其特征在于，所述眉毛截取区域为矩形区域。
3.根据权利要求2所述的提取眉毛轮廓的方法，其特征在于，生成所述眉毛截取区域的步骤为通过样本学习的方式，统计样本中匹配的矩形区域对角的一对像素点的坐标值，训练的结果为所述坐标值约束矩形区域的最大值或者均值，以作为约束眉毛截取区域的一对像素点的坐标值。
4.根据权利要求2所述的提取眉毛轮廓的方法，其特征在于，将要处理的图片尺寸归一化利用支持向量机的学习，通过样本的学习，定位图像上人的两瞳孔位置，标定两瞳孔间距为设定距离，进而设定两瞳孔的中点作为图片的中心点，将图片放缩到归一的目标尺寸。
5.根据权利要求I至4任一所述的提取眉毛轮廓的方法，其特征在于，在步骤2)前还包括判断所述眉毛截取区域中眉毛是否被遮挡的步骤，若被遮挡，则不再进行当前图片的后续处理。
6.根据权利要求5所述的提取眉毛轮廓的方法，其特征在于，判断是否被遮挡的方法是分割所述眉毛截取区域为若干子区域，并计算每一子区域的灰度平均值AveGray，然后判断AveGray-MinGray,当差值大于等于阈值Threshl,则无遮挡,否则有遮挡。
7.根据权利要求6所述的提取眉毛轮廓的方法，其特征在于，所述子区域为所述眉毛截取区域的行或者列。
8.根据权利要求6所述的提取眉毛轮廓的方法，其特征在于，所述阈值Threshl的范围为 60-110。
9.根据权利要求I所述的提取眉毛轮廓的方法，其特征在于，所述自适应因子灰daFaCtOf的范围为L 5-2. 5，常数PI范围为0. 28-0. 36，常数P2的范围为0. 08-0. 16，常数Cl通常为0. 05-0. 15，常数C2通常为0. 05-0. 15。
10.根据权利要求9所述的提取眉毛轮廓的方法，其特征在于，所述自适应因子AdaFactof为2，常数pi为o. 33，常数P2为o. 13，常数ci通常为o. 1，常数C2通常为o. 1。
全文摘要
本发明公开了一种提取眉毛轮廓的方法，粗选眉毛区域以减少后续的计算量，由于眉毛与肤色具有比较大的亮度差，尤其是对于黄色人种来说更具有典型性，通过像素点的这种差异，进行二值化，产生明显区分于肤色的眉毛轮廓。基于灰度的二值化进程计算量比较小，速度比较快。
文档编号G06K9/00GK102982320SQ20121051493
公开日2013年3月20日 申请日期2012年12月5日 优先权日2012年12月5日
发明者张传锋, 许野平, 方亮, 曹杰, 刘辰飞 申请人:山东神思电子技术股份有限公司