基于活动形状模型和加权插值法的人脸图像眼镜去除方法
【专利摘要】本发明提供了一种基于活动形状模型和加权插值法的人脸图像眼镜去除方法及其在人脸识别中的应用，该方法通过人脸检测技术检测到的人脸数据进行眼镜去除处理，处理后的数据用于人脸识别，精确的眼镜去除方法可以有效提高人脸识别准确率。算法利用活动形状模型进行眼镜区域的定位，通过基于加权插值的方法进行眼镜区域的去除，以保证眼镜去除的效果。该方法有效的解决了针对人脸识别过程中深颜色粗框眼镜遮挡人脸导致识别率大幅降低的问题，从而提高了人脸识别的识别性能。
【专利说明】基于活动形状模型和加权插值法的人脸图像眼镜去除方法
【技术领域】
[0001] 本发明涉及计算机视觉领域，尤其涉及一种人脸图像眼镜去除的方法。
【背景技术】
[0002] 人脸识别作为近年来的一个重要研究领域，虽然已经取得很大进展，但在一些实 际的应用中，光照、姿态、眼镜等众多因素不同程度地对识别效果产生影响，其中眼镜是较 常见的一种干扰物。
[0003] 现阶段最常用的人脸图像眼镜去除方法为主成分分析法。该方法利用无眼镜人脸 图像训练特征空间，对于与训练图像相近的输入图像效果较好，但对于与训练图像出入较 大的输入图像容易引入大量噪声甚至导致识别率下降，而且需要一定时间和一定数量的图 片进行训练。
【发明内容】
[0004] 本发明提供了一种新的人脸图像眼镜去除方法，提高了眼镜去除的效率和效果。
[0005] 本发明采用如下技术方案：
[0006] 基于活动形状模型和加权插值法的人脸图像眼镜去除方法，包括：
[0007] (1)利用活动形状模型产生的人脸特征点定位出眼镜的初始搜索区域；
[0008] (2)利用基于皮肤灰度共生矩阵的纹理特征在初始搜索区域中提取出二次搜索区 域；
[0009] (3)在二次搜索区域中求出每个连通域面积，若大于等于某个阈值则认为是眼镜 区域，若小于该阈值则认为不是眼镜区域；
[0010] (4)在眼镜区域内进行基于距离的加权插值法去除眼镜。
[0011] 与现有方法相比，本发明所公开的人脸图像眼镜去除方法，能够节省训练时间，对 单样本的输入图像进行实时有效的眼镜去除。
【专利附图】
【附图说明】
[0012] 图1为活动形状模型定位眼镜初始搜索区域的流程图；
[0013] 图2为纹理特征提取眼镜二次搜索区域的流程图；
[0014] 图3为总流程图。
【具体实施方式】
[0015] 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。
【具体实施方式】 [0016] 为：
[0017] (1)对输入图像灰度化，利用基于Haar特征的Adaboost分类器检测人脸；
[0018] (2)结合附图1，利用活动形状模型提取人脸中68个特征点定位出眉毛和嘴巴之 间的区域，然后在该区域内排除鼻子的区域，从而定位眼镜的初始搜索区域；
[0019] (3)结合附图2,求取基于灰度共生矩阵人脸皮肤纹理特征，并通过在初始搜索区 域内寻找与人脸皮肤纹理特征匹配度低于80%的位置作为二次搜索区域；
[0020] (4)对二次搜索区域通过基于灰度值的连通域法进行独立目标提取，当独立目标 面积大于等于50像素时，将该目标确定为眼镜区域；反之，确定为非眼镜区域；
[0021] (5)在眼镜区域内进行大小为5*5的基于距离的加权插值法去除眼镜，权重系数 呈高斯分布随距离增大而减少。
【权利要求】
1. 基于活动形状模型和加权插值法的人脸图像眼镜去除方法，其特征在于利用活动形 状模型进行眼镜区域的定位，以提高算法效率；利用基于加权插值的方法进行眼镜区域的 去除，以保证眼镜去除的效果。
2. 根据权利要求1所述的方法，其特征在于基于活动形状模型产生的人脸特征点定位 出眉毛和嘴巴之间的区域，即眼镜一般存在的区域，然后在该区域内排除鼻子的区域，即眼 镜一般不存在区域，从而快速定位眼镜的初始搜索区域。
3. 根据权利要求1所述的方法，其特征在于基于活动形状模型进行眼镜区域的定位， 其算法在于，通过权利要求2所述的算法得出眼镜的初始搜索区域后，通过在该区域内寻 找与人脸皮肤纹理特征不匹配的位置作为二次搜索区域，然后对该区域通过基于灰度值的 连通域法进行独立目标提取，当独立目标大小在一定合理范围内时，将该目标确定为眼镜 区域；若目标大小在设定范围以外时直接进行过滤，实验证明该定位方法可以降低算法运 算复杂度，从而有效提高算法效率。
4. 根据权利要求3所述的方法，其特征在于二次提取中对于纹理的特征，算法通过对 初次提取的眼镜区域和附近人脸皮肤对应区域同时获取灰度共生矩阵进行，然后通过对比 灰度共生矩阵中的熵，能量加权值来确认初步提取的人脸区域中某位置是否作为进一步筛 选区域。
5. 根据权利要求1所述的方法，其特征在于基于活动形状模型进行眼镜区域定位算 法，其算法通过基于领域插值的方法进行眼镜区域的去除，以保证算法的效果，表现在算法 中通过对眼镜区域进行基于距离的像素加权插值法进行像素替换，从而保证眼镜去除的效 果。
6. 根据权利要求5所述的方法，其特征在于眼镜区域提取后，算法通过将眼镜区域一 定范围内人脸区域像素值的平均值复制到该区域里，然后利用基于距离的像素加权插值法 对眼镜区域内的像素值进行调整，从而使眼镜去除后原眼镜区域接近人脸皮肤的效果。
【文档编号】G06K9/00GK104156700SQ201410366526
【公开日】2014年11月19日 申请日期:2014年7月26日 优先权日:2014年7月26日
【发明者】冯琰一, 张少文, 丁保剑 申请人:佳都新太科技股份有限公司