一种基于MFC交互式人脸图像属性标注方法与流程

本发明涉及人脸识别技术领域，尤其涉及基于mfc(microsoftfoundationclasses，微软基础类库)的交互式人脸图像属性标注方法。

背景技术：

人脸属性识别包括性别、年龄、是否戴眼镜、是否模糊等越来越多的运用于人脸多任务识别，而这些属性的标注都来源于人力手动标注，人脸技术发展日益成熟，人脸属性的资源与描述文本的需求是海量的，目前人脸属性标注基本上是人工手动标注，操作复杂、速度慢、效率低。因此，需要一种界面友好、操作简单、高效的人脸属性标注方法，从而能为人脸多任务学习提供大量精确的描述文本，加快开发周期。

技术实现要素：

针对海量的精确人脸属性描述文本需求，本发明提出一种基于全鼠标操作的基于mfc交互式人脸图像属性标注方法，以提高对人脸属性标注任务的效率和精准度，从而加快人脸识别产品的开发周期，本发明采用微软提供的基础类库实现界面显示和人机交互，其界面友好，为全鼠标操作，极易上手。

本发明的一种基于mfc交互式人脸图像属性标注方法，包括以下步骤：

步骤a：人脸检测步骤，将人脸图像载入，利用人脸检测器，将图像中的人脸检测出来，并保存人脸位置；

步骤b：默认标签生成步骤，对显示界面依次显示的步骤a中检测到的人脸，生成人脸的各个属性的默认标签，并显示在界面上；

步骤c：纠正标签步骤，在各个属性的默认标签生成后，在发现所显示人脸的某些属性与默认标签不符合的情况下，在不符合的标签的下拉菜单中选择符合的标签项；

步骤d：漏检人脸标注步骤，在发现有漏检人脸的情况下，选中需要补标注的人脸，并按步骤c选择符合的标签；和

步骤e：标注信息保存步骤，对已标注属性的人脸图像数据进行保存。

优选地，步骤a中，通过操作界面按钮载入有图像路径和名称的描述文本，系统将依次载入文本中的人脸图像，自动地检测图像中的人脸。

优选地，人脸的各个属性包括：性别、年龄、是否戴眼镜、是否模糊和是否戴口罩。

优选地，人脸各个属性的默认标签按照统计规则来生成，根据统计规则将人脸各属性分布中概率最大的属性作为该属性的默认标签。

优选地，初始的默认标签设置包括：性别：男，年龄：中年，是否戴眼镜：否，是否模糊：否，是否戴口罩：否。

优选地，步骤d中，选中补标注的人脸的动作为：通过移动鼠标光标到需要补标注的人脸上，鼠标左键按下，从人脸左上角到右下角滑动，画出一个矩形。

优选地，步骤e中，通过鼠标点击下一幅按钮，显示界面将跳转至下一幅人脸图像，上一幅图像数据即被保存。

优选地，所述人脸检测器支持多尺度、多角度、多种族、多光照条件下的人脸定位。

本发明的有益效果是：

本发明提供的基于全鼠标操作的基于mfc交互式人脸图像属性标注方法可大大降低人脸属性标注难度，减少人脸识别产品的开发周期，有效地避免因单个属性分别标注带来的复杂文本操作。本发明提供的基于全鼠标操作的基于mfc交互式人脸图像属性标注方法，由于检测与操作过程简单易行，能较容易的推广应用到其他的图像属性标注系统上，如车辆、行人等，可作为一种基础的图像标注工具，具有非常强的实用性。

附图说明

图1为本发明的基于mfc交互式人脸图像属性标注方法的流程图。

图2为本发明的写有图片路径名称的文本的示意图。

图3为本发明的人脸属性标注结果的实例的显示界面示意图。

图4(a)为本发明的检测行人并生成默认标签的显示界面示意图，图4(b)为本发明的图4(a)的纠正标签后的显示界面示意图。

具体实施方式

下面通过实施例对本发明作进一步说明，其目的仅在于更好地理解本发明的研究内容而非限制本发明的保护范围。

如图1所示，本发明的基于mfc交互式人脸图像属性标注方法包括如下步骤a～e：

步骤a：人脸检测步骤，将人脸图像载入，利用人脸检测器，将图像中的人脸检测出来，并保存人脸位置。具体地，通过操作界面按钮载入有图像路径和名称的描述文本(如图2所示)，系统将依次载入文本中的人脸图像，自动地检测图像中的人脸。这里，所述人脸检测器，能将输入待标注的图像中的人脸快速、准确地检测出来，该检测器支持多尺度、多角度、多种族、多光照条件下的人脸定位。

步骤b：默认标注生成步骤，对显示界面依次显示的步骤a中检测到的人脸，生成人脸的各个属性的默认标签，并显示在界面上。

本步骤中默认标签的生成包括下述两种情况：

(1)未集成人脸识别功能之前，人脸各个属性的标签按照统计规则来生成：统计现实场景中多个(例如1000个)人脸的属性信息，性别分布(男：s1，女s2)，年龄分布(老：a1，中：a2，幼：a3)等，若s1>s2，则认为男性人脸的概率大于女性的，根据此规则将1000个人脸各属性分布中概率最大的属性作为默认标注结果(默认标签)。根据统计结果，初始的默认标签可以设置为包括：性别：男，年龄：中年，是否戴眼镜：否，是否模糊：否，是否戴口罩：否等。本发明中，人脸属性可以根据实际情况增加，例如还可以包括：人脸角度，民族，表情，肤色等。

(2)集成人脸属性识别的标注系统中，将大量带有标注信息的人脸用于深度学习训练，可以用训练得到的模型来识别未知人脸的属性，若人脸属性的平均识别结果好于上述(1)中生成的结果，人为标注的工作量更小，则将人脸属性识别的结果(即识别率高的模型)作为默认标签。

本发明中，默认标注生成步骤根据现实图像中人脸的属性分布，结合大量人脸图像属性的统计结果，设计出极少操作就能正确完成标注的默认标签，该步骤能大大加快单幅人脸图像标注完成的时间。

步骤c：纠正标签步骤，在各个属性默认的标签生成后，如发现所显示人脸的某些属性与默认标签不符合，在不符合的标签的下拉菜单中选择符合的标签项。本步骤中，通过mfc控件中的下拉菜单方式得到而非键盘输入得到，极大提高了标注速度。

步骤d：漏检人脸标注步骤，通过移动鼠标光标到需要补标注的人脸上，鼠标左键按下，从人脸左上角到右下角滑动，画出一个矩形，即为选中人脸，并按步骤c选择合适的标签。

通过步骤d，本发明考虑到漏检人脸，漏检人脸往往具有较少见的人脸属性，如戴眼镜、带口罩等稀缺属性，通过标注漏检人脸，能提高稀缺属性在样本空间中的比例，并且提高标注的准确性。

步骤e：标注信息保存步骤，通过鼠标点击下一幅按钮，显示界面将跳转至下一幅人脸图像，上一幅图像数据将被保存。

如图3所示为本发明的人脸属性标注结果的实例的显示界面示意图。如图3(a)所示，经过本法的载入图片，检测人脸，生成默认标注结果，根据实际情况标注人脸属性后，人脸标注结果为：是否戴口罩：否；是否戴眼镜：否；是否很模糊，否；性别：男；年龄：25-40。如图3(b)所示，人脸标注结果为：是否戴口罩：否；是否戴眼镜：是；是否很模糊，否；性别：男；年龄：25-40。

本发明的基于mfc交互式人脸图像属性标注方法，通过载入人脸图像、检测出人脸，并生成各属性的默认标注，操作人员依次将检测到的与漏标的人脸通过纠正或补标步骤用正确的标签描述出来，系统将自动保存标注结果，标注系统界面友好，为全鼠标操作，易上手，使用便捷，标注速度快。

进一步地，本发明方法应用方便，可扩展性强，可加入人脸属性识别模块，作为基于人脸属性识别模块的标注系统。由于系统采用面向对象的mfc代码实现，亦可通过派生方式，较快地实现其他图像类别的属性标注方法或系统，如车辆、行人等属性标注。图4为本发明的检测行人并生成默认标签的显示界面示意图。该默认标签包括：是否戴帽子：否；是否背包：否；性别：男；年龄范围：中；发型：短；上身颜色：黑；下身颜色；蓝；是否有效：是。图4(b)为本发明的图4(a)的纠正标签后的显示界面示意图。纠正后的属性标注结果为：是否戴帽子：否；是否背包：是；性别：女；年龄范围：中；发型：长；上身颜色：花色；下身颜色；黑；是否有效：是。

显然，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。