本发明涉及一种基于人脸系统和数字图像技术的背光人脸检测方法。
背景技术：
人脸数字图像的摄影和处理一直都是数字图像处理领域中的一个重点，特别是针对于背光人脸进行的处理。很多数字图像的处理技术都会对背光图像进行修复，达到适当曝光效果，从而使得图像更加自然和可见程度更好。
一般针对于背光的人脸图像处理方法都是直接调节图像的亮度或者白平衡来达到修复曝光不足的目的，通常的判断方法是根据整幅图像的直方图来确定图像的像素分布情况进而判断是否背光。在人脸背光的判断中，由于需要判断不同角度的光源和背光情况来判断人脸背光的程度，直接使用直方图来进行判断往往会忽略光源和背光强度的信息，导致判断结果的失真。
技术实现要素：
本方法提出一种新的背光人脸的判断方法，利用人脸识别返回的人脸坐标结果，然后利用曝光强度的对比情况来判断该人脸是否背光，并且得到背光的程度。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于人脸系统和数字图像技术的背光人脸检测方法，包括以下步骤：
1)数字图像输入到人脸识别系统中，人脸识别系统根据设定条件进行判断，并返回人脸区域信息；
2)将输入的数字图像转为lab颜色空间，以利于后续的曝光判断；
3)将步骤2)中的图像像素进行归一化处理；
4)提取经过归一化后的数字图像的l通道进行gamma处理；
5)对步骤4)处理后的l通道进行降序排序，并取一定数量像素计算得到像素平均值a1；
6)对4)处理后的l通道中的人脸区域像素进行降序排序，并计算人脸区域中的所有像素的平均值a2；
7)计算a1与a2之间的比例关系，根据a1与a2的比例关系判断人脸的背光情况α；
8)设定一个阈值t，当满足α>t时则判断该人脸为背光人脸。
优选的，所述步骤1)中，人脸区域信息包含人脸区域的左上角的坐标，以及人脸区域的宽度和高度。
优选的，所述步骤2)中，应用线性归一化处理，使得图像的像素值在0.0～1.0之间分布，应用公式如下：
c＝(a-minvalue)/(maxvalue-minvalue)
其中minvalue取值为0.0，maxvalue取值为255.0，a为图像对应像素点的值。
优选的，所述步骤5)中，取前0.1％数量像素计算得到像素平均值a1。
本发明提供的基于人脸系统和数字图像技术的背光人脸检测方法，判断方法简单快捷，无需进行大量的数字图像像素的计算，大大的加快了执行的流程。另外根据α可以得到背光的程度，给后续背光的修复提供了指引。在准确度上，本方法模拟现实中的环境光与判断区域之间的光度对比，得到了更加好的判断准确度。
附图说明
构成
本技术：
的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
结合图1所示，本发明提出一种基于人脸系统和数字图像技术的背光人脸检测方法，包括以下步骤：
1)数字图像输入到人脸识别系统中，人脸识别系统根据设定条件进行判断，并返回人脸区域信息，人脸区域信息包含人脸区域的左上角的坐标，以及人脸区域的宽度和高度；
2)将输入的数字图像转为lab颜色空间，在lab颜色空间中，l通道代表的是图像的明亮度，以利于后续的曝光判断；
3)将步骤2)中的图像像素进行归一化处理，主要应用线性归一化处理，归一化的目的是使得图像的像素值在0.0～1.0之间分布，应用公式如下：
c＝(a-minvalue)/(maxvalue-minvalue)
其中minvalue取值为0.0，maxvalue取值为255.0，a为图像对应像素点的值。
4)提取经过归一化后的数字图像的l通道进行gamma处理，处理公式如下：
vout＝avinγ
其中vin是输入的像素值，vout是经过处理后的对应像素值，a为一个常量，γ为伽马值。
5)对步骤4)处理后的l通道进行降序排序，并取前0.1％数量像素计算得到像素平均值a1；
6)对4)处理后的l通道中的人脸区域像素进行降序排序，并计算人脸区域中的所有像素的平均值a2；
7)计算a1与a2之间的比例关系，根据a1与a2的比例关系判断人脸的背光情况α，其计算公式为：
α＝a2/a1
8)设定一个阈值t，当满足α>t时则判断该人脸为背光人脸。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。