人脸图像发型检测方法与流程

本发明涉及生物特征识别领域，尤其是一种人脸图像发型检测方法。
背景技术：
识别人脸图像的技术以非接触的方式完成识别过程，随着深度学习方法的应用，识别人脸图像的技术的识别率已经得到质的提升，目前识别人脸图像的技术率已经达到99％。头发区域的不规则性，以及图像的不同光照变化，为发型检测中的干扰因素。目前提取人脸图像中的发型特征相关研究较少，较早的研究使用头发颜色和位置建立高斯混合模型，再用图割算法最小化能量函数，得到头发区域。也有研究对头发区域进行建模，提取头发长度、颜色、分头点等特征，有较好的效果。技术实现要素：本发明的目的在于克服现有技术中存在的不足，提供一种人脸图像发型检测方法，能够在复杂背景下较好地获得人脸图像中头发区域，进而判断发型特征；本方法能有效地排除背景的干扰，检测快速准确。本发明采用的技术方案是：一种人脸图像发型检测方法，包括以下步骤：步骤s1，对人脸图像进行头部边缘特征提取；确定头部区域；步骤s1.1，首先进行人脸图像的灰度化；步骤s1.2，对灰度化后的人脸图像进行高斯滤波；步骤s1.3，用canny算子进行梯度幅值计算；步骤s1.4，进行梯度幅值的非极大值抑制；步骤s1.5，进行边缘连接，确定人脸图像中头部边缘像素点位置；步骤s2，在人脸图像中确定头发区域；确定头发区域与脸部区域的分割线；步骤s3，依据上述分割线进行发型特征判定。进一步地，步骤s2具体包括；步骤s2.1，在人脸图像的灰度化后的图像中头部区域，在图像顶端向下选取一个头发区域判断的起始点h；步骤s2.2，以h点为中心取3*3窗口，计算该窗口中的平均灰度值gm；步骤s2.3，依次计算h点相邻像素点为中心的3*3窗口平均灰度值g；步骤s2.4，如果|gm-g|＜tk，灰度差阈值tk，则判定h点的该相邻像素点为头发区域，该相邻像素点标记为新的“头发像素点”h[m，n]点；步骤s2.5，以递归方式重复上述s2.1～s2.4步骤；步骤s2.6，若遇到该新的“头发像素点”h[m，n]同时为“头部边缘像素点”，则将该像素点标记为“头发边缘像素点”e[a，b]；步骤s2.7，延x轴方向左至右扫描人脸图像，扫描列起始位置的确定：所有“头发像素点”h[m，n]和所有“头发边缘像素点”e[a，b]所在列中，取列值的较小值，作为起始列；步骤s2.8，对于从起始列开始扫描的每一列；如果该列中只有“头发像素点”，则将该列中“头发像素点”最下方的那个像素点标记为“头发边缘像素确认点”e′[m，n]；如果该列中只有“头发边缘像素点”，则将该列中“头发边缘像素点”最下方的那个像素点标记为“头发边缘像素确认点”e′[m，n]；如果该列中既有“头发像素点”，也有“头发边缘像素点”，则将该列中满足这两个标记的像素点中最下方的像素点标记为“头发边缘像素确认点”e′[m，n]。进一步地，步骤s3具体包括：步骤s3.1，截取人脸图像中头部区域的上部1/3部分；步骤s3.2，将截取的图像部分横向六等分，六等分时以“头发边缘像素确认点”e′[m，n]列号最小值开始，最大值结束；步骤s3.3，分别在六等分线上取“头发边缘像素确认点”：e′[m1，n1]，e′[m2，n2]……e′[m6，n6]共六个点；判断分割线是比较平稳或者起伏较大；判断条件为：q值取人脸图像头部区域的行数的1/30-1/22；若满足以上条件，即e′[m1，n1]和其它每个点之间的行值差均小于阈值q，则认为分割线比较平稳，否则认为起伏较大；a.分割线比较平稳的情况；设定一个p值，计算六个点e′[m1，n1]，e′[m2，n2]……e′[m6，n6]的行值平均值判定为“齐眉”发型；判定为“短发”发型；b.分割线起伏较大的情况；对于e′[m1，n1]，e′[m2，n2]……e′[m6，n6]共六个点，*如果连续有4个点的行值连续变大，且差值均大于阈值q，则判定为“左遮挡”发型；*如果连续有4个点的行值连续变小，且差值均大于阈值q，则判定为“右遮挡”发型；*如果连续有3个点的行值连续变小，且差值均大于阈值q；有3个点的行值连续变大，且差值均大于阈值q，则判定为“中分”发型；除上述情况，归为无法判断的情况。本发明的优点在于：本方法应用canny算子边缘检测和头发区域检测相结合方法，确定头发边缘，可以有效地排除背景的干扰；判定形状方法简单、计算量小，可是有效实现人脸图像中发型特征的准确判断。附图说明图1为本发明的计算h点为中心的窗口平均灰度值示意图。图2为本发明的标记头发边缘像素确认点示意图。图3为本发明的发型特征判断示意图。具体实施方式下面结合具体附图和实施例对本发明作进一步说明。本发明提出一种人脸图像发型检测方法，包括以下步骤：步骤s1，对人脸图像进行头部边缘特征提取；确定头部区域；图像边缘属于最基本的比较固定的特征，包含了图像的大部分信息。在此采用canny算子来提取人脸图像中的头部边缘；头部包括头发区域和脸部区域；步骤s1.1，首先进行人脸图像的灰度化；人脸图像按照以下公式(1)进行灰度化：gray[m，n]＝0.299r[m，n]+0.587g[m，n]+0.114b[m，n](1)r代表红色，g代表绿色，b代表蓝色，m为像素点行号，n为像素点列号；步骤s1.2，对灰度化后的人脸图像进行高斯滤波；步骤s1.2.1计算高斯卷积核：在此采取16*16的方差值窗口进行高斯模糊，k[x，y]是方差值窗口中对应的点的权重值矩阵，即高斯卷积核；方差值窗口的横号x，列号y，由于采取16*16的方差值窗口，因此x＝0，1，2……15；y＝0，1，2……15；高斯半径σ越小，曲线越高越尖，模糊越小；σ越大，曲线越低越平缓，模糊程度越大；对于人脸图像选取σ为2；步骤s1.2.2，用高斯卷积核对灰度化后的人脸图像进行高斯卷积模糊；将上述16*16的方差值窗口在灰度化人脸图像中遍历，每个方差值窗口的中心点位置灰度值按下列公式(3)转换：gray[x，y]为转换前灰度值，gray′[x，y]为转换后灰度值；步骤s1.3，用canny算子进行梯度幅值计算；canny算子为：x方向梯度为：y方向梯度为：梯度幅值为：梯度方向为：在此将人脸图像的灰度值gray′[m，n]全部都转换为梯度幅值m[mm，n]。步骤s1.4，进行梯度幅值的非极大值抑制；梯度幅值越大的像素点，并非就是边缘点；非极大值抑制是边缘检测的重要步骤，目的是要寻找像素点的局部最大值，在相邻范围内将非极大值点所对应的灰度值置为0，以剔除掉一大部分非边缘的点。为了在当前梯度方向上找出局部最大值：a)0≤θ[m，n]＜22.5°m[m，n-1]m[m，n]m[m，n+1]如上表所示，如m[m，n-1]和m[m，n+1]其中之一的值大于m[m，n]，则m[m，n]所对应像素点的灰度值置为0；b)22.5°≤θ[m，n]＜67.5°m[m-1，n+1]m[m，n]m[m+1，n-1]如上表所不，如m[m+1，n-1]和m[m-1，n+1]其中之一的值大于m[m，n]，则m[m，n]所对应像素点的灰度值置为0；c)67.5°≤θ[m，n]＜112.5°或者θ[m，n]≥157.5°m[m-1，n]m[m，n]m[m+1，n]如上表所示，如m[m-1，n]和m[m+1，n]其中之一的值大于m[m，n]，则m[m，n]所对应像素点的灰度值置为0；d)112.5°≤θ[m，n]＜157.5°如上表所示，如m[m-1，n-1]和m[m+1，n+1]其中之一的值大于m[m，n]，则m[m，n]所对应像素点的灰度值置为0；步骤s1.5，进行边缘连接，确定人脸图像中头部边缘像素点位置；为了舍去少量的非边缘像素，既起到过滤非边缘的作用，又保留真正的图像边缘，采取基于双阈值的方法进行头部边缘的选取，并且同时实现头部边缘连接；a)m[m，n]＜tl，则m[m，n]所对应像素点的灰度值置为0；b)m[m，n]＞th，则m[m，n]所对应像素点的灰度值保留；c)tl≤m[m，n]≤th，如果m[m，n]所对应像素点的相邻像素点梯度幅值都大于tl，而且通过相邻像素点至少能连接到一个梯度幅值大于tl的像素点，则m[m，n]所对应像素点的灰度值保留；tl下阈值，取0.3，th上阈值，取0.9；至此确定了人脸图像中头部边缘像素点位置。头部边缘像素点一旦确认，则人脸图像中的头部区域就可以确定；接下来的步骤，将实现头部区域中划分头发区域和人脸区域；步骤s2，在人脸图像中确定头发区域；步骤s2.1，由于人脸图像中已经很好地确定了头部在人脸图像中的位置，在人脸图像的灰度化后的图像中头部区域，在图像顶端向下取图像高度1/5～1/10处，典型的如1/6处，取横向中点h，作为头发区域判断的起始点，标记为“头发像素点”；此步骤第一个“头发像素点”是按照经验标定的；步骤s2.2，以h点为中心取3*3窗口，计算该窗口中的平均灰度值gm；如图1所示；步骤s2.3，依次计算h点相邻像素点(如图1中h点相邻的h1、h2、h3、h4)为中心的3*3窗口平均灰度值g；步骤s2.4，如果|gm-g|＜tk(取灰度差阈值tk为80-100)，则判定h点的该相邻像素点为头发区域，该相邻像素点标记为新的“头发像素点”h[m，n]点；步骤s2.5，以递归方式重复上述s2.1～s2.4步骤；步骤s2.6，若遇到该新的“头发像素点”h[m，n]同时为“头部边缘像素点”，则将该像素点标记为“头发边缘像素点”e[a，b]；步骤s2.7，如图2，延x轴方向左至右扫描人脸图像，扫描列起始位置的确定：所有“头发像素点”h[m，n]和所有“头发边缘像素点”e[a，b]所在列中，取列值的较小值，作为起始列；步骤s2.8，对于从起始列开始扫描的每一列；如果该列中只有“头发像素点”，则将该列中“头发像素点”最下方的那个像素点标记为“头发边缘像素确认点”e′[m，n]；如果该列中只有“头发边缘像素点”，则将该列中“头发边缘像素点”最下方的那个像素点标记为“头发边缘像素确认点”e′[m，n]；如果该列中既有“头发像素点”，也有“头发边缘像素点”，则将该列中满足这两个标记的像素点中最下方的像素点标记为“头发边缘像素确认点”e′[m，n]；所有的“头发边缘像素确认点”就可以形成区分头发区域和人脸区域的分割线；步骤s3，发型特征判定；步骤s3.1，截取人脸图像中头部区域的上部1/3部分；步骤s3.2，将截取的图像部分横向六等分，如图3所示，六等分时以“头发边缘像素确认点”e′[m，n]列号最小值开始，最大值结束；步骤s3.3，分别在六等分线上取“头发边缘像素确认点”：e′[m1，n1]，e′[m2，n2]……e′[m6，n6]共六个点；如图3所示；判断分割线是比较平稳或者起伏较大；判断条件为：q值取人脸图像头部区域的行数的1/30-1/22；若满足以上条件，即e′[m1，n1]和其它每个点之间的行值差均小于阈值q，则认为分割线比较平稳，否则认为起伏较大；a.分割线比较平稳的情况；设定一个p值，例如p值为所述截取的图像部分(头部区域的上部1/3部分)的行数的1/2；计算六个点e′[m1，n1]，e′[m2，n2]……e′[m6，n6]的行值平均值即分割线变化幅度小，而且总体在截取的图像部分中靠下，判定为“齐眉”发型；即分割线变化幅度小，而且总体在截取的图像部分中靠上，判定为“短发”发型；b.分割线起伏较大的情况；对于e′[m1，n1]，e′[m2，n2]……e′[m6，n6]共六个点，*如果连续有4个点的行值连续变大，且差值均大于阈值q，则判定为“左遮挡”发型；*如果连续有4个点的行值连续变小，且差值均大于阈值q，则判定为“右遮挡”发型；*如果连续有3个点的行值连续变小，且差值均大于阈值q；有3个点的行值连续变大，且差值均大于阈值q，则判定为“中分”发型；除上述情况，归为无法判断的情况。最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。当前第1页12