【】本发明涉及人脸图像处理,具体涉及一种人脸脸颊光照精细化检测方法。
背景技术
0、
背景技术:
1、生物特征识别技术利用人的生理特征和行为特征进行身份识别,是目前最为方便、安全的身份识别技术,其中人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,因其非接触性具有获取简单、用户友好等特点,成为当前最为活跃的生物特征识别技术之一。
2、人脸识别通常是将预先注册的人脸特征与现场抓拍图片的人脸特征进行比对。由于现场抓拍的人脸图片无法避免光照因素的影响,为提高人脸识别准确率,可通过预先对人脸图片进行光照检测分类的方法选取光照质量合格的图像用于人脸识别。
3、现有的人脸光照检测分析常规方法是先将采集到的人脸直接进行分区,随后提取每个分区的亮度值与设定的阈值进行比较,最后根据比较结果对人脸光照进行分类。这类对人脸全部区域进行分析的方法,不仅会耗费大量时间,且会因为人脸不同部位的自带属性产生误判,比如眉毛部位,因为通常眉毛为黑色,该部位很容易判定为过暗;比如眼睛部位,因为眼睛虹膜区域表现为较暗、巩膜区域表现为较亮,该部位很容易判定为阴阳;比如嘴巴部位,因为唇色以及张嘴时口腔的颜色均较深,该部位很容易判定为较暗。
技术实现思路
0、
技术实现要素:
1、针对背景技术中提出的问题,本发明提出一种人脸脸颊光照精细化检测方法,包括步骤如下:
2、步骤s01:获取正常姿态的人脸图像,采用人脸关键点定位算法对所获人脸图像进行关键点定位,然后进行人脸对齐,根据对齐后的人脸关键点得到左脸颊区域和右脸颊区域;
3、步骤s02:对左脸颊区域和右脸颊区域的所有像素点进行遍历以判别潜在噪声点,具体为:若某个像素点的灰度值与其邻域像素点的灰度平均值绝对误差超过m,则判定该像素点为潜在噪声点并记录其位置信息,遍历完成后得到左脸颊区域和右脸颊区域的潜在噪声掩码图。
4、步骤s03:对获取的潜在噪声掩码图分别进行滑框检测,判断潜在噪声点是否为实际噪声点,具体为:对潜在噪声掩码图进行采用n*n的滑框处理,即依次取潜在噪声点作为n*n滑框的中心并统计当下滑框所命中的潜在噪声点总个数,计算当前潜在噪声点总个数占滑框的比例,若所占比例小于阈值t0,则判断此潜在噪声点为实际噪声点,并将此潜在噪声点的灰度值更新为其邻域像素点的灰度值。
5、步骤s04:将最终所得人脸脸颊区域的像素点灰度值与阈值t1、t2进行比较,若像素点灰度值大于等于阈值t1则判断其为亮点,若像素点灰度值小于等于阈值t2则判断其为暗点,分别统计左右脸颊区域亮点和暗点的个数及位置信息,得到左脸颊区域和右脸颊区域的亮点掩码图和暗点掩码图。
6、步骤s05:对步骤s04得到的亮点掩码图和暗点掩码图分别进行形态学操作,获取相应的亮点区域大小及暗点区域大小。
7、步骤s06:判断步骤s05所得左右脸颊的亮点区域和暗点区域占其所在脸颊区域的比例,具体为:若亮点区域大小或暗点区域大小小于阈值w1判断其区域占比为0;若亮点区域大小或暗点区域大小大于等于阈值w1,区域占比不为0。
8、步骤s07:根据步骤s06所得亮点区域和暗点区域占比判定当前脸颊区域的光照状态,判断规则如下:
9、区域光照状态正常:区域内亮点区域占比和暗点区域占比均为0;
10、区域光照状态过暗:区域内亮点区域占比为0且暗点区域占比不为0;
11、区域光照状态过亮:区域内亮点区域占比不为0时且暗点区域占比为0;
12、区域光照状态阴阳:区域内亮点区域占比和暗点区域占比均不为0。
13、步骤s08:根据步骤s07得到的左脸颊和右脸颊区域的光照状态对当前人脸光照进行属性判定,规则如下:
14、人脸光照正常:左右脸颊区域光照状态均正常;
15、人脸光照过暗:左右脸颊区域光照状态均过暗;
16、人脸光照过亮:左右脸颊区域光照状态均过亮;
17、人脸光照阴阳:左右脸颊区域光照状态至少一个为阴阳或左右脸颊区域光照状态不相同。
18、进一步的,步骤s01中,所述人脸关键点定位算法为基于pfld人脸关键点检测方法、通过模型训练得到的人脸98个关键点定位算法。
19、优选的,步骤s02中,所述邻域像素点为邻域8像素;所述绝对误差阈值m是通过数据集调试得到的,取值范围为[0-60],优选值为20。
20、优选的,步骤s03中,所述n取值范围为大于1的奇数,优选值为5;所述阈值t0是通过数据集调试得到的,取值范围为[0-1],优选值为0.2。
21、优选的,步骤s04中,所述阈值t1和阈值t2均为经验值,其中t1的取值范围为[200-255],优选值为220,t2的取值范围为[0-70],优选值为50。
22、优选的,步骤s05中,所述形态学操作为闭运算处理。
23、优选的,步骤s06中,所述阈值w1的取值范围为[0-40],优选值为20。
24、本发明提供的人脸脸颊光照精细化检测方法,仅针对人脸中占比较大的左右脸颊进行光照分析,在兼顾检测准确率的同时大大提升检测速度,实时性好,具有良好的实际应用价值。
1.一种人脸脸颊光照精细化检测方法,其特征在于,包括如下步骤:
2.如权利要求1所述的人脸脸颊光照精细化检测方法,其特征在于,所述邻域像素点为邻域8像素;所述绝对误差阈值m是通过数据集调试得到的,取值范围为[0-60],。
3.如权利要求1或2所述的人脸脸颊光照精细化检测方法,其特征在于,所述绝对误差阈值m优选值为20。
4.如权利要求1所述的人脸脸颊光照精细化检测方法,其特征在于,所述n取值范围为大于1的奇数;所述阈值t0是通过数据集调试得到的,取值范围为[0-1]。
5.如权利要求1或4所述的人脸脸颊光照精细化检测方法,其特征在于,所述n优选值为5,阈值t0优选值为0.2。
6.如权利要求1所述的人脸脸颊光照精细化检测方法,其特征在于,所述阈值t1和阈值t2均为经验值,其中t1的取值范围为[200-255],t2的取值范围为[0-70]。
7.如权利要求1或6所述的人脸脸颊光照精细化检测方法,其特征在于,所述阈值t1优选值为220,t2优选值为50。
8.如权利要求1所述的人脸脸颊光照精细化检测方法,其特征在于,所述形态学操作为闭运算。
9.如权利要求1所述的人脸脸颊光照精细化检测方法,其特征在于,所述阈值w1的取值范围为[0-40]。
10.如权利要求1或9所述的人脸脸颊光照精细化检测方法,其特征在于,所述阈值w1的优选值为20。