一种度量人脸图像模糊程度的方法
【技术领域】
[0001] 本发明涉及图像通信技术领域，特别是一种度量人脸图像模糊程度的方法。
【背景技术】
[0002] 人脸识别技术已经逐渐深入大众生活中，人脸识别系统中依据人脸图像的模糊度 进行选择、识别是其重要特点之一，当前国内外判断图像模糊程度的方法比较多，但是专门 针对人脸图像进行模糊判断的方法较少，现有的图像模糊判断方法主要有基于边缘梯度信 息的方法和基于频域信息的方法。
[0003] 图像的模糊程度与其边缘锐度有关，图像的边缘锐度高，说明该图像清晰，图像的 边缘锐度低，则说明图像比较模糊，因此图像的模糊检测可以通过检测图像的边缘锐度来 进行。基于边缘梯度信息的度量方法流程如下：首先使用边缘检测算子查找出人脸图像的 边缘像素点，然后设定一个边缘渐变阈值，在边缘像素点联通区域附近计算梯度小于渐变 阈值的像素点数量，满足该条件的像素点数量越多，说明图像边缘渐变越缓慢，图像越模 糊，反之，满足该条件的像素点越少，则说明图像越清晰。但是该方法依赖于图像的边缘信 息，在视频应用场景中，由于人脸一直在运动，人脸区域的背景一直在变化，人脸区域的图 像边缘信息也在变化，当多张人脸图片中包含的边缘信息变化比较大时，这些图片之间的 人脸模糊度就没有可比性，此时，基于边缘梯度信息的图像模糊度检测方法也就失去了作 用。
[0004] 根据信号处理的原理，信号的高频信息越多，则说明信号的噪音越多、信号变化越 频繁。从图像上看，图像的高频部分的信息越多，说明图像的边缘信息越多，锐度越高；反 之，图像中高频部分的信息越少，说明图像锐度越低、越模糊。基于频域的图像模糊度检测 方法就是根据上述原料，使用傅里叶变换算法将图像从空域转换到频域，再计算图像中高 频能量占所有能量的比率，占比越高，则说明图像锐度越高，占比越低，则说明图像越模糊。 如图2所示，图中包含两张人脸图像和这两张人脸图像的频谱能量图，频谱能量图中心位置 的信号表示直流信号，四周的信号表示高频信号，从图中可以看到，越模糊的图像，高频信 号越多。然而该方法主要依赖于图像的频域信息，因此碰到的问题也和基于边缘梯度信息 的方法类似，当多张人脸图像中包含的边缘信息变化比较大时，相同清晰度的图像之间的 高频信息变化也比较大，此时，基于频域信息的图像模糊度检测方法也失去了作用。
【发明内容】
[0005] 本发明为解决上述问题，提供了一种度量人脸图像模糊程度的方法，以度量在变 化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像， 提尚人脸识别的准确率。
[0006] 为实现上述目的，本发明采用的技术方案为：
[0007] 如图1所示本发明揭示的一种度量人脸图像模糊程度的方法，包括以下步骤：
[0008] 10.模糊人脸图像获取:将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像 P，；
[0009] 20.频谱信息获取:将原始人脸图像P和模糊人脸图像P'分别做傅里叶变换，得到P 的频谱信息F以及P'的频谱信息F' ；
[0010] 30.能量谱和计算:根据频谱信息F以及频谱信息F'分别计算P的能量谱和Η及P'的 能量谱和Η' ；
[0011] 40.高斯模糊影响因子计算:根据能量谱和Η与能量谱和Η'计算人脸图像的高斯模 糊影响因子X，参照图3所示，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。
[0012] 所述步骤10具体为:将原始人脸图像Ρ转为成灰度图像，然后对灰度图像进行高斯 模糊运算。
[0013] 所述高斯模糊运算采用3X3的高斯模糊算子，且进行两次一维的高斯运算，高斯 模糊运算公式为：
[0016] 式中，f(x)表示沿着图像X坐标的每一行都进行的一维高斯运算的结果，g(x)表示 沿着图像y坐标的每一行都进行的第二次一维高斯运算的结果。
[0017] 所述步骤20通过快速傅里叶变换，获得频谱信息，具体计算方法为：
[0019] 所述能量谱和为各个频谱的能量和。
[0020] 所述步骤40具体为:先计算能量谱和Η与能量谱和H'的差值和D，对差值和D取对数 获得人脸图像的高斯模糊影响因子X。
[0021] 本发明的有益效果是：本发明通过高斯模糊影响因子来度量人脸图像的模糊程 度，在监控视频场景进行测试，计算连续视频序列中连续的多张人脸图像的高斯模糊影响 因子，计算结果显示图像越模糊，高斯模糊影响因子越小，因此采用高斯模糊影响因子作为 人脸图像模糊度的度量值，该度量值可以应用在人脸识别、人脸年龄性别分析、人脸表情分 析等领域，以及在视频序列中获得同一人连续多张的人脸图像中选择最清晰的人脸图像进 行图像识别和分析，提升识别和分析的准确率。
【附图说明】
[0022] 图1是本发明的流程简图；
[0023] 图2是清晰人脸图像与模糊人脸图像进行傅里叶变换的对比图；
[0024] 图3采用本发明一种度量人脸图像模糊程度的方法进行人脸模糊度分析实验的对 照图。
【具体实施方式】
[0025] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、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用 以解释本发明，并不用于限定本发明。
[0026] 本发明揭示的一种度量人脸图像模糊程度的方法，其包括以下步骤：
[0027] 10.模糊人脸图像获取:将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像 P，；
[0028] 20.频谱信息获取:将原始人脸图像P和模糊人脸图像P'分别做傅里叶变换，得到P 的频谱信息F以及P'的频谱信息F' ；
[0029] 30.能量谱和计算:根据频谱信息F以及频谱信息F'分别计算P的能量谱和Η及P'的 能量谱和Η'；其中所述能量谱和为各个频谱的能量和；
[0030] 40.高斯模糊影响因子计算:根据能量谱和Η与能量谱和Η'计算人脸图像的高斯模 糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。
[0031] 所述步骤10具体为:将原始人脸图像Ρ转为成灰度图像，然后对灰度图像进行高斯 模糊运算。
[0032] 所述高斯模糊运算采用3X3的高斯模糊算子，且进行两次一维的高斯运算，高斯 模糊运算公式为：
[0035] 式中，f(x)表示沿着图像X坐标的每一行都进行的一维高斯运算的结果，g(x)表示 沿着图像y坐标的每一行都进行的第二次一维高斯运算的结果。
[0036] 传统的傅里叶变换计算方法为：知通过分解为奇偶两部分公 式，可以发现奇偶两个公式的形式一样。
[0037] 因此，本实施例步骤20通过快速傅里叶变换，获得频谱信息，具体计算方法为：
[0038]
只进行一次计算， 计算量相当于以前的一半，不停的往下进行分解，计算复杂度可以从〇(η~2)下降到0(Nlog (N))，计算量成倍减少。
[0039]所述步骤40具体为:先计算能量谱和Η与能量谱和H'的差值和D，对差值和D取对数 获得人脸图像的高斯模糊影响因子X。根据大量数据的测评对比及观察，我们发现随着图像 模糊程度的提升，原始图像与模糊图像之间频谱分量的能量值的差值的和呈指数减少的趋 势，因此需要将该结果做对数运算，最后得到的人脸图像的高斯模糊影响因子X与模糊程度 变化趋势最为吻合，度量结果最准确。
[0040] 本发明通过高斯模糊影响因子来度量人脸图像的模糊程度，在监控视频场景进行 测试，计算连续视频序列中连续的多张人脸图像的高斯模糊影响因子，计算结果显示图像 越模糊，高斯模糊影响因子越小，因此采用高斯模糊影响因子作为人脸图像模糊度的度量 值，该度量值可以应用在人脸识别、人脸年龄性别分析、人脸表情分析等领域，以及在视频 序列中获得同一人连续多张的人脸图像中选择最清晰的人脸图像进行图像识别和分析，提 升识别和分析的准确率。
[0041] 上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所 披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能 够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人 员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护 范围内。
【主权项】
1. 一种度量人脸图像模糊程度的方法，其特征在于，包括W下步骤：10.模糊人脸图像获取:将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P'；20.频谱信息获取:将原始人脸图像P和模糊人脸图像P '分别做傅里叶变换，得到P的频 谱信息FW及P'的频谱信息F'；30.能量谱和计算:根据频谱信息FW及频谱信息F'分别计算P的能量谱和Η及P'的能量 谱和Η' ；40.高斯模糊影响因子计算:根据能量谱和Η与能量谱和Η'计算人脸图像的高斯模糊影 响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。2. 如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于:所述步骤10具 体为:将原始人脸图像Ρ转为成灰度图像，然后对灰度图像进行高斯模糊运算。3. 如权利要求1或2所述的一种度量人脸图像模糊程度的方法，其特征在于:所述高斯 模糊运算采用3 X 3的高斯模糊算子，且进行两次一维的高斯运算，高斯模糊运算公式为：式中，f(x)表示沿着图像X坐标的每一行都进行的一维高斯运算的结果，g(x)表示沿着 图像y坐标的每一行都进行的第二次一维高斯运算的结果。4. 如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于:所述步骤20通 过快速傅里叶变换，获得频谱信息，具体计算方法为：5. 如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于:所述能量谱和 为各个频谱的能量和。6. 如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于:所述步骤40具 体为:先计算能量谱和Η与能量谱和H'的差值和D，对差值和D取对数获得人脸图像的高斯模 糊影响因子X。
【专利摘要】本发明公开了一种度量人脸图像模糊程度的方法，包括以下步骤：10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。本发明能够准确度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105550694
【申请号】CN201510867701
【发明人】卢磊, 胡燕彬
【申请人】厦门瑞为信息技术有限公司
【公开日】2016年5月4日
【申请日】2015年12月1日