CN104408426B - 人脸图像眼镜去除方法及装置 - Google Patents

Abstract

本公开是关于一种人脸图像眼镜去除方法及装置。所述方法包括：根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。本公开用于去除人脸图像中的眼镜。

Description

人脸图像眼镜去除方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种人脸图像眼镜去除方法及装置。

背景技术

在人脸识别领域，由于很多人戴眼镜，尤其是戴深框眼镜，导致在人脸识别时，带深框眼镜的人脸图像相似度较高，无法进行准确的人脸识别。

相关技术中，通常利用不戴眼镜的人脸和戴镜框的人脸做差异的修补，反复的进行眼睛部分的重建，恢复出不戴镜框的人脸模样。

相关技术中存在如下问题：利用不戴镜框的人脸的平均shape来作为基准，反复的进行重建，虽然消除了人脸图像中的眼镜，但使得不同的人脸的眼睛处的信息差异而逐渐缩小，进而也无法进行准确的人脸识别。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种人脸图像眼镜去除方法及装置。

根据本公开实施例的第一方面，提供一种人脸图像眼镜去除方法，所述方法包括：

根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

本实施例中，采用可变形模型算法对人脸图像中的眼镜进行搜寻，对于得到的眼镜边框，采用图像修复的方式去除眼镜边框，在去除人脸图像中的眼镜的同时，保留人眼的细节特征信息，提高人脸识别的准确度。

可选的，所述方法还包括：

获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

根据所述眼镜眼部特征点库及所述人脸样本特征库训练得到所述眼镜判定器。

在可选方案中，通过对样本图像的训练学习，得到眼镜判定器，可以准确识别出待处理图像是否为戴眼镜的人脸图像。

可选的，所述根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像，包括：

将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

对所述归一化的待处理人脸图像提取局部特征；

根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

在可选方案中，利用训练学习得到的眼镜判定器，可以准确识别出待处理图像是否为戴眼镜的人脸图像。

可选的，所述采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框，包括：

以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息。

在可选方案中，采用简单的图像修复算法，可以快速、准确地对人脸图像中的眼镜进行去除，同时保留人眼的细节特征信息，提高人脸识别的准确度。

根据本公开实施例的第二方面，提供一种人脸图像眼镜去除装置，包括：

判断模块，用于根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

搜索模块，用于当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

去除模块，用于采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

可选的，所述装置还包括：

获取模块，用于获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

标定模块，用于对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

第一训练模块，用于根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

归一化处理模块，用于将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

提取模块，用于对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

第二训练模块，用于根据所述眼镜眼部特征点库及所述人脸样本特征库训练得到所述眼镜判定器。

可选的，所述判断模块包括：

归一化处理子模块，用于将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

提取子模块，用于对所述归一化的待处理人脸图像提取局部特征；

分析子模块，用于根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

可选的，所述去除模块包括：

计算子模块，用于以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

替换子模块，用于使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息。

根据本公开实施例的第三方面，提供一种人脸图像眼镜去除装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种人脸图像眼镜去除方法的流程图；

图2是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图；

图3是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图；

图4是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图；

图5a是根据另一示例性实施例示出的待处理人脸图像的原图；

图5b是根据另一示例性实施例示出的对待处理人脸图像识别出的眼镜边框的示意图；

图5c是根据另一示例性实施例示出的处理后得到的不戴眼镜的人脸图像；

图6是根据一示例性实施例示出的一种人脸图像眼镜去除装置的框图；

图7是根据另一示例性实施例示出的一种人脸图像眼镜去除装置的框图；

图8是根据一示例性实施例示出的判断模块的框图；

图9是根据一示例性实施例示出的去除模块的框图；

图10是根据一示例性实施例示出的一种用于人脸图像眼镜去除的装置1000的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种人脸图像眼镜去除方法的流程图，如图1所示，人脸图像眼镜去除方法用于终端中，包括以下步骤。

在步骤S11中，根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

在步骤S12中，当待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

在步骤S13中，采用图像修复算法去除待处理人脸图像中的眼镜边框。

本实施例中，采用可变形模型算法对人脸图像中的眼镜进行搜寻，对于得到的眼镜边框，采用图像修复的方式去除眼镜边框，在去除人脸图像中的眼镜的同时，保留人眼的细节特征信息，提高人脸识别的准确度。

图2是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图，如图2所示，该方法还包括：

在步骤S21中，获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像，例如，可以准备2万张戴眼镜人脸样本图像和10万张不戴眼镜人脸样本图像。

在步骤S22中，对戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定，例如，每个眼镜边框标定23个点。

在步骤S23中，根据可变形模型算法对标定的眼镜样本特征点进行训练，得到眼镜样本特征点库；

可利用可变形模型(SAM)对标定的眼镜样本特征点进行训练，得到眼镜样本特征点库。

在步骤S24中，将戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸，例如，预设尺寸为80像素*80像素的大小。

在步骤S25中，对归一化的戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库，可采用Gabor算法提取图像局部纹理特征。

在步骤S26中，根据眼镜眼部特征点库及人脸样本特征库训练得到眼镜判定器，可以利用支持向量基(SVM)的机器学习模型对眼镜眼部特征点库及人脸样本特征库进行训练，得到眼镜判定器。

在可选方案中，通过对样本图像的训练学习，得到眼镜判定器，可以准确识别出待处理图像是否为戴眼镜的人脸图像。

图3是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图，如图3所示，可选的，上述步骤S11包括：

在步骤S31中，将待处理图像按照眼睛中心位置归一化到预设尺寸，如80像素*80像素的大小。

在步骤S32中，对归一化的待处理人脸图像提取局部特征；

在步骤S33中，根据眼镜判定器对归一化的待处理人脸图像的局部特征进行分析，确定待处理人脸图像是否为戴眼镜人脸图像。

在可选方案中，利用训练学习得到的眼镜判定器，可以准确识别出待处理图像是否为戴眼镜的人脸图像。

图4是根据另一示例性实施例示出的一种人脸图像眼镜去除方法的流程图，如图4所示，可选的，上述步骤S13包括：

在步骤S41中，以眼镜边框的边界的每一个像素点为中心像素点，根据中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到中心像素点的新像素点信息；

在步骤S42中，用计算得到的中心像素点的新像素点信息替换中心像素点的原像素点信息。

在可选方案中，采用简单的图像修复算法，可以快速、准确地对人脸图像中的眼镜进行去除，同时保留人眼的细节特征信息，提高人脸识别的准确度。

如图5a所示，为待处理人脸图像的原图。

如图5b所示，根据可变形模型算法对待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框。

如图5c所示，采用图像修复算法去除待处理人脸图像中的眼镜边框，得到不戴眼镜的人脸图像。

本实施例的方法，在去除眼镜后，保留了绝大部分人眼部分的细节特征，使得后续的人脸识别准确度较高。

另外，对于一些有较重的黑眼圈或眼袋的人脸图像，采用本实施例的方法，即便会出现被误识别为戴眼镜的人脸图像，但是，使用本实施例的方法，可以去除人眼上的黑眼圈或眼袋等，以使这类的人脸图像，能够被准确的识别出来。

图6是根据一示例性实施例示出的一种人脸图像眼镜去除装置的框图。如图6所示，该装置包括判断模块61，搜索模块62和去除模块63。

判断模块61被配置为根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像.

搜索模块62被配置为当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框。

去除模块63被配置为采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

图7是根据另一示例性实施例示出的一种人脸图像眼镜去除装置的框图。如图7所示，可选的，该装置还包括：

获取模块64被配置为获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

标定模块65被配置为对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

第一训练模块66被配置为根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

归一化处理模块67被配置为将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

提取模块68被配置为对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

第二训练模块69被配置为根据所述眼镜眼部特征点库及所述人脸样本特征库训练得到所述眼镜判定器。

图8是根据一示例性实施例示出的判断模块的框图。如图8所示，可选的，判断模块61包括：

归一化处理子模块81被配置为将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

提取子模块82被配置为对所述归一化的待处理人脸图像提取局部特征；

分析子模块83被配置为根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

图9是根据一示例性实施例示出的去除模块的框图。如图9所示，可选的，去除模块63包括：

计算子模块91被配置为以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

替换子模块92被配置为使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开还提供一种人脸图像眼镜去除装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

图10是根据一示例性实施例示出的一种用于人脸图像眼镜去除的装置1000的框图。例如，装置1000可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

如图10所示，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制装置1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在设备1000的操作。这些数据的示例包括用于在装置1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1006为装置1000的各种组件提供电力。电源组件1006可以包括电源管理***，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述装置1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1008包括一个前置摄像头和/或后置摄像头。当设备1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当装置1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到设备1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1016经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由装置1000的处理器1020执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种人脸图像眼镜去除方法，所述方法包括：

根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框。

可选的，所述方法还包括：

获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

根据所述眼镜眼部特征点库及所述人脸样本特征库训练得到所述眼镜判定器。

可选的，所述根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像，包括：

将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

对所述归一化的待处理人脸图像提取局部特征；

根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

可选的，所述采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框，包括：

以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (3)

1.一种人脸图像眼镜去除方法，其特征在于，包括：

根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框；

所述采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框，包括：

以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息；

所述方法还包括：

获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

根据所述眼镜样本特征点库及所述人脸样本特征库训练得到所述眼镜判定器；

所述根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像，包括：

将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

对所述归一化的待处理人脸图像提取局部特征；

根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

2.一种人脸图像眼镜去除装置，其特征在于，包括：

判断模块，用于根据预先训练的眼镜判定器判断待处理人脸图像是否为戴眼镜人脸图像；

搜索模块，用于当所述待处理人脸图像为戴眼镜人脸图像时，根据可变形模型算法对所述待处理人脸图像中的眼镜进行迭代搜索，得到眼镜边框；

去除模块，用于采用图像修复算法去除所述待处理人脸图像中的所述眼镜边框；

所述去除模块包括：

计算子模块，用于以所述眼镜边框的边界的每一个像素点为中心像素点，根据所述中心像素点的周围像素点的像素点信息，使用预设高斯模板通过高斯计算得到所述中心像素点的新像素点信息；

替换子模块，用于使用计算得到的所述中心像素点的新像素点信息替换所述中心像素点的原像素点信息；

所述装置还包括：

获取模块，用于获取戴眼镜人脸样本图像和不戴眼镜人脸样本图像；

标定模块，用于对所述戴眼镜人脸样本图像中的眼镜样本边框进行特征点标定；

第一训练模块，用于根据可变形模型算法对标定的所述眼镜样本特征点进行训练，得到眼镜样本特征点库；

归一化处理模块，用于将所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像按照眼睛中心位置归一化到预设尺寸；

提取模块，用于对归一化的所述戴眼镜人脸样本图像和不戴眼镜人脸样本图像提取局部特征，得到人脸样本特征库；

第二训练模块，用于根据所述眼镜样本特征点库及所述人脸样本特征库训练得到所述眼镜判定器；

所述判断模块包括：

归一化处理子模块，用于将所述待处理图像按照眼睛中心位置归一化到所述预设尺寸；

提取子模块，用于对所述归一化的待处理人脸图像提取局部特征；

分析子模块，用于根据所述眼镜判定器对所述归一化的待处理人脸图像的局部特征进行分析，确定所述待处理人脸图像是否为戴眼镜人脸图像。

3.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现上述权利要求1所述方法的步骤。