CN106991360A - 人脸识别方法及人脸识别*** - Google Patents

Abstract

本发明提供一种人脸识别方法及人脸识别***，用于检测人脸中的遮挡区域，包括：对图像进行人脸检测，并对所检测到的人脸进行标记；对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点；将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域；计算所述几何区域中每个像素的色度分量；筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。本发明通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

Description

人脸识别方法及人脸识别***

技术领域

本发明属于图像处理的领域，尤其涉及一种人脸识别方法及人脸识别***。

背景技术

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。通常采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸。可广泛应用于身份识别、活体检测、唇语识别、创意相机、人脸美化、社交平台等场景中。

其中，人脸识别的准确率，会受到拍照姿势(正面或侧面)、光线(白天或夜晚)、遮挡物(头发、眼镜、胡须)等多种因素的影响。其中，影响准确率最大的因素，是长垂直眉间、眼角的头发。

对此，人脸识别的常见处理方法，是采用有监督的机器学习算法，其先采集大量的人脸样本，然后训练模型，进而对输入的图像进行人脸识别。这样的机器学习算法，不仅在收集人脸样本时费时费力、在训练模型的过程中涉及的参数复杂。尤其是，由于用户可能会佩戴不同样式的帽子、以及可能将头发染成不同颜色，会导致上述参数需要进行适应性修改，而常见的机器学习算法，很难应对上述用户行为而进行实时的调整。

发明内容

有鉴于此，本发明的目的在于提供一种人脸识别方法及人脸识别***，可以解决现有技术中的机器学习算法中收集样本时费时费力、训练过程涉及参数复杂且不易随用户行为的改变而进行调节，进而影响识别结果的准确性和灵活性的技术问题。

为解决上述技术问题，本发明实施例提供了一种人脸识别方法，用于检测人脸中的遮挡区域，包括：

对图像进行人脸检测，并对所检测到的人脸进行标记；

对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点；

将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域；

计算所述几何区域中每个像素的色度分量；以及

筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

为解决上述技术问题，本发明实施例还提供了一种人脸识别***，用于检测人脸中的遮挡区域，包括：

检测模块，用于对图像进行人脸检测，并对所检测到的人脸进行标记；

定位模块，用于对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点；

选择模块，用于将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域；

像素模块，用于计算所述几何区域中每个像素的色度分量；以及

区域模块，用于筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

相对于现有技术，本发明提供的人脸识别方法及人脸识别***，通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

附图说明

图1是本发明实施例一提供的人脸识别方法的流程示意图；

图2是本发明实施例二提供的人脸识别方法的流程示意图；

图3是本发明实施例三提供的人脸识别***的模块示意图；

图4是本发明实施例四提供的人脸识别***的模块示意图；

图5是本发明实施例一至四中提供的人脸识别方法及人脸识别***的几何区域的示意图；

图6是本发明实施例提供的终端设备的模块示意图。

具体实施方式

请参照附图中的图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所示例的本发明的具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。

本发明原理以上述文字来说明，其并不代表为一种限制，本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。

本发明中提供的人脸识别方法及人脸识别***，主要应于手机、电脑、或相机等具有图像存储功能的终端设备，对用户选择的图像进行人脸识别的处理。

本发明可应用于身份识别、活体检测、创意相机、美图软件、社交平台(如QQ空间、面孔墙)等场景中。

请参照以下实施例，实施例一、二侧重于人脸识别方法，实施例三、四侧重于人脸识别***。可以理解的是：虽然各实施例的侧重不同，但其设计思想是一致的。且，在某个实施例中没有详述的部分，可以参见说明书全文的详细描述，不再赘述。

实施例一

请参阅图1，所示为人脸识别方法的基本流程示意图。所述人脸识别方法，通常执行于终端设备中。

所述人脸识别方法，用于检测人脸中的遮挡区域，其中，本发明中的遮挡区域，主要是指头发，亦可检测胡须、眼镜等遮挡物，此处不再赘述。

所述人脸识别方法，包括：

在步骤S101中，对图像进行人脸检测，并对所检测到的人脸进行标记。

其中，可通过标记框对人脸进行标记，所述标记框通常是采用矩形框，对人脸的上至额头、下至下巴、左右至双耳的区域进行框定。其实现的方式，如通过OpenCV(Open Source Computer Vision Library，开源计算机视觉库)的开源的人脸检测算法，对图像进行人脸检测。

在步骤S102中，对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点。

如，可以通过多个轮廓点对人脸轮廓进行定位，包括：脸型轮廓、眉毛、眼睛、鼻子、和嘴巴；在以其中眼睛的轮廓点以分别获取双眼的中心点。

在步骤S103中，将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域。

如图5所示，为所述几何区域的示意图。以梯形区域R为例，其中四个顶点包括：左顶点坐标值fL(x，y)、右顶点的坐标值fR(x，y)、左眼的中心点的坐标值L(x，y)、以及右眼的中心点的坐标值R(x，y)。

在步骤S104中，计算所述几何区域中每个像素的色度分量。

具体而言，所述色度分量的计算步骤，包括：

(1)获取所述几何区域内的像素个数；

(2)获取所述每一像素的红R值、绿G值、和蓝B值；以及

(3)计算所述每一像素的色度分量，其中所述色度分量取决于所述每一像素的R值、G值、B值、和预设的常量值。

具体而言，所述色度分量包括：红色色度分量和/或蓝色色度分量；其中：

所述红色色度分量Cr＝aR-bG-cB+d，

所述蓝色色度分量Cb＝aB-bR-cG+d，其中，a、b、c、和d为常量值。

在步骤S105中，筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

具体而言，所述统计步骤包括：

(1)设置肤色，并根据所设置的肤色生成预设的色度区间，比如：黄色皮肤。

(2)设置头发颜色，对所述头发颜色与所述肤色进行对比，得到对比结果，其中常见的头发颜色，如：黑色头发、白色头发、咖啡色头发等。

(3)根据所述对比结果筛选出所述色度分量不大于或不小于预设色度的差异像素，并统计所述差异像素与所述几何区域的比率，作为遮挡比率，其中，所述色度分量中不等于所述预设色度区间，即：对比区分出不同于肤色的像素点，以作为遮挡物标的。同时，不以单个像素计算，而是累计比率，以求取区域值，使产生的结果更加准确、可信度高。

(4)判断所述遮挡比率是否大于预设遮挡率。

(5)若大于所述预设遮挡率，则将所述遮挡比率对应的区域作为遮挡区域。

(6)若不大于，则忽略所述遮挡比率对应的区域，将其视为图像中的噪点。

本发明实施例提供的人脸识别方法，通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

实施例二

请参阅图2，所示为人脸识别方法的详细流程示意图。所述人脸识别方法，通常执行于终端设备中。

图2中的步骤，与图1不同的以S2开头，与图1相同的仍以S1开头，以示其差异。

所述人脸识别方法，用于检测人脸中的遮挡区域，包括：

在步骤S201中，对图像进行人脸检测，并对检测到的人脸通过标记框进行标记。

具体而言，所述标记框的形成步骤包括：

(1)通过Opencv的开源人脸检测算法，对图像进行人脸检测；

(2)通过标记框对所检测到的人脸进行标记；以及

(3)获取标记框的左顶点的坐标值、和右顶点的坐标值。

在步骤S102中，对所述标记框中的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点。

具体而言，所述定位的步骤，包括：

(1)预设眼睛的轮廓点个数；

(2)通过预设个数的轮廓点，分别对左眼轮廓和右眼轮廓进行描述，以确定左眼轮廓和右眼轮廓；

(3)根据所述左眼轮廓计算左眼的中心点的坐标值；以及

(4)根据所述右眼轮廓计算右眼的中心点的坐标值。

在步骤S202中，连接所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点，以构成几何区域。

如图5所示，为所述几何区域的示意图。以梯形区域R为例，其顶点包括：左顶点坐标fL(x，y)、右顶点的坐标fR(x，y)、左眼的中心点的坐标L(x，y)、以及右眼的中心点的坐标R(x，y)。可以理解的是，所述几何区域中，最易被刘海、帽子、发饰等物遮挡。

在步骤S203中，计算所述几何区域中每个像素的红色色度分量。

具体而言，所述色度分量的计算步骤，包括：

(1)获取所述几何区域内的像素个数M；

(2)获取所述每一像素的R值、G值、和B值；以及

(3)计算所述每一像素的红色色度分量：

红色色度分量Cr＝aR-bG-cB+d，其中：a＝0.5；b＝0.4187；c＝0.0813；d＝128。

在步骤S204中，根据肤色和遮挡物的常见色，生成预设色度和对比符号。

其中，以黄色皮肤为例，其预设色度Cr＝3；再以头发颜色为黑色或咖啡色为例，通过上述公式取Cr＜3的深色像素点。

在步骤S105中，筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

具体而言，所述统计步骤包括：

(1)统计所述深色像素点的个数m；

(2)计算深色像素点所占的比率m/M；

(3)判断所述比率m/M是否大于预设遮挡率，比如0.75；

(4)若大于所述预设遮挡率，则将所述遮挡比率对应的区域作为遮挡区域；

(5)若不大于所述预设遮挡率，则忽略所述区域，将其视为图像中的噪点。

本发明实施例提供的人脸识别方法，通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

实施例三

请参阅图3，所示为人脸识别***的基本模块示意图。所述人脸识别***，通常执行于终端设备中。

所述人脸识别***300，用于检测人脸中的遮挡区域，其中，本发明中的遮挡区域，主要是指头发，可以理解的是，基于本发明的人脸识别***，亦可检测胡须、眼镜等遮挡物，由于推断方法简单，此处不再赘述。

所述人脸识别***300，包括：检测模块31、定位模块32、选择模块33、像素模块34、以及区域模块35。

具体而言，所述检测模块31，用于对图像进行人脸检测，并对所检测到的人脸进行标记。

其中，可通过标记框进行标记，所述标记框通常是采用矩形框，对人脸的上至额头、下至下巴、左右至双耳的区域进行框定。

所述定位模块32，连接于所述检测模块31，用于对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点。

具体而言，所述定位模块32通过多个轮廓点对人脸轮廓进行定位，尤其是眼睛，再通过眼睛的轮廓点以分别获取双眼的中心点。

所述选择模块33，连接于所述定位模块32，用于将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域。

如图5所示，为所述几何区域的示意图，以梯形区域R为例，其顶点包括：标记框的左顶点坐标值fL(x，y)、右顶点的坐标值fR(x，y)、左眼的中心点的坐标值L(x，y)、以及右眼的中心点的坐标值R(x，y)。

所述像素模块34，连接于所述选择模块33，用于计算所述几何区域中每个像素的色度分量。

具体而言，所述像素模块34包括：

数量子模块341，用于获取所述几何区域内的像素个数；

单色子模块342，连接于所述数量子模块341，用于获取所述每一像素的R值、G值、和B值；以及

分量子模块343，连接于所述单色子模块342，用于计算所述每一像素的色度分量，其中所述色度分量取决于所述每一像素的R值、G值、B值、和预设的常量值。

具体而言，所述色度分量包括：红色色度分量和/或蓝色色度分量；其中：

所述红色色度分量Cr＝aR-bG-cB+d，

所述蓝色色度分量Cb＝aB-bR-cG+d，其中，a、b、c、和d为常量值。

所述区域模块35，连接于所述像素模块34，用于筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

具体而言，所述区域模块35包括：

肤色子模块351，用于设置肤色，并根据所设置的肤色生成预设的色度；

发色子模块352，用于设置头发颜色，并对所述头发颜色与所述肤色进行对比，得到对比结果；

比率子模块353，用于根据所述对比结果筛选出所述色度分量不大于或不小于预设色度的差异像素，并统计所述差异像素与所述几何区域的比率，作为遮挡比率；

判断子模块354，用于判断所述遮挡比率是否大于预设遮挡率；以及

结果子模块355，用于当大于所述预设遮挡率时，将所述遮挡比率对应的区域作为遮挡区域。

本发明实施例提供的人脸识别***，通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

实施例四

请参阅图4，所示为人脸识别***的详细模块示意图。所述人脸识别***，通常执行于终端设备中，用于检测人脸中的遮挡区域。

所述人脸识别***400，包括：检测模块41、定位模块42、选择模块43、像素模块44、以及区域模块45。

具体而言，所述检测模块41，用于对图像进行人脸检测，并通过标记框对所检测到的人脸进行标记。

其中，所述检测模块41包括：

人脸子模块411，用于通过开源人脸检测算法，对图像进行人脸检测；

标记子模块412，连接于所述人脸子模块411，用于通过标记框对所检测到的人脸进行标记；以及

第一坐标子模块413，连接于所述标记子模块412，用于获取标记框的左顶点的坐标值、和右顶点的坐标值。

所述定位模块42，连接于所述检测模块41，用于对所述标记框中的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点。

其中，所述定位模块42包括：

点数子模块421，用于预设眼睛的轮廓点个数；

轮廓子模块422，连接于所述点数子模块421，用于通过预设个数的轮廓点，分别对左眼轮廓和右眼轮廓进行描述，以确定左眼轮廓和右眼轮廓；以及

第二坐标子模块423，连接于所述轮廓子模块422，用于根据所述左眼轮廓计算左眼的中心点的坐标值、并根据所述右眼轮廓计算右眼的中心点的坐标值。

所述选择模块43，连接于所述定位模块42，用于由所述双眼的中心点、标记框上侧两顶点构成几何区域。

如图5所示，为所述几何区域的示意图，以梯形区域R为例，其顶点包括：标记框的左顶点坐标值fL(x，y)、右顶点的坐标值fR(x，y)、左眼的中心点的坐标值L(x，y)、以及右眼的中心点的坐标值R(x，y)。可以理解的是，所述几何区域中，最易被刘海、帽子、发饰等物遮挡。

此外，还可以通过获取鼻子和标记框的下侧两顶点，以构成三角形区域，来检测胡须。原理同上，此处不再赘述。

所述像素模块44，连接于所述选择模块43，用于计算所述几何区域中每个像素的红色色度分量。

具体而言，所述像素模块44包括：

数量子模块441，用于获取所述几何区域内的像素个数M；

单色子模块442，连接于所述数量子模块441，用于获取所述每一像素的R值、G值、和B值；以及

红色分量子模块443，连接于所述单色子模块442，用于计算所述每一像素的红色色度分量：

红色色度分量Cr＝aR-bG-cB+d，其中：a＝0.5；b＝0.4187；c＝0.0813；d＝128。

所述区域模块45，连接于所述像素模块44，用于筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

具体而言，所述区域模块45包括：

肤色子模块451，用于设置肤色，并根据所设置肤色生成预设的色度，以中国人的黄色皮肤为例，可得其预设色度区间的Cr＝3；

发色子模块452，用于设置头发颜色，并对所述头发颜色与所述肤色进行对比，得到对比结果，具体而言，以头发颜色为黑色或咖啡色为例，通过上述与肤色为黄进行对比，选取Cr＜3的深色像素点；

比率子模块453，用于根据所述对比结果筛选出所述色度分量不大于或不小于预设色度的差异像素，并统计所述差异像素与所述几何区域的比率，作为遮挡比率，具体而言，包括：统计所述深色像素点的个数m；计算所述深色像素点所占的比率m/M；

判断子模块454，用于判断所述遮挡比率是否大于预设遮挡率，所述预设遮挡率比如0.75；以及

结果子模块455，用于当大于所述预设遮挡率时，将所述遮挡比率对应的区域作为遮挡区域，以及若不大于所述预设遮挡率，则忽略所述遮挡比率对应的区域，将其视为图像中的噪点。

本发明实施例提供的人脸识别***，通过统计由标记框与双眼构成的几何区域中的不同于肤色的像素点，以作为遮挡区域，无需收集样本、训练参数、及不受用户行为的干扰，具有准确性高、计算速度快、且识别灵活的优点。

实施例五

所示为人脸识别***的详细模块示意图。所述人脸识别***，通常执行于终端中，用于检测人脸中的遮挡区域

相应的，本发明实施例还提供一种终端设备，用于执行所述人脸识别方法或应用所述人脸识别***。如图6所示，该终端设备，可以包括射频(RF，RadioFrequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、无线保真(WiFi，Wireless Fidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路601可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。

存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。

输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器608，并能接收处理器608发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元604可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，OrganicLight-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图6中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

WiFi属于短距离无线传输技术，终端设备通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块607，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器608是终端设备的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。

终端还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理***与处理器608逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现上述人脸识别功能。

本发明实施例提供的人脸识别方法及人脸识别***属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。

综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (10)

1.一种人脸识别方法，用于检测人脸中的遮挡区域，其特征在于，包括：

对图像进行人脸检测，并对所检测到的人脸进行标记；

对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点；

将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域；

计算所述几何区域中每个像素的色度分量；以及

筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

2.如权利要求1所述的人脸识别方法，其特征在于，计算所述几何区域中每个像素的色度分量，具体包括：

获取所述几何区域内的像素个数；

获取所述每一像素的红R值、绿G值、和蓝B值；以及

计算所述每一像素的色度分量，其中所述色度分量取决于所述每一像素的R值、G值、B值、和预设的常量值。

3.如权利要求1或2所述的人脸识别方法，其特征在于，筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域，具体包括：

设置肤色，并根据所设置的肤色生成预设色度；

设置头发颜色，对所述头发颜色与所述肤色进行对比，得到对比结果；

根据所述对比结果筛选出所述色度分量不大于或不小于预设色度的差异像素，并统计所述差异像素与所述几何区域的比率，作为遮挡比率；

判断所述遮挡比率是否大于预设遮挡率；以及

若大于所述预设遮挡率，则将所述遮挡比率对应的区域作为遮挡区域。

4.如权利要求1所述的人脸识别方法，其特征在于，对图像进行人脸检测，并对所检测到的人脸进行标记，具体包括：

通过开源人脸检测算法，对图像进行人脸检测；

通过标记框对所检测到的人脸进行标记；以及

获取标记框的左顶点、和右顶点的坐标值。

5.如权利要求1或4所述的人脸识别方法，其特征在于，对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点，具体包括：

预设眼睛的轮廓点个数；

通过预设个数的轮廓点，分别对左眼轮廓和右眼轮廓进行描述，以确定左眼轮廓和右眼轮廓；

根据所述左眼轮廓计算左眼的中心点的坐标值；以及

根据所述右眼轮廓计算右眼的中心点的坐标值。

6.一种人脸识别***，用于检测人脸中的遮挡区域，其特征在于，包括：

检测模块，用于对图像进行人脸检测，并对所检测到的人脸进行标记；

定位模块，用于对标记的人脸进行定位，以分别获取左眼的中心点、和右眼的中心点；

选择模块，用于将所述左眼的中心点、所述右眼的中心点、和标记框上侧两顶点构成几何区域；

像素模块，用于计算所述几何区域中每个像素的色度分量；以及

区域模块，用于筛选出所述色度分量不等于预设色度的差异像素，并统计所述差异像素所对应的区间以作为遮挡区域。

7.如权利要求6所述的人脸识别***，其特征在于，所述像素模块包括：

数量子模块，用于获取所述几何区域内的像素个数；

单色子模块，用于获取所述每一像素的R值、G值、和B值；以及

分量子模块，用于计算所述每一像素的色度分量，其中所述色度分量取决于所述每一像素的R值、G值、B值、和预设的常量值。

8.如权利要求6或7所述的人脸识别***，其特征在于，所述区域模块包括：

肤色子模块，用于设置肤色，并根据所设置的肤色生成预设的色度区间；

发色子模块，用于设置头发颜色，并对所述头发颜色与所述肤色进行对比，得到对比结果；

比率子模块，用于根据所述对比结果筛选出所述色度分量不大于或不小于预设色度的差异像素，并统计所述差异像素与所述几何区域的比率，作为遮挡比率；

判断子模块，用于判断所述遮挡比率是否大于预设遮挡率；以及

结果子模块，用于当大于所述预设遮挡率时，将所述遮挡比率对应的区域作为遮挡区域。

9.如权利要求6所述的人脸识别***，其特征在于，所述检测模块包括：

人脸子模块，用于通过开源人脸检测算法，对图像进行人脸检测；

标记子模块，用于通过标记框对所检测到的人脸进行标记；以及

第一坐标子模块，用于获取标记框的左顶点、和右顶点的坐标值。

10.如权利要求6或9所述的人脸识别***，其特征在于，所述定位模块包括：

点数子模块，用于预设眼睛的轮廓点个数；

轮廓子模块，用于通过预设个数的轮廓点，分别对左眼轮廓和右眼轮廓进行描述，以确定左眼轮廓和右眼轮廓；以及

第二坐标子模块，用于根据所述左眼轮廓计算左眼的中心点的坐标值、并根据所述右眼轮廓计算右眼的中心点的坐标值。