CN109543518A - 一种基于积分投影的人脸器官精确识别方法 - Google Patents
一种基于积分投影的人脸器官精确识别方法 Download PDFInfo
- Publication number
- CN109543518A CN109543518A CN201811203735.9A CN201811203735A CN109543518A CN 109543518 A CN109543518 A CN 109543518A CN 201811203735 A CN201811203735 A CN 201811203735A CN 109543518 A CN109543518 A CN 109543518A
- Authority
- CN
- China
- Prior art keywords
- picture
- face
- skin
- human face
- transformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 210000001508 eye Anatomy 0.000 claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 210000000056 organ Anatomy 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 230000004069 differentiation Effects 0.000 claims abstract description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract description 2
- 230000011218 segmentation Effects 0.000 abstract description 2
- 230000001815 facial effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 210000005252 bulbus oculi Anatomy 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于积分投影的人脸器官精确识别方法，包括以下步骤：(1)图片预处理，包括灰度变换、滤波去噪和小波增强三种方法；(2)肤色提取及判别，利用Y Cb Cr色彩空间筛选肤色分布区域；(3)定位人脸位置，利用像素点沿横向和纵向叠加得到的投影曲线，定位出肤色区域；(4)基于眼睛、嘴巴和鼻子各自的特征，进行各个器官的中心定位；(5)基于中心点进行区域划分；(6)对图片进行灰度二值化后对各个器官进行轮廓特征提取。本发明通过肤色分割和积分投影的方法确定人脸的位置，在此基础上，基于模板匹配的人脸特征提取模型以及灰度积分投影算法对眼睛、鼻子、唇形等进行识别判断。
Description
技术领域
本发明涉及人脸识别方法，具体涉及一种基于积分投影的人脸器官精确识别方法。
背景技术
人脸识别***主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。***获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸识别***可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。
提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。
随着人脸识别技术在人工智能及日常生活中的应用越来越广泛，对人脸识别方面的要求也越来越高，不仅仅是简单地将人脸识别出来，更多的需要识别人脸上的器官，并进行对比分析，如眼、鼻、嘴等的识别，因此，研究如何准确高效地识别人脸有重要意义。
发明内容
本发明的目的是为了克服现有技术中的不足，提供一种基于积分投影的人脸器官精确识别方法。
本发明的目的是通过以下技术方案实现的：
一种基于积分投影的人脸器官精确识别方法，包括以下步骤：
(1)图片预处理，包括灰度变换、滤波去噪和小波增强三种方法；
(2)肤色提取及判别，利用Y Cb Cr色彩空间筛选肤色分布区域；
(3)定位人脸位置，利用像素点沿横向和纵向叠加得到的投影曲线，定位出肤色区域；
(4)基于眼睛、嘴巴和鼻子各自的特征，进行各个器官的中心定位；
(5)基于中心点进行区域划分；
(6)对图片进行灰度二值化后对各个器官进行轮廓特征提取。
进一步的，根据权利要求1所述一种基于积分投影的人脸器官精确识别方法，其特征在于，步骤(1)中灰度变换针对对比度低于120:1的图片，首先将原图片的灰度区间扩展到[0,255]，即通过灰度变换增强图像的对比度，易于辨识，即：式中F-原图片的亮度；FMAX-原图片最亮的亮度；FMIN-原图片最暗的亮度；F'-变换后图片的亮度；滤波去噪是使用中值滤波法抑制噪声干扰并保留边界，不影响人脸边界识别结果，将每一像素点的灰度值设置为该点邻域内的所有象素点灰度值的中值；小波增强是对图片进行小波变换，对图片大小、位置、方向进行分解，最终通过小波逆变换还原图片。
与现有技术相比，本发明的技术方案所带来的有益效果是：
1.本发明提出一种基于积分投影的人脸器官精确识别模式，通过肤色分割和积分投影的方法确定人脸的位置，在此基础上，基于模板匹配的人脸特征提取模型以及灰度积分投影算法对眼睛、鼻子、唇形等进行识别判断。
2.本发明通过人脸器官精确识别模式，识别人脸器官并进行特征提取，为人工智能行业的技术发展和产业化进程起到一定程度的促进作用。
附图说明
图1是人眼特征矩阵示意图。
图2-1和图2-2分别是眼睛和嘴巴的特征提取示意图。
具体实施方式
下面结合附图对本发明作进一步的描述。
本发明在人脸识别的过程中，一共分为两大步，第一步对人脸位置进行判断确认，首先使用灰度变换、滤波去噪、小波增强对原始图像进行预处理，其次对肤色进行判别及提取，最后通过灰度积分投影进行人脸定位。第二步在人脸位置确认的基础上进行器官精准定位，首先结合轮廓特点建立眼睛识别的特征矩阵用来定位眼睛，其次用同样的方法构建嘴唇的特征矩阵用以识别嘴唇，最后用鼻孔连线与眼睛连线的垂直距离g与其连线与嘴巴中心点的垂直距离h的比值来刻画鼻子特征。具体如下：
1.图片预处理，主要使用灰度变换、滤波去噪和小波增强三种方法。
灰度变换：对于不太清晰、对比度较低的图片，首先需要将原图片中较窄的灰度区间扩展到[0,255]，即通过灰度变换增强图像的对比度，更易于辨识，即：式中F-原图片的亮度；FMAX-原图片最亮的亮度；FMIN-原图片最暗的亮度；F'-变换后图片的亮度。
滤波去噪：使用中值滤波法能抑制噪声干扰并保留边界，不影响人脸边界识别结果，将每一像素点的灰度值设置为该点邻域内的所有象素点灰度值的中值。
小波增强：首先需要对图片进行小波变换，对其大小、位置、方向进行分解，最终通过小波逆变换还原图片。
2.肤色提取及判别
Y Cb Cr色彩空间受亮度变化的影响较小，能较好地限制肤色分布区域，利用这一特点可将肤色区域筛选出来。通过建立RGB空间到Y Cb Cr颜色空间的线性映射，将颜色信息转化为亮度信息(Y)和彩色信息(Cb,Cr)，分量Cb和Cr分别是蓝色和红色分量与参考值的差。采集人脸的数个肤色像素点的RGB信息，并利用线性映射将其映射到Y Cb Cr颜色空间，对肤色点进行模糊识别，参考简单高斯模型计算处理后图片在[Cb,Cr]二维平面对应的Cb,Cr值，计算协方差矩阵，对像素点进行标准化处理得到yi，进而可求出其肤色似然度其值越大越白越接近肤色。
3.定位人脸位置
对于处理后像素点的值沿横向(x轴)和纵向(y轴)两个方向进行累加，由此可得到该图像的投影曲线，若该图片有m×n个像素点，则其投影公式如下:
式中：F(xi,yj)-图片中某点的像素；S(x)-图片投影曲线的横坐标；S(y)-图片投影曲线的纵坐标。
采用上述方法对人脸的边界进行识别后，波谷代表该点处“肤色点”多于其邻域内的“非肤色点”，除了人脸区域外有小幅度的波动，这主要是由于在识别时手也被判定为了“肤色点”，但由于手的面积相对于脸而言较小，其不会带来一个较明显的波谷，因而该方法具有一定的普适性。结合导数即斜率进而判断是否有一个从非肤色区到肤色区的“突跃”。
4.进行各个器官的中心定位
首先对眼睛进行中心定位，由于头发与眼珠的色差较小且头发面积与眼睛相比较大，故在判断眼睛时利用积分投影的方法检测效果并不好。因此，结合轮廓特点建立特征矩形。由于眼球近圆形，首先建立了眼球的特征矩形如图1所示，指定该框的大小在人脸区域进行扫动，定义Harr-like特征值即黑色区域的像素值和减去白色区域的像素值和。其特征值绝对值越大说明区域与该模型越契合，从而实现对于眼中心的判断。
其次对嘴巴进行中心定位，由于嘴巴颜色与肤色差异较大，且其上下均为肤色，不受到其他因素的干扰，故此时可直接利用积分投影的方法对于嘴巴的长宽进行检测，取其长宽中点对应的点作为嘴巴的中心点。
注意到鼻子一定会处于眼、嘴围成的矩形区域内，且在前一部分已判断出了人眼、嘴的中心点，基于此可得到一块只有鼻子的区域，直接分离出一个只含有鼻子的区域，故不需对鼻子的中心点进行定义。
5.基于中心点进行区域划分
以眼睛为例详细说明区域划分方法(嘴巴同理可得)，由于人两眼角的长度d近似等于眼长度，两眼中心点的连线段为l，以两眼中心点为中心，以为邻域，初步判定一个x轴的范围，通过积分投影曲线对y轴方向的范围进行识别，利用迭代的思想对于该邻域进行修正。
6.进行轮廓特征提取
注意到在对图片进行灰度二值化处理后，其下边缘特征不明显，故主要对眼睛的上边缘特征进行分析。因眼睛近椭圆形状，故采用椭圆形曲线来进行逼近，定义几个切点的位置如图2-1所示，搜索a,b,c的值，并求出在该椭圆曲线与矩形框围成的区域内其像素值的累加，越小则该参数逼近效果较好，即取最大的[a,b]值。
相较于眼睛而言，嘴唇的轮廓特征更明显，且不存在其他部位对其识别的干扰，故可直接利用积分投影的方法，观察其波峰波谷并确定几个特征距离如图2-2所示。
由于鼻子在灰度值二值化的过程中边缘存在着较大程度的丢失。仅用鼻孔连线与眼睛连线的垂直距离g与其连线与嘴巴中心点的垂直距离h的比值来刻画鼻子特征。
本发明适用于当前各类人脸识别的实际应用，如小区的人员识别，公司的人脸识别考勤机等。将人脸识别后提取的特征与数据库进行对比来判断该人是否为本小区的或者员工是否缺勤等，用来加强小区安全管理和完善公司的人员监管制度。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。
Claims (2)
1.一种基于积分投影的人脸器官精确识别方法，其特征在于，包括以下步骤：
(1)图片预处理，包括灰度变换、滤波去噪和小波增强三种方法；
(2)肤色提取及判别，利用Y Cb Cr色彩空间筛选肤色分布区域；
(3)定位人脸位置，利用像素点沿横向和纵向叠加得到的投影曲线，定位出肤色区域；
(4)基于眼睛、嘴巴和鼻子各自的特征，进行各个器官的中心定位；
(5)基于中心点进行区域划分；
(6)对图片进行灰度二值化后对各个器官进行轮廓特征提取。
2.根据权利要求1所述一种基于积分投影的人脸器官精确识别方法，其特征在于，步骤(1)中灰度变换针对对比度低于120:1的图片，首先将原图片的灰度区间扩展到[0,255]，即通过灰度变换增强图像的对比度，易于辨识，即：式中F-原图片的亮度；FMAX-原图片最亮的亮度；FMIN-原图片最暗的亮度；F'-变换后图片的亮度；
滤波去噪是使用中值滤波法抑制噪声干扰并保留边界，不影响人脸边界识别结果，将每一像素点的灰度值设置为该点邻域内的所有象素点灰度值的中值；
小波增强是对图片进行小波变换，对图片大小、位置、方向进行分解，最终通过小波逆变换还原图片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811203735.9A CN109543518A (zh) | 2018-10-16 | 2018-10-16 | 一种基于积分投影的人脸器官精确识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811203735.9A CN109543518A (zh) | 2018-10-16 | 2018-10-16 | 一种基于积分投影的人脸器官精确识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109543518A true CN109543518A (zh) | 2019-03-29 |
Family
ID=65843953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811203735.9A Pending CN109543518A (zh) | 2018-10-16 | 2018-10-16 | 一种基于积分投影的人脸器官精确识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543518A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175584A (zh) * | 2019-05-30 | 2019-08-27 | 湖南城市学院 | 一种面部特征提取重构方法 |
| CN111814516A (zh) * | 2019-04-11 | 2020-10-23 | 上海集森电器有限公司 | 一种驾驶员疲劳检测方法 |
| CN112329646A (zh) * | 2020-11-06 | 2021-02-05 | 吉林大学 | 一种基于手的质心坐标的手势运动方向识别方法 |
| CN113408408A (zh) * | 2021-06-17 | 2021-09-17 | 杭州嘉轩信息科技有限公司 | 一种结合肤色和虹膜特征的视线追踪方法 |
| CN114067393A (zh) * | 2021-11-08 | 2022-02-18 | 上海科江电子信息技术有限公司 | 短视频直播主持人头像识别方法、***、设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184401A (zh) * | 2011-04-29 | 2011-09-14 | 苏州两江科技有限公司 | 一种人脸特征提取方法 |
-
2018
- 2018-10-16 CN CN201811203735.9A patent/CN109543518A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184401A (zh) * | 2011-04-29 | 2011-09-14 | 苏州两江科技有限公司 | 一种人脸特征提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 廖艺捷，刘昊阳，崔文豪: ""基于积分投影改进的人脸识别模式"", 《信息与电脑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814516A (zh) * | 2019-04-11 | 2020-10-23 | 上海集森电器有限公司 | 一种驾驶员疲劳检测方法 |
| CN110175584A (zh) * | 2019-05-30 | 2019-08-27 | 湖南城市学院 | 一种面部特征提取重构方法 |
| CN112329646A (zh) * | 2020-11-06 | 2021-02-05 | 吉林大学 | 一种基于手的质心坐标的手势运动方向识别方法 |
| CN113408408A (zh) * | 2021-06-17 | 2021-09-17 | 杭州嘉轩信息科技有限公司 | 一种结合肤色和虹膜特征的视线追踪方法 |
| CN114067393A (zh) * | 2021-11-08 | 2022-02-18 | 上海科江电子信息技术有限公司 | 短视频直播主持人头像识别方法、***、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543518A (zh) | 一种基于积分投影的人脸器官精确识别方法 | |
| CN106682601B (zh) | 一种基于多维信息特征融合的驾驶员违规通话检测方法 | |
| CN103400110B (zh) | Atm取款机前的异常人脸检测方法 | |
| Yu et al. | Vision-based hand gesture recognition using combinational features | |
| CN106845328B (zh) | 一种基于双摄像头的智能人脸识别方法及*** | |
| CN105447503B (zh) | 基于稀疏表示lbp和hog融合的行人检测方法 | |
| CN108932493A (zh) | 一种面部皮肤质量评价方法 | |
| CN108921004A (zh) | 安全帽佩戴识别方法、电子设备、存储介质及*** | |
| CN101739546A (zh) | 基于图像交叉重建的单样本注册图像人脸识别方法 | |
| CN112232332B (zh) | 一种基于视频序列的非接触式手掌检测方法 | |
| CN106203338B (zh) | 基于网格区域分割和阈值自适应的人眼状态快速识别方法 | |
| CN106650606A (zh) | 人脸图像的匹配及处理方法、人脸图像模型构建*** | |
| CN110598574A (zh) | 智能人脸监控识别方法及*** | |
| Monwar et al. | Pain recognition using artificial neural network | |
| CN107247934A (zh) | 一种基于快速特征点定位的全天候哈欠检测方法及*** | |
| CN109948570B (zh) | 一种用于动态环境下的无人机实时检测方法 | |
| Yusuf et al. | Human face detection using skin color segmentation and watershed algorithm | |
| CN109409347A (zh) | 一种基于人脸特征检测疲劳驾驶的方法 | |
| Campadelli et al. | Localization of facial features and fiducial points | |
| CN110598521A (zh) | 一种基于人脸图像智能分析的行为与生理状态识别方法 | |
| CN109766860A (zh) | 基于改进的Adaboost算法的人脸检测方法 | |
| Elbalaoui et al. | Segmentation of optic disc from fundus images | |
| Mandal et al. | Human visual system inspired object detection and recognition | |
| CN109753912A (zh) | 一种基于张量的多光谱掌纹匹配方法 | |
| CN115937085A (zh) | 一种基于神经网络学习的核性白内障图像处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |