TWI628601B - 人臉影像處理方法及其系統 - Google Patents
人臉影像處理方法及其系統 Download PDFInfo
- Publication number
- TWI628601B TWI628601B TW105114616A TW105114616A TWI628601B TW I628601 B TWI628601 B TW I628601B TW 105114616 A TW105114616 A TW 105114616A TW 105114616 A TW105114616 A TW 105114616A TW I628601 B TWI628601 B TW I628601B
- Authority
- TW
- Taiwan
- Prior art keywords
- face image
- light intensity
- channel
- template
- processing
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title description 18
- 230000001815 facial effect Effects 0.000 title description 16
- 230000003287 optical effect Effects 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000001228 spectrum Methods 0.000 claims abstract description 13
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001795 light effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 23
- 238000013500 data storage Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- 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
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- 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
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
一種人臉影像處理方法包含:於一模板將一人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度;於每個光通道再計算一光強度均值及一光強度最大值;將數個該通道光強度及模板光強度以奇異值分解進行處理,以便數個通道光強度頻譜SVD矩陣及一模板SVD矩陣;利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數;利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以便降低側光影響人臉影像辨識。
Description
本發明係關於一種人臉影像處理方法及其系統,其可用於人臉影像辨識之前處理;特別是關於一種利用亮度調整補償之人臉影像處理方法及其系統;更特別是關於一種利用2D傅利葉轉換〔Fourier transformation〕及奇異值分解法〔singular value decomposition〕進行亮度調整補償之人臉影像處理方法及其系統。
習用人臉影像辨識之相關技術,例如:中華民國專利公開第200707310號之〝以人臉五官辨識為基礎之人臉辨識方法〞發明專利申請案,其揭示一種人臉辨識方法。該人臉辨識方法包含:利用一人臉偵測單元以影像處理技術偵測一人臉位置及其數個人臉五官位置;接著,將數個人臉五官分成數個類別,並將該人臉五官進行描述為一人臉樣本影像及其數個人臉樣本五官影像,以建立一人臉五官資料庫;之後,再輸入一人臉影像,並利用該人臉偵測單元以影像處理技術擷取該人臉影像之一人臉影像及其數個五官影像;最後,將該人臉影像及該數個五官影像與該人臉樣本影像及該數個人臉樣本五官影像進行比對及辨識。
另一習用人臉影像辨識之相關技術,例如:中華民國專利公開第200915216號之〝以適應性資料高斯核心為基礎進行臉部特徵擷取的人臉辨識特徵擷取方法〞發明專利申請案,其揭示一種人臉辨識特徵擷取方法。該人
臉辨識特徵擷取方法包含:一、計算一輸入影像X與一資料庫影像Y之間的一高斯核心矩陣;二、計算一誤差量矩陣;三、計算類別間發散矩陣的數個跡數及類別內發散矩陣的數個跡數;四、利用拉格朗日方法配合拉格朗日參數,求取與可適性輸入資料的一距離最大值;五、求出步驟四中的一最佳擴展係數矩陣;六、將步驟五求出的該最佳擴展係數矩陣代入步驟一的適應性資料高斯核心,以便進行臉部特徵擷取。
另一習用人臉影像辨識之相關技術,例如:中華民國專利公告第I318756號之〝三維人臉辨識系統及其方法〞發明專利,其揭示一種三維人臉辨識系統包含一第一資料儲存模組、一輸入單元、一訊號轉換模組、一第二資料儲存模組、一微處理模組、一比對模組及一輸出單元。該第一資料儲存模組用以儲存數個三維人臉模型資料及數個二維人臉影像資料。該輸入單元用以輸入一三維人臉模型資料及一二維人臉影像資料。該訊號轉換模組用以將該輸入單元所輸入之三維人臉模型資料及二維人臉影像資料之類比影像資料轉換成數位格式。該第二資料儲存模組用以儲存該訊號轉換模組轉換後之三維人臉模型資料及二維人臉影像之數位資料。該微處理模組用以分析該第一資料儲存模組及第二資料儲存模組所儲存之三維人臉模型資料之各區域中點群的各點之幾何特性,以標示出三維人臉模型資料之各特徵點,並以二維人臉影像資料用以輔助確認該三維人臉模型資料之各特徵點,以選出各區域中最具特徵之特徵點,且針對不同特徵點給予不同之權重比例。該比對模組將該微處理模組分析之第一資料儲存模組與第二資料儲存模組所儲存之三維人臉的特徵點進行比對,且於比對之過程中針對二者特徵點之不同的幾何特性,給予不同之權重比例,計算兩者之相關性,以得出一比對結果。
該輸出單元用以輸出依該比對模組所比對之結果。
另一習用人臉影像辨識之相關技術,例如:中華民國專利公告第I344110號之〝結合投影與主成分分析之二維人臉辨識方法〞發明專利,其揭示一種二維人臉辨識方法包含:一、建立一投影聯合影像;二、進行二維主成分分析計算;三、以最接近鄰居方法,建立組合矩陣距離分類器。當所有的測試特徵矩陣均計算其組合矩陣距離之後,最小值即為其最接近鄰居,亦即所求得之解。
然而,前述第200707310號、第200915216號、第I318756號及第I344110號人臉影像辨識之相關技術仍存在進一步改良之需求。前述中華民國專利及專利申請案僅為本發明技術背景之參考及說明目前技術發展狀態而已,其並非用以限制本發明之範圍。
有鑑於此,本發明為了滿足上述需求,其提供一種人臉影像處理方法及其系統,其於一模板將一人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度,且於每個光通道再計算一光強度均值及一光強度最大值,且將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣,並於每個光通道利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數,再利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以便大幅提升人臉影像辨識技術之辨識度。
本發明較佳實施例之主要目的係提供一種人臉影像處理方法及其系統,其於一模板將一人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉
轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度,且於每個光通道再計算一光強度均值及一光強度最大值,且將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣,並於每個光通道利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數,再利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以達成提升人臉影像辨識可靠度之目的。
為了達成上述目的,本發明較佳實施例之人臉影像處理方法包含:於一模板將一人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度;於每個光通道再計算一光強度均值及一光強度最大值;將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣;利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數;及利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以便降低側光影響人臉影像辨識。
本發明較佳實施例之該模板為一高斯模板。
本發明較佳實施例之該人臉影像為一人臉影像塊,且數個該人臉影像塊組成一全人臉影像。
本發明較佳實施例之該光通道包含一R通道、一G通道及一B通道。
本發明較佳實施例利用該通道光強度頻譜SVD矩陣及模板SVD矩陣之SVD矩陣最大值之比例進行計算而獲得該光補償權重係數。
本發明較佳實施例於每個光通道計算該通道光強度時,亦於每個光通道計算一光相位。
為了達成上述目的,本發明較佳實施例之人臉影像處理系統包含:
一影像輸入單元,其用以輸入至少一人臉影像;
一演算及處理單元,其連接至該影像輸入單元,於一模板將該人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度,且於每個光通道再計算一光強度均值及一光強度最大值,且將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣,並於每個光通道利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數,再利用該光補償權重係數調整該人臉影像之光強度;及一辨識單元,其連接至該演算單元,以便辨識該已補償人臉影像。
本發明較佳實施例之該辨識單元連接一輸出單元,以便輸出該已補償人臉影像之一辨識結果。
本發明較佳實施例之該影像輸入單元為一攝影單元,且該攝影單元用以攝取該人臉影像。
本發明較佳實施例之該人臉影像為一彩色人臉影像。
S1‧‧‧步驟
S2‧‧‧步驟
S3‧‧‧步驟
S4‧‧‧步驟
S5‧‧‧步驟
10‧‧‧影像輸入單元
20‧‧‧演算及處理單元
30‧‧‧辨識單元
40‧‧‧輸出單元
第1圖:本發明較佳實施例之人臉影像處理方法之流程示意圖。
第2圖:本發明較佳實施例之人臉影像處理系統之方塊示意圖。
第3(a)至3(f)圖:本發明較佳實施例之人臉影像處理系統適用於處理各種不同光照模式人臉影像〔選自CMU-PIE資料庫〕之示意圖。
第4(a)至4(f)圖:本發明較佳實施例之人臉影像處理系統以各種處理方式處理原始人臉影像〔選自CMU-PIE資料庫〕後,獲得已處理人臉影像及其光通道分佈曲線之示意圖。
第5(a)至5(d)圖:本發明較佳實施例之人臉影像處理系統以各種處理方式處理受側光影響之各種原始人臉影像〔選自CMU-PIE資料庫〕後,獲得已處理人臉影像之示意圖。
第6圖:本發明較佳實施例之人臉影像處理系統採用像素局部化方式處理影像方塊後,獲得已處理影像方塊之示意圖。
第7(a)至7(d)圖:本發明較佳實施例之人臉影像處理系統以各種處理方式處理原始人臉影像〔選自CMU-PIE資料庫〕後,獲得各種亮度之B通道像素分佈之示意圖。
為了充分瞭解本發明,於下文將舉例較佳實施例並配合所附圖式作詳細說明,且其並非用以限定本發明。
本發明較佳實施例之人臉影像處理方法及其系統為人臉影像辨識作業之前處理,其適用於各種人臉影像辨識裝置及其相關應用設備,例如:各類型電腦系統、家電產品控制系統〔如物聯網〕、自動化控制系統、醫療
照護系統、門禁系統或保全系統,但其並非用以限定本發明之應用範圍。
第1圖揭示本發明較佳實施例之人臉影像處理方法之流程示意圖。第2圖揭示本發明較佳實施例之人臉影像處理系統之方塊示意圖,其對應於第1圖。請參照第1及2圖所示,舉例而言,本發明較佳實施例之人臉影像處理系統包含一影像輸入單元10、一演算及處理單元20、一辨識單元30及一輸出單元40,而該演算及處理單元20適當連接至該影像輸入單元10,且該辨識單元30適當連接至該演算及處理單元20,且該輸出單元40適當連接至該辨識單元30。另外,該輸出單元40為一顯示單元或其類似功能之單元,或該輸出單元40連接至一顯示單元或其類似功能之單元。
請再參照第1及2圖所示,舉例而言,該影像輸入單元10為一攝影單元〔camera unit〕或一影像攝取單元〔image capturing unit〕,而該影像輸入單元10用以輸入或攝取至少一個或數個〔一系列〕人臉影像,且該人臉影像包含單一個人臉影像或不同人之數個人臉影像〔m×n〕或影像方塊。本發明另一較佳實施例之該影像輸入單元10連接至一人臉影像資料庫〔例如:CMU-PIE資料庫、FERET資料庫、FEI資料庫或其它資料庫〕。
第3(a)至3(f)圖揭示本發明較佳實施例之人臉影像處理系統適用於處理六種不同光照模式人臉影像之示意圖。請再參照第3(a)至3(f)圖所示,在執行本發明人臉影像處理前,六種不同光照模式之待處理人臉影像,其均屬同一個人之人臉影像。
請再參照第1及2圖所示,本發明較佳實施例之人臉影像處理方法包含步驟S1:首先,於一模板將一人臉影像f A’ A {R,G,B}以2D傅利葉轉換或2D離散傅利葉轉換
進行處理,以便於每個光通道獲得數個通道〔光通道,R、G、B〕影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度。本發明較佳實施例之該光通道包含一R通道、一G通道及一B通道。
請再參照第1及2圖所示,舉例而言,該模板為一高斯模板〔Gaussian template〕G(μ,σ)或其它具類似功能之模板。本發明較佳實施例利用2D傅利葉轉換之通道影像2D傅利葉轉換及模板2D傅利葉轉換如下式:F A (u,v)=R A (u,v)+jI A (u,v)
F G (u,v)=R G (u,v)+jI G (u,v)
其中R A 、R G 、I A 、I G 為F A (u,v)及F G (u,v)之實數及虛數。
舉例而言,本發明較佳實施例計算該通道光強度及模板光強度如下式:
其中M A (u,v)為每個該通道光強度矩陣,且M G (u,v)為模板光強度矩陣。
本發明另一較佳實施例於每個光通道計算該通道光強度時,亦於每個光通道計算一光相位。舉例而言,本發明較佳實施例計算該光相位如下式:
其中{R,G,B}為該光相位矩陣。
請再參照第1及2圖所示,本發明較佳實施例之人臉影像處理方法包含步驟S2:接著,於每個光通道再計算一光強度均值及一光強度最大值。舉例而言,本發明較佳實施例計算該光強度均值及光強度最大值如下式:
其中m A 為該光強度均值,且m為該光強度均值及光強度
最大值。
請再參照第1及2圖所示,本發明較佳實施例之人臉影像處理方法包含步驟S3:接著,將數個該通道光強度及模板光強度以奇異值分解進行處理,以便數個通道光強度頻譜SVD矩陣及一模板SVD矩陣。舉例而言,本發明較佳實施例計算該通道光強度頻譜SVD矩陣及模板SVD矩陣如下式:
其中M A 為每個該通道光強度頻譜SVD矩陣,且M G 為該模板SVD矩陣。
請再參照第1及2圖所示,本發明較佳實施例之人臉影像處理方法包含步驟S4:接著,利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數。本發明較佳實施例利用該通道光強度頻譜SVD矩陣及模板SVD矩陣之SVD矩陣最大值之比例進行計算而獲得該光補償權重係數。舉例而言,本發明較佳實施例計算該光補償權重係數如下式:
其中ξ A 為每個該光通道之光補償權重係數,max(Σ G )為模板強度係數矩陣之最大SV特徵值,max(Σ A )為每個光通道強度係數矩陣之最大SV特徵值。
請再參照第1及2圖所示,本發明較佳實施例之人臉影像處理方法包含步驟S5:接著,利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以便降低側光〔lateral lighting〕影響人臉影像辨識。
舉例而言,本發明較佳實施例利用該光補償權重係數調整該人臉影像之光強度如下式:
F CA (u,v)=R CA (u,v)+jl CA (u,v)
其中M CA 為光補償強度,F CA 為補償傅立葉係數,R CA 為補償傅立葉係數F CA 之實數部分,I CA 為補償傅立葉係數F CA 之虛數部分。
該辨識單元30連接一輸出單元40,以便輸出該已補償人臉影像之一辨識結果。該影像輸入單元10為一攝影單元,且該攝影單元用以攝取該人臉影像。該人臉影像為一彩色人臉影像。
第4(a)圖揭示本發明較佳實施例之人臉影像處理系統採用原始人臉影像及其RGB光通道分佈曲線之示意圖。相對的,第4(b)圖揭示本發明較佳實施例之人臉影像處理系統採用ASVD〔自適性SVD〕處理方式處理原始人臉影像〔如第4(a)圖所示〕後,獲得第一已處理人臉影像及其RGB光通道分佈曲線之示意圖。
相對的,第4(c)圖揭示本發明較佳實施例之人臉影像處理系統採用max(Σ G )/max(Σ A )比例處理方式處理原始人臉影像〔如第4(a)圖所示〕之光通道後,獲得已處理人臉影像及其RGB光通道分佈曲線之示意圖。相對於第4(a)及4(b)圖,每個該光通道分佈曲線之分佈未改變。
相對的,第4(d)圖揭示本發明較佳實施例之人臉影像處理系統採用m/m A’比例處理方式處理原始人臉影像〔如第4(a)圖所示〕之光通道後,獲得已處理人臉影像及其RGB光通道分佈曲線之示意圖。相對於第4(a)及4(b)
圖,每個該光通道分佈曲線之分佈已獲得改善。
相對的,第4(e)圖揭示本發明較佳實施例之人臉影像處理系統採用光補償權重係數ξ A 處理方式處理原始人臉影像〔如第4(a)圖所示〕後,獲得已處理人臉影像及其RGB光通道分佈曲線之示意圖。相對於第4(a)及4(b)圖,每個光通道之缺陷已消除。
相對的,第4(f)圖揭示本發明較佳實施例之人臉影像處理系統在高斯模板上採用SVD及2DFT處理方式〔GASVDF〕處理原始人臉影像〔如第4(a)圖所示〕後,獲得已處理人臉影像及其RGB光通道分佈曲線之示意圖。相對於第4(a)及4(b)圖,每個光通道值獲得線性調整〔linear adjustment〕。
第5(a)圖揭示本發明較佳實施例之人臉影像處理系統處理受側光影響之七種原始人臉影像之示意圖。相對的,第5(b)圖揭示本發明較佳實施例之人臉影像處理系統在高斯模板上採用SVD及2DFT處理方式〔GASVDF〕處理受側光影響之七種原始人臉影像〔如第5(a)圖所示〕後,獲得已處理人臉影像之示意圖。如第5(a)及5(b)圖所示,該原始人臉影像所受的側光影響並非固定模式,且GASVDF處理方式適用於處理均勻的側光模式。
相對的,第5(c)圖揭示本發明較佳實施例之人臉影像處理系統採用區域基礎〔region-based〕的分割〔partition〕SVD及2DFT處理方式〔RASVDF〕處理受側光影響之七種原始人臉影像〔如第5(a)圖所示〕後,獲得已處理人臉影像之示意圖。如第5(c)圖所示,將七種該原始人臉影像分割成四個相等的區域進行處理,因此其不僅適用於處理不同的側光變化,其亦可減少演算及處理時間。另外,RASVDF處理方式亦適用於處理均勻的側光模式。
相對的,第5(d)圖揭示本發明較佳實施例之人臉影像處理系統採用像塊對像塊〔block-to-block〕的分割SVD及2DFT處理方式〔LASVDF〕處理受側光影響之七種原始人臉影像〔如第5(a)圖所示〕後,獲得已處理人臉影像之示意圖。如第5(d)圖所示,將七種該原始人臉影像分割成一預定方塊〔image piece〕,而該預定方塊為需要補償處理的方塊,且依不同的補償需求選擇該預定方塊之尺寸,即僅分割需要補償處理的部分。接著,在該預定像塊上進行LASVDF處理,因此其可提升已處理人臉影像之處理品質,且該處理品質包含清晰度〔clearness〕、自然度〔nature〕及平滑度〔smoothness〕。
第6圖揭示本發明較佳實施例之人臉影像處理系統採用像素局部化方式處理影像方塊後,獲得已處理影像方塊之示意圖。請參照第6圖所示,本發明較佳實施例選擇該原始人臉影像之像素座標為(x,y),如第6圖之左側所示,且其像塊之尺寸為w×h,如第6圖之中間所示。本發明較佳實施例獲得一已處理像塊,如第6圖之右側所示。顯然,在補償處理完成後,本發明較佳實施例之數個該人臉影像塊組成一全人臉影像。
第7(a)圖揭示本發明較佳實施例之人臉影像處理系統以各種處理方式處理六種原始人臉影像之示意圖。相對的,第7(b)圖揭示本發明較佳實施例之人臉影像處理系統以選擇低亮度像素顯示方式顯示原始人臉影像〔如第7(a)圖所示〕之B通道低亮度像素分佈之示意圖。請參照第7(b)圖所示,本發明較佳實施例選擇B通道低亮度像素值介於0至40之間。
相對的,第7(c)圖揭示本發明較佳實施例之人臉影像處理系統以選擇正常亮度像素顯示方式顯示原始人臉影像〔如第7(a)圖所示〕之B通道正常亮度像素分佈之
示意圖。請參照第7(c)圖所示,本發明較佳實施例選擇B通道正常亮度像素值介於40至210之間。
相對的,第7(d)圖揭示本發明較佳實施例之人臉影像處理系統以選擇高亮度像素顯示方式顯示原始人臉影像〔如第7(a)圖所示〕之B通道高亮度像素分佈之示意圖。請參照第7(d)圖所示,本發明較佳實施例選擇B通道高亮度像素值介於210至255之間。
前述較佳實施例僅舉例說明本發明及其技術特徵,該實施例之技術仍可適當進行各種實質等效修飾及/或替換方式予以實施;因此,本發明之權利範圍須視後附申請專利範圍所界定之範圍為準。本案著作權限制使用於中華民國專利申請用途。
Claims (10)
- 一種人臉影像處理方法,其包含:於一模板將一人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度;於每個光通道再計算一光強度均值及一光強度最大值;將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣;利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數;及利用該光補償權重係數調整該人臉影像之光強度,以獲得一已補償人臉影像,以便降低側光影響人臉影像辨識。
- 依申請專利範圍第1項所述之人臉影像處理方法,其中該模板為一高斯模板。
- 依申請專利範圍第1項所述之人臉影像處理方法,其中該人臉影像為一人臉影像塊,且數個該人臉影像塊組成一全人臉影像。
- 依申請專利範圍第1項所述之人臉影像處理方法,其中該光通道包含一R通道、一G通道及一B通道。
- 依申請專利範圍第1項所述之人臉影像處理方法,其中利用該通道光強度頻譜SVD矩陣及模板SVD矩陣之SVD矩陣最大值之比例進行計算而獲得該光補償權重係數。
- 依申請專利範圍第1項所述之人臉影像處理方法,其中於每個光通道計算該通道光強度時,亦於每個光通道計算一光相位。
- 一種人臉影像處理系統,其包含:一影像輸入單元,其用以輸入至少一人臉影像;一演算及處理單元,其連接至該影像輸入單元,於一模 板將該人臉影像以2D傅利葉轉換進行處理,以便獲得數個通道影像2D傅利葉轉換及一模板2D傅利葉轉換,且計算數個通道光強度及一模板光強度,且於每個光通道再計算一光強度均值及一光強度最大值,且將數個該通道光強度及模板光強度以奇異值分解進行處理,以便獲得數個通道光強度頻譜SVD矩陣及一模板SVD矩陣,並於每個光通道利用該光強度均值、光強度最大值及數個SVD矩陣最大值計算一光補償權重係數,再利用該光補償權重係數調整該人臉影像之光強度;及一辨識單元,其連接至該演算及處理單元,以便辨識該已補償人臉影像。
- 依申請專利範圍第7項所述之人臉影像處理系統,其中該辨識單元連接一輸出單元,以便輸出該已補償人臉影像之一辨識結果。
- 依申請專利範圍第7項所述之人臉影像處理系統,其中該影像輸入單元為一攝影單元,且該攝影單元用以攝取該人臉影像。
- 依申請專利範圍第7項所述之人臉影像處理系統,其中該人臉影像為一彩色人臉影像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105114616A TWI628601B (zh) | 2016-05-11 | 2016-05-11 | 人臉影像處理方法及其系統 |
US15/462,140 US10861141B2 (en) | 2016-05-11 | 2017-03-17 | Facial image-processing method and system thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105114616A TWI628601B (zh) | 2016-05-11 | 2016-05-11 | 人臉影像處理方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201740311A TW201740311A (zh) | 2017-11-16 |
TWI628601B true TWI628601B (zh) | 2018-07-01 |
Family
ID=60294807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105114616A TWI628601B (zh) | 2016-05-11 | 2016-05-11 | 人臉影像處理方法及其系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10861141B2 (zh) |
TW (1) | TWI628601B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI769753B (zh) * | 2020-04-01 | 2022-07-01 | 大陸商支付寶(杭州)信息技術有限公司 | 保護資料隱私的圖片分類方法及裝置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107888908A (zh) * | 2017-11-29 | 2018-04-06 | 李金平 | 一种照相机欠光程度分析方法 |
CN108038438B (zh) * | 2017-12-06 | 2019-01-01 | 广东世纪晟科技有限公司 | 一种基于奇异值分解的多源人脸图像联合特征提取方法 |
CN110826535B (zh) * | 2019-12-02 | 2020-12-29 | 北京三快在线科技有限公司 | 一种人脸识别方法、***及装置 |
CN113239917B (zh) * | 2021-07-12 | 2021-09-28 | 南京邮电大学 | 一种基于奇异值分解的鲁棒人脸识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201300972A (zh) * | 2011-06-06 | 2013-01-01 | Seereal Technologies Sa | 為全像顯示器逐層產生薄的體光柵堆及光束組合器的方法及裝置 |
US8643739B2 (en) * | 2009-10-20 | 2014-02-04 | Canon Kabushiki Kaisha | Image recognition apparatus, processing method thereof, and computer-readable storage medium |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2414328A (en) * | 2004-05-17 | 2005-11-23 | Mitsubishi Electric Inf Tech | Discrimination transforms applied to frequency domain derived feature vectors |
TW200707310A (en) | 2005-08-08 | 2007-02-16 | Chunghwa Telecom Co Ltd | Facial recognition method based on recognition of facial features |
JP4459137B2 (ja) * | 2005-09-07 | 2010-04-28 | 株式会社東芝 | 画像処理装置及びその方法 |
TW200725433A (en) | 2005-12-29 | 2007-07-01 | Ind Tech Res Inst | Three-dimensional face recognition system and method thereof |
TW200915216A (en) | 2007-09-19 | 2009-04-01 | Univ Nat Kaohsiung Applied Sci | Facial recognition feature extraction method that uses adaptive data-dependent Gaussian kernel based facial feature extraction |
TW200923800A (en) | 2007-11-29 | 2009-06-01 | Univ Nat Kaohsiung Applied Sci | Two-dimensional face recognition method that combines projection and principal component analysis |
TWI502549B (zh) * | 2012-02-20 | 2015-10-01 | Univ Nat Kaohsiung Applied Sci | 元件影像檢測方法及其系統 |
-
2016
- 2016-05-11 TW TW105114616A patent/TWI628601B/zh not_active IP Right Cessation
-
2017
- 2017-03-17 US US15/462,140 patent/US10861141B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8643739B2 (en) * | 2009-10-20 | 2014-02-04 | Canon Kabushiki Kaisha | Image recognition apparatus, processing method thereof, and computer-readable storage medium |
TW201300972A (zh) * | 2011-06-06 | 2013-01-01 | Seereal Technologies Sa | 為全像顯示器逐層產生薄的體光柵堆及光束組合器的方法及裝置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI769753B (zh) * | 2020-04-01 | 2022-07-01 | 大陸商支付寶(杭州)信息技術有限公司 | 保護資料隱私的圖片分類方法及裝置 |
Also Published As
Publication number | Publication date |
---|---|
US20170330313A1 (en) | 2017-11-16 |
US10861141B2 (en) | 2020-12-08 |
TW201740311A (zh) | 2017-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI628601B (zh) | 人臉影像處理方法及其系統 | |
Kundu et al. | No-reference quality assessment of tone-mapped HDR pictures | |
CN111028213B (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
Shen et al. | Hybrid no-reference natural image quality assessment of noisy, blurry, JPEG2000, and JPEG images | |
CN109583483B (zh) | 一种基于卷积神经网络的目标检测方法和*** | |
CN103279936B (zh) | 基于画像的人脸伪照片自动合成及修正方法 | |
CN104732200B (zh) | 一种皮肤类型和皮肤问题的识别方法 | |
CN109919959B (zh) | 基于色彩、自然性及结构的色调映射图像质量评价方法 | |
CN111523398A (zh) | 一种融合2d人脸检测和3d人脸识别的方法及装置 | |
CN109255358B (zh) | 一种基于视觉显著性和深度图的3d图像质量评价方法 | |
KR101829733B1 (ko) | 2차원 이미지를 3차원 그래픽 모델로 변환하는 방법 | |
CN113628261B (zh) | 一种电力巡检场景下的红外与可见光图像配准方法 | |
CN112070137B (zh) | 训练数据集的生成方法、目标对象检测方法及相关设备 | |
CN106454350A (zh) | 一种用于红外图像的无参考评价方法 | |
Wang et al. | A new blind image quality framework based on natural color statistic | |
CN113132700B (zh) | 一种调节投影机对比度的方法及*** | |
Zhengming et al. | Skin detection in color images | |
CN113706400A (zh) | 图像矫正方法、装置、显微镜图像的矫正方法及电子设备 | |
CN112508847A (zh) | 一种基于深度特征与结构加权lbp特征的图像质量评价方法 | |
Tribak et al. | Remote solar panels identification based on patterns localization | |
US20180116582A1 (en) | Elasticity evaluation apparatus, elasticity evaluation method, and elasticity evaluation program | |
WO2022044673A1 (ja) | 画像処理装置、検査システムおよび検査方法 | |
JP2004302581A (ja) | 画像処理方法並びに画像処理装置 | |
CN114882545A (zh) | 基于三维智能重建的多角度人脸识别方法 | |
WO2020115866A1 (ja) | 深度処理システム、深度処理プログラムおよび深度処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |