CN101930534B - 用于人脸检测的动态图像压缩方法 - Google Patents

Abstract

本发明有关于一种用于人脸检测的动态图像压缩方法，此方法包括以下步骤：取得一原始图像，将图像区分成多个区块；计算每一个区块的一第一亮度与多个梯度值；根据一亮度转换函数以及第一亮度，计算每一个区块的一第二亮度；根据每一个该区块的第二亮度以及多个梯度值，产生一重建图像；以及，根据重建图像，执行一人脸检测步骤。经由本发明的方法，原本方格内的梯度值将可以被保留。当人脸检测流程在利用梯度方向信息进行检测时，检测的成功率将会大幅的提升。

Description

用于人脸检测的动态图像压缩方法

技术领域

本发明关于一种动态图像压缩方法，特别是一种用于人脸检测的动态图像压缩方法。

背景技术

在现今的日常生活中，图像撷取装置已经被广泛的使用于日常生活中。图像撷取装置利用光传感器撷取图像并转换为数字信号后，这些数字信号可被储存下来。藉由图像撷取装置撷取到的数字信号，再配合数字图像处理的技术，即可设计出各种形形色色的应用。

在图像撷取装置所撷取的图像当中，人物图像为其中的核心。举例来说当前有许多的图像撷取装置具备人脸检测及人脸追踪技术，可辅助自动对拍摄区域进行多重对焦。此外，人脸检测技术亦可以使用于判断一个特定区域内是否有人的存在，比如说，人脸检测的技术可应用于判断电视屏幕前是否有使用者正在观看此电视屏幕。当人脸检测的技术判断当下并没有人位于电视屏幕前的时候，此电视屏幕可以被自动的关闭，以达到节能的功效。

然而，当图像撷取装置拍摄一被摄物而得一图像时，若是被摄物位于光线复杂的区域，此图像可能会有大部分区域的亮度偏亮，且有另外大部分区域的亮度偏暗。此种同时有许多像素聚集在亮部与暗部的图像称之为高动态范围图像(High Dynamic Range Image，HDRI)。在高动态范围图像中，过亮与过暗的地方都会丧失图像原本的特征。也就是说，而当人脸上的亮度明显偏亮或是明显偏暗时，可能会导致人脸的特征丧失，而降低人脸检测的准确率。

现有的方法是直接利用亮度转换函数校正。高动态范围图像经过亮度转换函数校正后，可将过亮的部分调暗，并将过暗的部分调亮。然而，直接经过转换，将会使原本人脸的特征，比如说五官的轮廓，变得较为模糊。因此，人脸检测的准确率将会变低。

发明内容

鉴于以上所述，本发明提出一种用于人脸检测的动态图像压缩方法，用以解决人脸检测准确率降低的问题。

为了实现上述目的，本发明提供一种用于人脸检测的动态图像压缩方法，其特征在于，包括：

取得一原始图像，将该原始图像区分成多个区块；

计算每一个该区块的一第一亮度与多个梯度值；

根据一亮度转换函数以及该第一亮度，计算每一个该区块的一第二亮度；

根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像；以及

根据该重建图像，执行一人脸检测步骤，

其中，该区块为一方格；该多个梯度值为一水平梯度值、一垂直梯度值以及一对角梯度值；在计算每一个该区块的一第一亮度与多个梯度值的该步骤中，将该区块的多个数值，经过一线性转换，以得到该第一亮度与该多个梯度值；以及在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，根据每一个该区块的该第二亮度以及该水平梯度值、该垂直梯度值以及该对角梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。

所述的用于人脸检测的动态图像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，根据该区块的该第二亮度以及该多个梯度值重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

所述的用于人脸检测的动态图像压缩方法，其中，在根据该区块的该第二亮度以及该多个梯度值重建出一区块图像的该步骤中，将该第二亮度以及该多个梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

所述的用于人脸检测的动态图像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，将该梯度值乘上一参数，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

所述的用于人脸检测的动态图像压缩方法，其中，在以该第二亮度与被调整的该梯度值，重建出一区块图像的该步骤中，将该第二亮度以及被调整的该梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

所述的用于人脸检测的动态图像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，根据该第一亮度与该第二亮度的差异，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

所述的用于人脸检测的动态图像压缩方法，其中，在以该第二亮度与被调整的该梯度值，重建出一区块图像的该步骤中，将该第二亮度以及该梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

在本发明中，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值。因此，原本方格内的梯度值将可以被保留。当人脸检测流程在利用梯度方向信息进行检测时，检测的成功率将会大幅的提升。此外，因为本发明是以每一个方格为单位，对方格内的像素进行梯度值的计算、亮度转换与根据梯度值重新计算亮度。

附图说明

图1为根据本发明所适用的图像撷取装置的架构示意图；

图2为本发明所揭露的一实施例的流程图；以及

图3为本发明所揭露的亮度转换函数的示意图。

其中，附图标记：

12 镜头装置

14 感光元件

16 取样电路

17 内存

18 处理单元

具体实施方式

以下在实施方式中进一步详细说明本发明的详细特征以及优点，其内容足以使任何熟习相关技艺者了解本发明的技术内容并据以实施，且根据本说明书所揭露的内容、申请专利范围及图式，任何熟习相关技艺者可轻易地理解本发明相关的目的及优点。

图1为根据本发明所适用的图像撷取装置的架构示意图。关于本发明所适用的图像撷取装置可以是但不限于图1所示的架构。

请参照图1，图像撷取装置10可包括一镜头装置12、一感光元件14、一取样电路16(Sampling hold circuit)、内存17以及一处理单元18。镜头装置12前方的景象所反射的光线经由镜头装置12进入感光元件14。感光元件14可为电荷耦合元件(Charge-coupled Device，CCD)或是互补式金属氧化层半导体(Complementary Metal-Oxide-Semiconductor，CMOS)。感光元件14将进入的光线转换成电子信号并传给取样电路16后，一图像档案可被纪录于内存17。处理单元18可为微处理器、微控制器、特定应用集成电路(Application-specificintegrated circuit，ASIC)或是场效可程序化门阵列(Field Programmable GateArray，FPGA)，处理单元18除了可用来控制感光元件14、取样电路16与内存17之外，并且可用以执行本发明所提出的图像动态图像压缩方法。

请参照图2，为本发明所揭露的一实施例的流程图。

在步骤S101中，可利用上述的图像撷取装置10，以取得一原始图像。图像撷取装置10可以周期性地或是非周期性地取得一原始图像。之后，再将取得的原始图像区分成多个区块，这些区块较佳为方格。举例来说，若是一个分辨率为240×180个像素的图像，可区分成120×90个方格，每个方格的大小为2×2个像素。亦可区分成80×60，每个方格的大小为3×3个像素。

在步骤S102中，分别计算每个区块的一第一亮度与多个梯度值。第一亮度定义为此区块中每一个像素的亮度的平均值。像素的亮度定义为此像素的明度色度浓度(YUV)色彩值当中的Y值。每一个区块皆会产一个亮度值。区块的梯度值为水平梯度值、垂直梯度值与对角梯度值。

以上述大小为2×2的方格为例。假设2×2的方格像素的亮度定义为 $\left[\begin{array}{cc}{a}_1& a_2\\ a_3& a_4\end{array}\right],$ 第一亮度为水平梯度值定义为a₁+a₃-(a₂+a₄)，垂直梯度值定义为a₁+a₂-(a₃+a₄)，对角梯度值定义为a₁+a₄-(a₂+a₃)。

从上述的2×2方格的示例可知，像素的数目与第一亮度、水平梯度值、垂直梯度值与对角梯度值总共的个数相等。换言之，上述方格内的数值，可经由一线性转换，比如说小波转换，而得到第一亮度与梯度值。

在步骤S103中，根据一亮度转换函数以及第一亮度，计算每一个区块的一第二亮度，即第一亮度可经由亮度转换函数而得到第二亮度。请参照图3，为亮度转换函数的示意图。在图3中，水平轴代表亮度转换函数的输入值，垂直轴代表亮度转换函数的输出值。第一亮度即为此输入值，而第二亮度即为此输出值。亮度转换函数可以以一查找表(look-up table)，当需要转换时，再经由此查找表，将第一亮度转换成第二亮度。此亮度转换函数可为一枷玛曲线(Gamma Curve)。

在步骤S104中，则是根据每一个区块的第二亮度以及水平梯度值、垂直梯度值与对角梯度值，并利用上述线性转换的逆转换，以算出方格内的数值。

以2×2的方格为例。此方格的第二亮度为c₂，并且

水平梯度值为g₁＝a₁+a₃-(a₂+a₄)，垂直梯度值定义为g₂＝a₁+a₂-(a₃+a₄)，对角梯度值定义为g₃＝a₁+a₄-(a₂+a₃)。从上述的四个方程式，即可求出四个未知数a₁、a₂、a₃、a₄。在此例中， $a_1=c_2+\frac{g_1+g_2+g_3}{4},$ $a_2=c_2+\frac{{-g}_1+g_2+g_3}{4},$ $a_3=c_2+\frac{g_1-g_2-g_3}{4},$ $a_4=c_2+\frac{{-g}_1-g_2+g_3}{4}.$ 同样地，在3×3的方格中，也可以以此精神，重新算出方格内的每一个数值。

上述的步骤S102到步骤S104，可以针对每一个方格不断地重复执行。换句话说，可将图像中的一个方格，经过步骤S102到步骤S104处理并且输出后，得到重建后的区块图像，并将此图像输出。待全部的方格皆经过处理并输出后，即可依照每一个方格在原本图像中的位置，重新组合这些方格，以得到重建图像。

最后，在步骤S105中，则根据上述的重建图像，执行人脸检测步骤/流程。人脸检测流程根据多个人脸特征，检测图像是否具有一人脸区域。其中，人脸特征为一般人脸部上较具特征的区域，如眼睛，眉毛，鼻子或嘴巴等。执行检测流程时，即可利用这些特征来找出特征间的梯度方向信息，并且利用此梯度方向信息作为检测的依据。此外，亦可根据人脸的轮廓、形状等特征等作为检测的依据。这些人脸特征可为数百条或是上千条，此图像在经过这些此数百条或是上千条的特征过滤后，皆符合这些特征的区域即为人脸区域。

经由步骤S101到步骤S105的运算，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值，以保留原始画面之中的特征。

为了使此领域中的人士能更加了解本发明的功效，以下将以实际的数值来举例说明。

假设一个2×2的方格表示为 $\left[\begin{array}{cc}40& 44\\ 46& 50\end{array}\right],$ 其第一亮度c₁＝45，水平梯度值为g₁＝40+46-(44+50)＝-8，垂直梯度值定义为g₂＝40+44-(46+50)＝-12，对角梯度值定义为g₃＝40+50-(44+46)＝0。

在进行经过亮度转换函数转换时，假设亮度函数在下列区段中，输入值与输出值之间的关系为：若是输入值为40～42时，输出值为50；若是输入值为43～45时，输出值为51；若是输入值为46～47时，输出值为52；若是输入值为48～49时，输出值为53；若是输入值为50～51时，输出值为54。

若是以现有的方法，将此方格直接通过亮度转换函数进行转换，则得到的输出结果为 $\left[\begin{array}{cc}50& 51\\ 52& 54\end{array}\right].$ 原本转换前，方块中左上与右下数值的差异为10，而转换后差异只剩下4。因为人脸检测常理用差异值作为判断的门槛，所以这些数值再经过亮度转换之后，原本高于检测门槛的数值，在转换后反而低于检测门槛。也就是说，现有的方法再经过亮度转换后，可能会使人脸检测的成功率降低。

而本发明将第一亮度c₁＝45经过亮度转换后，得到第二亮度为c₂＝51。之后，再根据水平梯度值g₁＝-8，垂直梯度值g₂＝-12，对角梯度值g₃＝0，计算原本方块中的每一个数值。根据上述的计算方法，可以得到2×2方块中，左上、右上、左下与右下的数值分别为

$a_2=51+\frac{-(-8)+(-12)-0}{4}=50,$ $a_3=51+\frac{(-8)-(-12)-0}{4}=52,$ $a_4=51+\frac{-(-8)-(-12)+0}{4}=56.$ 也就是说，2×2方块为 $\left[\begin{array}{cc}46& 50\\ 52& 56\end{array}\right].$

利用本发明所计算出的2×2方块，左上与右下数值的差异同样为10，也就是与转换前的差异相同。因此，根据本发明的动态图像压缩方法，可将图像调整至适当的亮度，并且仍然保持像素彼此之间的差异值不会降低，藉以提高人脸检测的成功率。

除了上述的计算方式之外，本发明更可以进行以下的变化。为了进一步提高人脸检测的成功率，可以对于水平梯度值、垂直梯度值与对角梯度值进行调整。

在本发明一实施例中，水平梯度值、垂直梯度值与对角梯度值可以乘上一参数。之后，再以这些被调整后的梯度值，来计算方块中的像素值。

以上述的例子进行说明，水平梯度值、垂直梯度值与对角梯度值可先乘以2，得到调整后的水平梯度值g₁＝-8×2＝-16，垂直梯度值g₂＝-12×2＝-24，对角梯度值g₃＝0。根据上述的计算方法，可以得到2×2方块中，左上、右上、左下与右下的数值分别为

$a_2=51+\frac{-(-16)+(-24)-0}{4}=49,$ $a_3=51+\frac{(-16)-(-24)-0}{4}=53$ 与 $a_4=51+\frac{-(-8)-(-12)+0}{4}=61.$ 也就是说，2×2方块为 $\left[\begin{array}{cc}41& 49\\ 53& 61\end{array}\right].$

从上述算出的结果可见，在方块中左上与右下数值的差异从原本的10，扩大为20。此一方法，可以加强边缘的特征，以增加辨识的成功率。

除此之外，亦可以视第一亮度与第二亮度之间的差异，动态地调整梯度值。比如说，当第一亮度与第二亮度差异较大时，即将梯度值适当的放大。而当第一亮度与第二亮度差异较小时，梯度值保持不变。

综合以上所述，在本发明中，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值。因此，原本方格内的梯度值将可以被保留。当人脸检测流程在利用梯度方向信息进行检测时，检测的成功率将会大幅的提升。此外，因为本发明是以每一个方格为单位，对方格内的像素进行梯度值的计算、亮度转换与根据梯度值重新计算亮度。所以，只要非常少量的数据需要被暂存下来进行处理与运算。也就是说，若要以硬件实现本发明的方法，只需要一个容量很小的内存17即可以达成。此外，本发明的运算复杂度极低，因此非常适用在图像撷取装置10进行实时运算。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (7)

1.一种用于人脸检测的动态图像压缩方法，其特征在于，包括：

取得一原始图像，将该原始图像区分成多个区块；

计算每一个该区块的一第一亮度与多个梯度值；

根据一亮度转换函数以及该第一亮度，计算每一个该区块的一第二亮度；

根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像；以及

根据该重建图像，执行一人脸检测步骤，

其中，该区块为一方格；该多个梯度值为一水平梯度值、一垂直梯度值以及一对角梯度值；在计算每一个该区块的一第一亮度与多个梯度值的该步骤中，将该区块的多个数值，经过一线性转换，以得到该第一亮度与该多个梯度值；以及在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，根据每一个该区块的该第二亮度以及该水平梯度值、该垂直梯度值以及该对角梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值，

其中，该用于人脸检测的动态图像压缩方法可将图像调整至适当的亮度，并且仍然保持像素彼此之间的差异值不会降低。

2.根据权利要求1所述的用于人脸检测的动态图像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，根据该区块的该第二亮度以及该多个梯度值重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

3.根据权利要求2所述的用于人脸检测的动态图像压缩方法，其特征在于，在根据该区块的该第二亮度以及该多个梯度值重建出一区块图像的该步骤中，将该第二亮度以及该多个梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

4.根据权利要求1所述的用于人脸检测的动态图像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，将该梯度值乘上一参数，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

5.根据权利要求4所述的用于人脸检测的动态图像压缩方法，其特征在于，在以该第二亮度与被调整的该梯度值，重建出一区块图像的该步骤中，将该第二亮度以及被调整的该梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

6.根据权利要求1所述的用于人脸检测的动态图像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建图像的该步骤中，对于每一个该区块，根据该第一亮度与该第二亮度的差异，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块图像，待重建该多个区块图像之后，组合该多个区块图像，以得到该重建图像。

7.根据权利要求6所述的用于人脸检测的动态图像压缩方法，其特征在于，在以该第二亮度与被调整的该梯度值，重建出一区块图像的该步骤中，将该第二亮度以及该梯度值，经过该线性转换的该逆转换，以得到该区块的该多个数值。

Images