CN102004907A

CN102004907A - 一种基于“红眼现象”的人脸检测方法

Info

Publication number: CN102004907A
Application number: CN2010105550936A
Authority: CN
Inventors: 王芳
Original assignee: WUXI GANGWAN NETWORK TECHNOLOGY Co Ltd
Current assignee: WUXI GANGWAN NETWORK TECHNOLOGY Co Ltd
Priority date: 2010-11-23
Filing date: 2010-11-23
Publication date: 2011-04-06

Abstract

本发明提出一种基于“红眼现象”的人脸检测方法，包括如下步骤：同时获取目标区域两张图像，一张采用会发生“红眼现象”的图像获取设备获取，另一张采用不会发生“红眼现象”的图像获取设备获取；分别对两张所述图像进行几何归一化处理和光线归一化处理以及滤波处理；对两张所述图像做减法运算并取阈值，得到候选区图像；根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸。本发明可以利用“红眼现象”对图像中是否存在人脸进行判断，还可以对图像中人脸数目进行统计，可以提高人脸检测的准确率，能够在嵌入式设备上实时实现的人脸检测算法。

Description

一种基于“红眼现象”的人脸检测方法

技术领域

本发明涉及一种基于“红眼现象”的人脸检测方法。

背景技术

人脸检测是自动人脸识别系统中的一个关键环节，是早期的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景的图像)，往往假设人脸位置一直或者容易获得，因此人脸检测问题并未收到重视。随着电子商务等应用的发展，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般图像具有一定的识别能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。

人脸检测属于目标检测的一部分，主要涉及两个方面。

先对要检测的目标对象进行概率统计，从而知道待检测对象的一些特征，建立起目标检测模型。然后用得到的模型来匹配输入的图像，如果有匹配则输出匹配的区域，否则什么也不做。

人脸检测就是通过这些特征或者他们的组合建立一个二值分类器，对于每一个输入的图像通过这个分类器确定该图像中是否包括了人脸。目前常用的方法包括基于事例学习、基于线性子空间、基于人工神经网、基于概率模型基于支持向量机等方法进行人脸识别。

人脸检测中的一个关键问题就是人脸的定位。好的人脸定位方法可以提高识别的准确率和降低计算的复杂度。

现有技术中对人脸进行定位的方法对系统的要求以及处理流程均相对复杂。

发明内容

本发明的目的是提供一种基于“红眼现象”的人脸检测方法，可以解决现有技术中对人脸进行定位的方法对系统的要求以及处理流程均过于复杂的问题。

本发明的目的是通过以下技术方案来实现：

本发明提出一种基于“红眼现象”的人脸检测方法，包括：同时获取目标区域两张图像，一张采用会发生“红眼现象”的图像获取设备获取，另一张采用不会发生“红眼现象”的图像获取设备获取；分别对两张所述图像进行几何归一化处理和光线归一化处理以及滤波处理；对两张所述图像做减法运算并取阈值，得到候选区图像；根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸。

根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸后还包括：根据候选区图像中图像颗粒分布和/或图像颗粒数量判断图像中人脸数量。

本发明的目的在于提供一种基于“红眼现象”的人脸检测方法，可以提高人脸检测的准确率，能够在嵌入式设备上实时实现的人脸检测算法。首先，在人脸图像的定位上，采用近红外的图像获取设备获取图像，然后利用“红眼效应”来定位人脸，红眼现象是闪光灯的光线被人眼睛视网膜上的血管反射回相机造成的，是快照中普遍存在的毛病。这种现象在傻瓜相机中更为普遍，在餐馆、起居室等场合较常见，因为在环境光线较暗时人的瞳孔会扩大。在白天这种情况很少出现，一方面是由于眼睛的瞳孔收缩，反射光线减少；另一方面是由于在白天闪光灯与环境光之间的相对亮度差别要小得多。

有益效果：本发明可以利用“红眼现象”对图像中是否存在人脸进行判断，还可以对图像中人脸数目进行统计，可以提高人脸检测的准确率，能够在嵌入式设备上实时实现的人脸检测算法。

附图说明

下面根据附图和实施例对本发明作进一步详细说明。

图1为本发明一种基于“红眼现象”的人脸检测方法中改进后的视频获取设备的结构简图；

图2为本发明一种基于“红眼现象”的人脸检测方法中发生“红眼现象”和未发生“红眼现象”时照片效果图；

图3为本发明一种基于“红眼现象”的人脸检测方法实施例之一的流程图；

图4为本发明一种基于“红眼现象”的人脸检测方法实施例之二的流程图。

具体实施方式

实施例1

本发明提出一种基于“红眼现象”的人脸检测方法，包括如下步骤：

S11、同时获取目标区域两张图像，一张采用会发生“红眼现象”的图像获取设备获取，另一张采用不会发生“红眼现象”的图像获取设备获取；

S12、分别对两张所述图像进行几何归一化处理和光线归一化处理以及滤波处理；

S13、对两张所述图像做减法运算并取阈值，得到候选区图像；

S14、根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸；

S15、当所述候选区图像中存在人脸时，通过所述候选区图像中所述图像颗粒分布确定所述图像中人脸的数目。

实施例2

S21、在一定时间间隔内，在目标区域内获取两张图像，一张图像采用会发生“红眼现象”的图像获取设备获取，一张图像采用不会发生“红眼现象”的图像获取设备获取。

具体包括：

S211、采用改进后的视频获取设备目标区域内获取视频图像；

如下对改进后的视频获取设备进行具体描述：

如图1所示，在普通视频获取设备如摄像头的镜头2周围近处设置一组LED灯3，在远离镜头的区域镜头2两侧，分别设置两组LED灯1，当进行视频获取时，设定如果一组LED灯3开启，则另两组LED灯1断开；如果LED灯3断开，则LED灯1开启。且一组LED灯3按照固定频率开启、断开，且其开启与断开的间隔与视频获取设备的帧频同步。

如下对改进后的视频获取设备获取到的视频图像进行补充说明：

当进行视频获取时，假设目标区域有人活动，LED灯3开启时，获取的视频图像中，人脸瞳孔部位发生“红眼效应”，该帧图像如图2中4所示；当LED灯3断开时，获取的视频图像人脸瞳孔部位不发生“红眼效应”，其帧图像如图2中5所示。

S212、解析出一组相邻帧图像。

则该两张图像中一张相当于是采用会发生“红眼现象”的图像获取设备获取的，另一张图像则是采用不会发生“红眼现象”的图像获取设备获取的。

S22、分别对两张图像进行几何归一化处理和光线归一化处理以及采用gabor滤波器进行滤波处理。

S23、对两张图像做减法运算并取阈值，得到候选区图像。

如下对候选区图像作进一步解释：

假定上述图像中存在人脸，且奇帧图像/偶帧图像发生“红眼效应”，偶帧图像/奇帧图像未发生“红眼效应”，两张图像是否存在区别由人脸瞳孔部位是否发生“红眼效应”决定，因此，将解析出的相邻帧图像相减，取阈值，即可得到人脸瞳孔部位粒度集中的图像，可作为候选区图像进行进一步分析。

S24、判断当候选区图像中是否存在人脸，当候选区图像中图像颗粒数量低于一定阀值，则判断图像中无人脸，转到S26，当候选区图像中图像颗粒数量高于一定阀值，转到S25。

当图像中无人脸，则无“红眼效应”，减法运算后，候选区图像颗粒数量趋近于零；当图像中有人脸，则一幅图像发生“红眼效应”，另一幅无“红眼现象”，减法运算后，人脸瞳孔区将存在一定数量的颗粒，因此，可以通过候选区图像中颗粒的数量确定图像中是否存在人脸，其阀值可预设。

S25、根据候选区图像中图像颗粒分布和/或图像颗粒数量判断图像中人脸数量。

一个发生“红眼效应”的区域的粒度分布可拟合为一个“正态分布”曲线，通过统计该“正态分布”曲线的数量，即可以获取发生“红眼效应”的区域的数量，根据发生“红眼效应”的区域的数量可以得出人脸的数量。

一个发生“红眼效应”的区域的图像颗粒数量存在一定阀值，可以由候选区图像颗粒数总量与该阀值计算出发生“红眼效应”的区域的数量，由此确定人脸数。

上述两种方式可同时使用。

S26、结束。

本发明并不局限于此实施方式，以本发明思想为基础的相关实现总成均在本发明的保护范围内。

Claims

1.一种基于“红眼现象”的人脸检测方法，其特征在于，包括：

同时获取目标区域两张图像，一张采用会发生“红眼现象”的图像获取设备获取，另一张采用不会发生“红眼现象”的图像获取设备获取；

分别对两张所述图像进行几何归一化处理和光线归一化处理以及滤波处理；

对两张所述图像做减法运算并取阈值，得到候选区图像；

根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸。

2.如权利要求1所述的方法，其特征在于，根据所述候选区图像中图像颗粒数量，判断所述图像中是否存在人脸后还包括：

根据候选区图像中图像颗粒分布和/或图像颗粒数量判断图像中人脸数量。