CN102013006A - 一种基于逆光环境的人脸自动检测识别的方法 - Google Patents

Abstract

本发明公开了一种基于逆光环境的人脸自动检测识别的方法，包括利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据，将所述人脸范本信息数据保存于指定数据库，利用视频输入设备采集待测对象的人脸视频图像，对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断，对该人脸视频图像进行逆光补偿处理，将经过逆光补偿的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断等步骤。该方法是在对逆光环境判断的基础上，通过对所采集的待测对象的人脸视频图像的逆光补偿，使得待测对象的人脸视频图像能够不受逆光环境的影响而与正常光照环境下的人脸范本信息数据相比较，进而使人脸的检测识别能够获得正确的判定。

Description

一种基于逆光环境的人脸自动检测识别的方法

技术领域

本发明涉及一种人脸检测识别技术，特别是涉及一种基于逆光环境的人脸自动检测识别的方法。

背景技术

随着国民经济的快速发展和人民生活水平的大幅提高，境内外敌对势力的犯罪活动也日益猖獗，为贯彻落实科学发展观，推动和谐社会建设，公、检、法、安等机关加强了对经济、刑事及国际恐怖活动等犯罪行为的打击力度，正在联合开展“追、逃、堵”斗争。其中，如何鉴别犯罪嫌疑人的身份是这一斗争能否取得胜利的关键。目前采用的方法多是将犯罪嫌疑人的照片、身份证、特征资料等上网发布或张贴，但这种方法的身份鉴别需要通过多种技术鉴定，它对证件资料假冒犯人的查询有较大的难度，对犯罪嫌疑人的狡辩、伪装往往要消耗大量的时间和物力来进行确认。

采用人体面貌识别技术，则可大大提高鉴别犯罪嫌疑人的工作效率，并能对犯罪分子产生极大的威慑力量。如在重要的火车站、汽车站、码头、机场、海关、火车车厢、长途汽车等出入口附近架设监控摄像头，则系统可在无人职守的情况下自动采集进、出上述场所的人员的头像，并将头像面貌特征数据自动传送到中心数据库，与存储的犯罪嫌疑人的头像进行快速比较，迅速准确地做出身份判断，一旦发现是吻合的头像，自动记录并发出报警信息。这将为形成高智能的、社会化的、规模化的安全防范体系提供有效的技术手段。

在进行人脸检测识别过程中，肤色检测是常用的人脸检测方法的内容之一，但是一般的肤色模型都是在亮度较大的白光照射情况下建立的，并且假设肤色的色度分量是独立于亮度分量。但事实上，肤色的色度并不完全独立于亮度，而是与亮度成非线性的比例。在常用的YCbCr颜色空间，当皮肤区域的亮度发生较大变化时，尤其是变得很小的时候，肤色模型将改变，此时基于肤色的人脸检测效果必定会受到较大影响。

发明内容

本发明的目的在于克服现有技术之不足，提供一种基于逆光环境的人脸自动检测识别的方法，是在对逆光环境判断的基础上，通过对所采集的待测对象的人脸视频图像的逆光补偿，使得待测对象的人脸视频图像能够不受逆光环境的影响而与正常光照环境下的人脸范本信息数据相比较，进而使人脸的检测识别能够获得正确的判定。

本发明解决其技术问题所采用的技术方案是：一种基于逆光环境的人脸自动检测识别的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤；

对该人脸视频图像进行逆光补偿处理的步骤；

将经过逆光补偿的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

所述的对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对所述灰度直方图进行平滑滤波处理，选取第一个明显峰谷值作为划分前景目标和背景目标的阈值，大于此阈值的置0，小于此阈值的置1；

将二值图像进行开运算，保留最大的前景目标区域；

计算目标前景区域内0值区域的面积与前景区域的总面积的比值，并将该比值与预先设定的比值阈值进行比较，如果该比值小于预先设定的比值阈值，就判断该人脸视频图像是处于逆光环境获得。

所述的对该人脸视频图像进行逆光补偿处理包括先进行色度调整和后进行亮度补偿；

其中：

色度调整是采用如下的色度调整公式来实现：

${\mathrm{Cb}}^{\′}=\mathrm{Cb}\×(1-\frac{(80-Y)\×0.6}{100})$

${\mathrm{Cr}}^{\′}=\mathrm{Cr}\×(1+\frac{(80-Y)\×0.6}{100})$

亮度补偿是计算逆光区域的平均亮度再将平均灰度调至

使调整因子为

然后用调整因子去乘逆光区域的每个像素点从而得到光照补偿后的像素亮度。

本发明的有益效果是，由于采用了利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据，将所述人脸范本信息数据保存于指定数据库，利用视频输入设备采集待测对象的人脸视频图像，对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断，对该人脸视频图像进行逆光补偿处理，将经过逆光补偿的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断等步骤来实现基于逆光环境的人脸自动检测识别的方法，该方法是在对逆光环境判断的基础上，通过对所采集的待测对象的人脸视频图像的逆光补偿，使得待测对象的人脸视频图像能够不受逆光环境的影响而与正常光照环境下的人脸范本信息数据相比较，进而使人脸的检测识别能够获得正确的判定。

以下结合实施例对本发明作进一步详细说明；但本发明的一种基于逆光环境的人脸自动检测识别的方法不局限于实施例。

具体实施方式

实施例，本发明的一种基于逆光环境的人脸自动检测识别的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤；

对该人脸视频图像进行逆光补偿处理的步骤；

将经过逆光补偿的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

本发明的一种基于逆光环境的人脸自动检测识别的方法，在进行逆光补偿之前，首先要进行逆光环境的判别，主要是判断目标物体亮度低的原因是处于逆光环境中，还是本身就是黑色物体。通过大量实验发现，逆光环境有几个明显的特点：背景比较亮，前景比较暗，且这种亮度差比较大；前景物体的内部最大亮度差很小，并且前景物体占据了一定的区域面积；而正常光照下的黑色物体不一定与背景有很大的亮度差，并且内部的最大亮度差可能很大，即使是全黑色物体也会在光源方向出现一个亮度值很大的高光区。因此，可以根据这些特征来进行逆光环境的判别。

对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对所述灰度直方图进行平滑滤波处理，选取第一个明显峰谷值作为划分前景目标和背景目标的阈值，大于此阈值的置0，小于此阈值的置1；

将二值图像进行开运算，保留最大的前景目标区域；

计算目标前景区域内0值区域的面积与前景区域的总面积的比值，并将该比值与预先设定的比值阈值进行比较，如果该比值小于预先设定的比值阈值，就判断该人脸视频图像是处于逆光环境获得。

先将采集到的视频图像转入YCbCr颜色空间，提取亮度分量Y，然后对亮度分量Y作灰度直方图统计。因为通常处于逆光中的目标区域的亮度值在整个图像中是最小的，并且目标区域占据一定的空间。所以，可以对直方图进行平滑滤波，选取第一个明显峰谷值作为划分前景目标和背景目标的阈值，大于此阈值的置0，小于此阈值的置1；然后将二值图像进行开运算，保留最大的前景目标区域；计算目标前景区域内0值区域的面积与前景区域的总面积的比值，如果比值很小，比如小于0.5％，就可判断其处于逆光环境；否则该前景目标则不是处于逆光环境中的目标，而是正常光照下的亮度比较低的某物体或区域。

判断完是否逆光环境后，就要进行逆光补偿，处于逆光环境下的人脸区域的色度分量发生改变，实际上是由色温变化所引起的。色温越低越偏红色，色温越高越偏蓝色。黄色人种的肤色主要是黄色和红色为主，在高色温下肤色朝Cb轴偏转。因为逆光状态下目标的亮度值一般不高于80，通过测量同一块皮肤区域在低亮度的Cb、Cr值变化情况，发现在亮度值为30～80的小区域内，Cb、Cr的偏移量基本上成线性变化，偏移斜率为0.6％。由此，可以得出逆光状态下肤色的色度调整公式为：

${\mathrm{Cb}}^{\′}=\mathrm{Cb}\×(1-\frac{(80-Y)\×0.6}{100})$

${\mathrm{Cr}}^{\′}=\mathrm{Cr}\×(1+\frac{(80-Y)\×0.6}{100})$

对该人脸视频图像进行逆光补偿处理包括先进行色度调整和后进行亮度补偿；这样，色度调整就是采用如下的色度调整公式来实现的：

${\mathrm{Cb}}^{\′}=\mathrm{Cb}\×(1-\frac{(80-Y)\×0.6}{100})$

${\mathrm{Cr}}^{\′}=\mathrm{Cr}\×(1+\frac{(80-Y)\×0.6}{100})$

进行色度调整之后，要进行亮度补偿，为后面的人脸归一化和特征提取做准备。亮度补偿的目的是提高处于逆光状态下的目标物体的亮度值。物体的亮度是通过表面反射入射光的多少来决定的，反射光强度和入射光强度的比值称为反射系数。反射系数主要与物体本身的属性相关，包括表面纹理、反射体形状、反射体的材质等。这里，可以先假设目标物体反射系数值为k。但物体逆光状态时，物体亮度(反射亮度)为

L₁＝k×I₁

其中，L₁为物体的反射亮度，I₁为入射光强度。当物体处于正常光照下时入射光强为

I₂＝m×I₁

此时物体的反射亮度为

L₂＝k×I₂＝k×m×I₁＝m×L₁

上式提供了我们进行亮度补偿的方法。

首先，计算逆光区域的平均亮度

再将平均灰度调至

调整因子为

然后用调整因子去乘逆光区域的每个像素点得到光照补偿后的像素亮度。考虑到目标边缘区域可能处于正常光照下，也可能处于逆光中但因为光的散射而没有被划入逆光区域引起漏检，同时也为了增强区域的连续性，可以在逆光区域的周围也进行光照调整，使用同样方法将周围平均光照亮度调整至140，至此光照补偿完成。此时的视频图像基本上等同于正常光照下的图像了。然后再采用基于正常光照下的人脸检测方法进行检测判别即可。

这样，亮度补偿就是计算逆光区域的平均亮度

再将平均灰度调至

使调整因子为

然后用调整因子去乘逆光区域的每个像素点从而得到光照补偿后的像素亮度。

上述实施例仅用来进一步说明本发明的基于逆光环境的人脸自动检测识别的方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。

Claims (3)

1.一种基于逆光环境的人脸自动检测识别的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

其特征在于：还包括：

对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤；

对该人脸视频图像进行逆光补偿处理的步骤；

将经过逆光补偿的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

2.根据权利要求1所述的基于逆光环境的人脸自动检测识别的方法，其特征在于：所述的对人脸视频图像进行处理并对该人脸视频图像是否属于逆光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对所述灰度直方图进行平滑滤波处理，选取第一个明显峰谷值作为划分前景目标和背景目标的阈值，大于此阈值的置0，小于此阈值的置1；

将二值图像进行开运算，保留最大的前景目标区域；

计算目标前景区域内0值区域的面积与前景区域的总面积的比值，并将该比值与预先设定的比值阈值进行比较，如果该比值小于预先设定的比值阈值，就判断该人脸视频图像是处于逆光环境获得。

3.根据权利要求1所述的基于逆光环境的人脸自动检测识别的方法，其特征在于：所述的对该人脸视频图像进行逆光补偿处理包括先进行色度调整和后进行亮度补偿；

其中：

色度调整是采用如下的色度调整公式来实现：

${\mathrm{Cb}}^{\′}=\mathrm{Cb}\×(1-\frac{(80-Y)\×0.6}{100})$

${\mathrm{Cr}}^{\′}=\mathrm{Cr}\×(1+\frac{(80-Y)\×0.6}{100})$

亮度补偿是计算逆光区域的平均亮度

再将平均灰度调至

使调整因子为

然后用调整因子去乘逆光区域的每个像素点从而得到光照补偿后的像素亮度。