CN102402683B - 一种人脸非对称性计算方法 - Google Patents
一种人脸非对称性计算方法 Download PDFInfo
- Publication number
- CN102402683B CN102402683B CN 201110355801 CN201110355801A CN102402683B CN 102402683 B CN102402683 B CN 102402683B CN 201110355801 CN201110355801 CN 201110355801 CN 201110355801 A CN201110355801 A CN 201110355801A CN 102402683 B CN102402683 B CN 102402683B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- people
- facial image
- edge
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明一种人脸非对称性计算方法,首先通过眼睛检测进行人脸仿射校正,并确定人脸中线,获得以人脸中线为中心垂直线的人脸图像并计算其映射图像,然后分别计算人脸图像的密度差和边缘方向对称性,并进行二值化,最后加权得到人脸非对称性度量值。
Description
(一)技术领域
本发明涉及一种图像处理方法,尤其是人脸非对称性计算方法。
(二)背景技术
人脸表情在人类的交流中起着重要作用。由于面部运动的非对称性以及面部结构的非对称性,造成了人脸表情的非对称。情感表情具有偏侧性,人的左脸比右脸有更强的情感表现力,左脸体现了更多专有文化的情感规范,而右脸体现了更多普遍的情感信号。
随着人脸表情分析技术的发展,研究者们开始关注非对称人脸表情。人脸面部的非对称性十分普遍,但左脸和右脸的平均差异是轻微的(约为3%),并且一般右脸较左脸大。研究结果显示,男性中性脸的结构非对称性高于女性。人脸结构的非对称性可由面部标记点到中心点的距离近似,根据标记点的度量不同,平均差异一般为4%至12%。研究者们一般使用结构非对称性的总体度量,如面部宽度、半脸面积、面部标记点的距离。Liu等人提出了面部非对称的量化度量方法,包括密度差异D-face和边缘方向相似性S-face。密度差异D-face值越大,人脸非对称性越强;边缘方向相似性S-face值越大,人脸对称性越强。但还缺乏一种较为全面的人脸非对称性度量方法。本发明提出一种人脸非对称性计算方法,结合了人脸纹理的非对称性和边缘非对称性,对人脸的非对称性进行度量,可应用于人脸识别、人脸表情分析与识别等领域。
(三)发明内容
本发明的目的是:为了给出一种较为全面的人脸非对称性度量方法,提出一种人脸非对称性计算方法,能够对人脸非对称性进行度量。
本发明一种人脸非对称性计算方法,能够对人脸非对称性进行度量。
关于一种人脸非对称性计算方法,其步骤如下:
步骤1:给定一个人脸图像,对其进行灰度化,获得灰度图象I0,其高为H0,宽为W0,I0(x,y)代表图像I0在坐标点(x,y)处的密度值,0≤x<W0,0≤y<H0。采用类Haar小波特征提取和AdaBoost分类器对人脸图像进行眼睛检测(参考文献:Lienhart(利恩哈特)等人于2002年在International Conference on Image Processing(图像处理国际会议)上发表的论文An extended set of Haar-like features for rapid object detection(基于扩展的类Haar特征的快速目标检测)),设检测到的左眼的中心点为eL,坐标为(xL,yL);设检测到的右眼的中心点为eR,坐标为(xR,yR)。则左眼中心点和右眼中心点之间的中点坐标为(x0,y0),x0=[(xL+xR)/2],y0=[(yL+yR)/2]。
计算人脸的倾斜角θ,如式(1)所示:
其中θ>0表示人脸逆时针倾斜了θ角,θ<0表示人脸顺时针倾斜了-θ角,θ=0表示人脸未倾斜。
步骤2:将人脸图像I0进行以(x0,y0)为轴心顺时针旋转θ弧度的仿射变换,得到人脸图像Ia,其高为H0,宽为W0。
步骤3:确定人脸中线为人脸图像Ia中x=x0的垂直线,在人脸图像Ia上截取人脸图像I,使其尽量少的包含人脸以外的背景信息,并使人脸中线为通过图像I中心点的垂直线,I高为H,宽为W,H≤H0,W≤W0。
步骤4:计算人脸图像I关于人脸中线的垂直映射图像I′,如式(2)所示:
I′(x,y)=I((W-x-1),y) (2)
其中0≤x<W,0≤y<H。
步骤5:计算密度差D,如式(3)所示:
D(x,y)=I(x,y)-I′(x,y) (3)
其中D(x,y)为坐标点(x,y)处的D值,0≤x<W,0≤y<H。
步骤6:设定一个阈值p1,0<p1<255,对密度差D进行二值化,如式(4)所示;
其中0≤x<W,0≤y<H。
其中0≤x<W,0≤y<H。
计算边缘方向对称性S,如式(6)所示:
其中S(x,y)为坐标点(x,y)处的S值,0≤x<W,0≤y<H。
步骤8:设定一个阈值p2,-1<p2<1,对边缘方向对称性S进行二值化,如式(7)所示:
其中0≤x<W,0≤y<H。
步骤9:设定权值qD和qS,0<qD<1,0<qS<1,qD+qS=1,计算人脸的非对称性指标A,如式(8)所示:
本发明的积极效果和优点在于:
1.本发明结合了人脸纹理的非对称性和边缘非对称性,能够对人脸非对称性进行度量,符合现实生活中人脸表情非对称的真实情况,避免了人脸表情信息的丢失,对于人脸表情的情感识别具有积极的意义。
(四)附图说明
图1方法步骤方框图。
图2人脸图像I。
图3密度差D图像。
图4D′图像。
图5图像I的水平边缘图像I1。
图6图像I的垂直边缘图像I2。
图7边缘图像Ie。
图8边缘方向对称性S图像。
图9S′图像。
(五)具体实施方法
本发明一种人脸非对称性计算方法(方法步骤方框图如图1所示),能够对人脸非对称性进行度量。
关于一种人脸非对称性计算方法,其步骤如下:
步骤1:给定一个人脸图像,对其进行灰度化,获得灰度图象I0,其高为H0,宽为W0,I0(x,y)代表图像I0在坐标点(x,y)处的密度值,0≤x<W0,0≤y<H0;采用类Haar小波特征提取和AdaBoost分类器对人脸图像进行眼睛检测(参考文献:Lienhart(利恩哈特)等人于2002年在International Conference on Image Processing(图像处理国际会议)上发表的论文An extended set of Haar-like features for rapid object detection(基于扩展的类Haar特征的快速目标检测)),设检测到的左眼的中心点为eL,坐标为(xL,yL);设检测到的右眼的中心点为eR,坐标为(xR,yR)。则左眼中心点和右眼中心点之间的中点坐标为(x0,y0),x0=[(xL+xR)/2],y0=[(yL+yR)/2]。
计算人脸的倾斜角θ,如式(1)所示:
其中θ>0表示人脸逆时针倾斜了θ角,θ<0表示人脸顺时针倾斜了-θ角,θ=0表示人脸未倾斜。
步骤2:将人脸图像I0进行以(x0,y0)为轴心顺时针旋转θ弧度的仿射变换,将原坐标(x,y)变换为新坐标(x′,y′),如式(2)所示:
设仿射变换后的人脸图像为Ia,其高为H0,宽为W0,则Ia(x′,y′)=I0(x,y),填充人脸图像Ia的所有像素,如果部分像素落在人脸图像I0的边界外,那么它们的值设定为0。
步骤3:确定人脸中线为人脸图像Ia中x=x0的垂直线,在人脸图像Ia上截取人脸图像I,如图2所示,使其尽量少的包含人脸以外的背景信息,并使人脸中线为通过图像I中心点的垂直线,I高为H,宽为W,H≤H0,W≤W0。
步骤4:计算人脸图像I关于人脸中线的垂直映射图像I′,如式(3)所示:
I′(x,y)=I((W-x-1),y) (3)
其中0≤x<W,0≤y<H。
步骤5:计算密度差D,如式(4)所示:
D(x,y)=I(x,y)-I′(x,y) (4)
其中D(x,y)为坐标点(x,y)处的D值,0≤x<W,0≤y<H。
将D以图像的形式显示,如图3所示。
步骤6:设定一个阈值p1,0<p1<255,例如p1=30,对密度差D进行二值化,如式(5)所示:
其中0≤x<W,0≤y<H。
将D′以图像的形式显示,如图4所示。
步骤7:在人脸图像I上使用水平和垂直的两个Sobel算子分别对图像I进行扫描生成边缘图像I1和I2,分别如图5和图6所示。对于原图像I中像素I(x,y),对应边缘图像I1中相应位置的像素值为Gh(x,y),而对应边缘图像I2中相应位置的像素值为Gv(x,y)。它们分别是像素点I(x,y)的水平梯度和垂直梯度值。
其中0≤x<W,0≤y<H。
计算边缘方向对称性S,如式(7)所示:
其中S(x,y)为坐标点(x,y)处的S值,0≤x<W,0≤y<H。
将S以图像的形式显示,如图8所示。
步骤8:设定一个阈值p2,-1<p2<1,例如p2=0.5,对边缘方向对称性S进行二值化,如式(8)所示:
其中0≤x<W,0≤y<H。
将S′以图像的形式显示,如图9所示。
步骤9:设定权值qD和qS,0<qD<1,0<qS<1,qD+qS=1,例如qD=0.5,qS=0.5,计算人脸的非对称性指标A,如式(9)所示:
则计算得到该人脸图像I的非对称性指标A值为0.053985,说明该人脸的非对称性不强。
Claims (1)
1.一种人脸非对称性计算方法,其特征在于:其步骤如下:
步骤1:给定一个人脸图像,对其进行灰度化,获得灰度图象I0,其高为H0,宽为W0,I0(x,y)代表图像I0在坐标点(x,y)处的密度值,0≤x<W0,0≤y<H0;采用类Haar小波特征提取和AdaBoost分类器对人脸图像进行眼睛检测,设检测到的左眼的中心点为eL,坐标为(xL,yL);设检测到的右眼的中心点为eR,坐标为(xR,yR);则左眼中心点和右眼中心点之间的中点坐标为(x0,y0),x0=[(xL+xR)/2],y0=[(yL+yR)/2];
计算人脸的倾斜角θ,如式(1)所示:
其中θ>0表示人脸逆时针倾斜了θ角,θ<0表示人脸顺时针倾斜了-θ角,θ=0表示人脸未倾斜;
步骤2:将人脸图像I0进行以(x0,y0)为轴心顺时针旋转θ弧度的仿射变换,得到人脸图像Ia,其高为H0,宽为W0;
步骤3:确定人脸中线为人脸图像Ia中x=x0的垂直线,在人脸图像Ia上截取人脸图像I,使其尽量少的包含人脸以外的背景信息,并使人脸中线为通过图像I中心点的垂直线,I高为H,宽为W,H≤H0,W≤W0;
步骤4:计算人脸图像I关于人脸中线的垂直映射图像I′,如式(2)所示:
I′(x,y)=I((W-x-1),y) (2)
其中0≤x<W,0≤y<H;
步骤5:计算密度差D,如式(3)所示:
D(x,y)=I(x,y)-I′(x,y) (3)
其中D(x,y)为坐标点(x,y)处的D值,0≤x<W,0≤y<H;
步骤6:设定一个阈值p1,0<p1<255,对密度差D进行二值化,如式(4)所示;
其中0≤x<W,0≤y<H;
(5)
其中0≤x<W,0≤y<H;
计算边缘方向对称性S,如式(6)所示:
(6)
其中S(x,y)为坐标点(x,y)处的S值,0≤x<W,0≤y<H;
步骤8:设定一个阈值p2,-1<p2<1,对边缘方向对称性S进行二值化,如式(7)所示:
其中0≤x<W,0≤y<H;
步骤9:设定权值qD和qS,0<qD<1,0<qS<1,qD+qS=1,计算人脸的非对称性指标A,如式(8)所示
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110355801 CN102402683B (zh) | 2011-11-10 | 2011-11-10 | 一种人脸非对称性计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110355801 CN102402683B (zh) | 2011-11-10 | 2011-11-10 | 一种人脸非对称性计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102402683A CN102402683A (zh) | 2012-04-04 |
CN102402683B true CN102402683B (zh) | 2013-05-15 |
Family
ID=45884873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110355801 Expired - Fee Related CN102402683B (zh) | 2011-11-10 | 2011-11-10 | 一种人脸非对称性计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102402683B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715234A (zh) * | 2014-12-31 | 2015-06-17 | 湘潭大学 | 一种侧视检测方法及系统 |
CN111047538B (zh) * | 2019-12-27 | 2023-05-09 | 三星电子(中国)研发中心 | 一种人脸照片的修复方法 |
CN113657229A (zh) * | 2021-08-06 | 2021-11-16 | 姜政毫 | 人脸识别方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7436988B2 (en) * | 2004-06-03 | 2008-10-14 | Arizona Board Of Regents | 3D face authentication and recognition based on bilateral symmetry analysis |
CN101226585B (zh) * | 2007-01-18 | 2010-10-13 | 华硕电脑股份有限公司 | 脸部端正度的计算方法及其计算机系统 |
-
2011
- 2011-11-10 CN CN 201110355801 patent/CN102402683B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102402683A (zh) | 2012-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017219391A1 (zh) | 一种基于三维数据的人脸识别系统 | |
EP3091479B1 (en) | Method and apparatus for fingerprint identification | |
CN102693426B (zh) | 一种图像显著区域检测方法 | |
CN102509099B (zh) | 一种图像显著区域检测方法 | |
WO2016145940A1 (zh) | 人脸认证方法和装置 | |
CN102999926B (zh) | 一种基于底层特征融合的图像视觉显著性计算方法 | |
CN103632129A (zh) | 一种人脸特征点定位方法及装置 | |
CN103679158A (zh) | 人脸认证方法和装置 | |
CN104252708A (zh) | 一种x光胸片图像处理方法及系统 | |
CN102270308A (zh) | 一种基于五官相关aam模型的面部特征定位方法 | |
CN105678235A (zh) | 基于典型区域多维度特征的三维人脸表情识别方法 | |
CN102402683B (zh) | 一种人脸非对称性计算方法 | |
CN105160686A (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
CN103903238A (zh) | 图像特征的显著结构和相关结构融合方法 | |
CN102346857B (zh) | 人脸图像光照参数和去光照图的高精度同时估计方法 | |
CN102156991A (zh) | 基于四元数的物体光流跟踪方法 | |
CN101567045B (zh) | 一种人脸特征点精确定位方法 | |
CN104463885B (zh) | 一种多发性硬化损伤区域分割方法 | |
CN106326902B (zh) | 基于显著性结构直方图的图像检索方法 | |
CN105488798B (zh) | 基于点集对比的sar图像相似性度量方法 | |
CN103345741A (zh) | 一种非刚性多模医学图像精确配准方法 | |
CN108090460B (zh) | 基于韦伯多方向描述子的人脸表情识别特征提取方法 | |
CN103325104A (zh) | 基于迭代稀疏表达的人脸图像超分辨率重建方法 | |
TW201040846A (en) | Face detection apparatus and face detection method | |
CN105184273A (zh) | 一种基于asm的动态图像正面人脸重建系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130515 Termination date: 20131110 |