CN102542275A - 一种证件照背景自动识别方法及其系统 - Google Patents
一种证件照背景自动识别方法及其系统 Download PDFInfo
- Publication number
- CN102542275A CN102542275A CN2011104226732A CN201110422673A CN102542275A CN 102542275 A CN102542275 A CN 102542275A CN 2011104226732 A CN2011104226732 A CN 2011104226732A CN 201110422673 A CN201110422673 A CN 201110422673A CN 102542275 A CN102542275 A CN 102542275A
- Authority
- CN
- China
- Prior art keywords
- background
- outline line
- similarity
- photo
- image
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种证件照背景自动识别方法及其系统,通过统计待处理照片各种颜色所占的像素比例,分析所述待处理照片多种可能的候选背景色。分别计算每一所述候选背景色的边缘曲线,得到多条可能是图像背景色的边缘曲线。然后将这些候选背景色的边缘曲线与证照特征库的背景轮廓线进行相似度拟合,最为相似的候选背景色的边缘曲线即为所述待处理照片的最接近的背景轮廓线。以所述候选背景色的边缘曲线对应的所述特征库中的背景轮廓线为边界选定所述待处理照片的初步背景图像。再通过对所述初步背景图像进行背景轮廓线的精确定位,获取精确的背景图像区域。本发明技术方案能够快速、自动、精确识别证件照中图像背景区域,提高证件照的处理效率。
Description
技术领域
本发明涉及照片的图像处理技术领域,尤其涉及一种证件照背景自动识别方法,以及一种证件照背景自动识别系统。
背景技术
在申办法定证件如护照、签证、通行证、驾照、身份证等证件时,办证机关都会要求申请人在递交申请材料的同时,递交申请人本人、近期的免冠电子相片,并且在背景、像素、规格、色彩、表情、姿态、衣着等方面都有严格的技术要求。尤其证件照的背景,根据不同地区和不同证件种类对相片背景要求都不一样,例如广东的二代证要求白底背景,出入境证件要求蓝底背景,而四川的出入境证件则要求白底背景等。而在实际的证件照拍摄制作过程中,很难要求每个申请人都按照正确的证件照背景标准来设置背景布拍摄,而且,即使申请人拍摄时使用背景布也未必就能满足证件照的背景要求,因此,在现实证件照的拍摄制作过程中,往往需要通过软件程序对证件相片进行换背景处理,使之满足制证技术要求。很显然,在证件照换背景的过程中,如何快速、高效、精准地获取图像背景区域是非常关键的步骤。
传统的证照处理方法主要是专业操作员通过人工判断图像背景区域,然后点击选取一点,采集该点的像素,再通过种子填充技术获取相邻的图像区域进行扩展,并与阈值进行比较判断获取背景区域;还有一种方法是操作人员通过鼠标手动描取证照中的人像边缘,那么人像边缘的外圈部分即是背景区域。在实际操作中,现有方法主要存在以下不足,首先,现有的方法必须要具备一定图像处理基础的专业操作人员手工参与操作,所获取的图像背景区域准确度较低,尤其当背景色与证照人像的衣服颜色相近时,或者图像边缘存在较多杂色,或者有阴影,就很难精确地获取背景颜色,需要技术人员手动多次操作擦除背景区域才能完全替换,严重影响到证件照后期制作效率;由于现有方法对人工依赖性太大,效率不高,无法适用于自助拍照设备的对证照图像背景区域的获取,满足不了自助设备完全自动获取证照图像背景区域的发展要求,也无法推广到普通人群自助拍摄证件照的应用需求。
综上所述,在证件照的预处理过程中,能否快速、高效、精准地获取证件照图像的背景区域,将会对证照制作后期的换背景处理产生重大影响。
发明内容
本发明要解决的技术问题在于提供一种能够自动地精确识别证件照中背景部分图像区域的证件照背景自动识别方法。
一种证件照背景自动识别方法,包括以下步骤:统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线。分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像。对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
与现有技术相比较,本发明的证件照背景自动识别方法中,通过统计待处理照片的上各种颜色所占的像素比例,从而可以选定所述待处理照片的多种可能的候选背景色。分别计算每一所述候选背景色的边缘曲线,得到多条可能是背景图像边缘的轮廓线。然后将这些候选背景色的边缘曲线与预先设定的背景轮廓线进行相似度比较,与所述特征库背景轮廓线较为相似的候选背景色的边缘曲线即为所述待处理照片的背景轮廓线最接近的轮廓线。以所述候选背景色的边缘曲线对应的所述特征库背景轮廓线为边界选定所述待处理照片的初步背景图像。再通过对所述初步背景图像进行背景轮廓线的精确定位,获取精确的背景区域图像。
因此,可以快速对待处理照片的背景区域图像进行定位识别,从而可以在此基础上对所述背景图像进行修改、替换等处理,自动获得符合背景规定的证件照,非常方便。通过本发明的方法可以快速、高效、精准地获取证照图像的背景区域图像,非常适用于自助拍摄设备自动获取证照图像的背景,以及普通群众自助拍摄证照时更加方便地获取背景,提高了证件照制作处理的效率。
本发明要解决的技术问题还在于提供一种能够自动地准确识别证件照中背景部分图像的证件照背景自动识别系统。
一种证件照背景自动识别系统,其特征在于,包括:统计模块、初步识别模块和精确识别模块。所述统计模块用于统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线;所述初步识别模块用于分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像;所述精确识别模块用于对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
与现有技术相比较,本发明的证件照背景自动识别系统中,所述统计模块统计待处理照片的上各种颜色所占的像素比例,从而选定所述待处理照片的多种可能的候选背景色。分别计算每一所述候选背景色的边缘曲线,得到多条可能是背景图像边缘的轮廓线。所述初步识别模块将这些候选背景色的边缘曲线与预先设定的背景轮廓线进行相似度比较,与所述特征库背景轮廓线较为相似的候选背景色的边缘曲线即为所述待处理照片的背景轮廓线最接近的轮廓线。以所述候选背景色的边缘曲线对应的所述特征库背景轮廓线为边界选定所述待处理照片的初步背景图像。所述精确识别模块通过对所述初步背景图像进行背景轮廓线的精确定位,获取精确的背景区域图像。
因此,可以快速对待处理照片的背景区域图像进行定位识别,从而可以在此基础上对所述背景图像进行修改、替换等处理,自动获得符合背景规定的证件照,非常方便。通过本发明的方法可以快速、高效、精准地获取证照图像的背景区域图像,非常适用于自助拍摄设备自动获取证照图像的背景,以及普通群众自助拍摄证照时更加方便地获取背景,提高了证件照制作处理的效率。
附图说明
图1是本发明证件照背景自动识别方法的流程示意图;
图2是本发明证件照背景自动识别方法中特征数据库的特征样本的建立过程示意图;
图3是本发明证件照背景自动识别方法一个实施例的流程示意图;
图4是利用本发明证件照背景自动识别方法对输入的证件照进行处理的处理过程示意图;
图5是本发明证件照背景自动识别系统的结构示意图;
图6是本发明证件照背景自动识别系统一种优选实施方式中的初步识别模块的结构示意图。
具体实施方式
请参阅图1,图1是本发明证件照背景自动识别方法的流程示意图。
本发明的证件照背景自动识别方法包括以下步骤:
S1,统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线;
在本步骤中,首先检测所述待处理照片的各个像素的颜色,然后计算各种颜色所占的像素比例。在统计各颜色所占的像素比例时,可以设定一个颜色区间,将相似的颜色统计为一种颜色。例如在本实施方式中,相似颜色的定义为:在RGB颜色空间里,颜色color1的三个分量分别为r1、g1、b1,颜色color2的三个分量分别r2、g2、b2,当满足下式时,则认为两种颜色相似,在统计各颜色所占比例时作为一种颜色统计:
(r1-r2)2+(g1-g2)2+(b1-b2)2≤100。
进一步地,在统计所述各种颜色所占的像素比例时,可建立所述待处理照片中的所有颜色的信息统计表,在建立所述待处理照片的信息统计表时,可将所述信息统计表命名为result,其中的每一条记录结构为(Color,count,sites),其中Color表示颜色信息,由RGB三个分量组成,count表示具有这种颜色像素的个数,sites记录所有具有这种颜色像素的位置。
假设所述待处理照片为f(width,height),其中width,height分别表示所述待处理照片的图片宽、高。则,可从左到右、从上下到依次扫描中的每个像素点,将各个像素点与result表中的颜色相对比,若相似则将此条记录count加1,并添加位置信息到sites中;若在result表中没有查到相似颜色,则添加一条新的候选背景色记录。扫描一遍后即可获得一张待处理照片中所有颜色的信息统计表。
在选定所述待处理照片的候选背景色时,可以选取像素比例最大的5种颜色作为所述待处理照片的候选背景色,得到5条候选背景色记录,分别从这5条记录的sites信息中得出对应的候选背景色的边缘信息,获取各种所述候选背景色的边缘曲线。
具体地,对于一种候选背景色,可通过判断属于所述候选背景色的各个像素点的周围8个像素点是否都属于相同的所述候选背景色,如果是,则表示该像素点不是边缘像素点;如果所述像素点的周围8个像素点中至少有一个不是属于相同的所述候选背景色,则判断所述像素点是边缘像素点。这些边缘像素点连接构成了各种所述候选背景色的边缘曲线。
S2,分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像;
如果所述候选背景色的边缘曲线与特征库背景轮廓线的相似度达到预定值,则表示所述特征库背景轮廓线与候选背景区域大致吻合,因此可用所述特征库背景轮廓线作为所述待处理照片的背景的大致轮廓曲线,以所述特征库背景轮廓线为界,即可从所述待处理照片中选定初步背景图像。
如果在上述步骤S1中选取像素比例最大的5种颜色作为所述待处理照片的候选背景色;则,在本步骤中,优选可按照像素比例从大到小的顺序,依次选取所述5种候选背景色的边缘曲线与各条特征库背景轮廓线进行相似度计算;如果所述5种候选背景色的边缘曲线与各条特征库背景轮廓线的相似度都不超过所述预设值,则判断所述待处理照片为不合格的照片。
进一步地,为了更方便地保存所述特征库背景轮廓线,可预先建立并保存一特征数据库,从所述特征数据库中选取各条特征库背景轮廓线进行相似度计算。
则在本步骤中判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度的步骤可以通过以下方式实现:
S21,预先保存特征数据库,其中,所述特征数据库中保存有多条特征库背景轮廓线的特征样本,每一特征样本包含所述特征库背景轮廓线上的多个特征点;
S22,从所述特征数据库中逐一选取所述特征库背景轮廓线的特征样本;
S23,对所述特征样本包含的多个特征点执行三次B样条插值算法,计算出对应的所述特征库背景轮廓线;
S24,对所述特征库背景轮廓线与所述候选背景色的边缘曲线进行相似度计算。
所述特征数据库中的特征样本的建立过程如图2所示,首先,选取一张标准证件照,在每一张证件照上的背景与人体像的边界曲线上点击选取20个特征点,优选为距离均匀地选取或者选取所述边界曲线上特征明显的点,如曲线转折点等。并记录到所述特征数据库,形成一条所述特征库背景轮廓线的特征样本。在证件照这种特定的对象下,在背景与人体像的边界曲线上选取20个点即可近似精确地描述出所述边界曲线,即所述特征库背景轮廓线,所以特征数据库中每一个特征样本都对应保存一条特征库背景轮廓线中有代表性的20个特征点。在初建所述特征数据库时,可选200张标准的证件照,在每一副图中利用上述方法均匀地在背景边缘上选20个特征点形成一个特征样本,建立一个包括200条特征库背景轮廓线的特征数据库。
在步骤S22中,从所述特征数据库提取每个特征样本的20个特征点,在步骤S23中通过三次B样条插值算法计算出整条特征库背景轮廓线的每点的坐标。三次B样条曲线的每一个部分都是三次多项式,这使得它以及它的一阶和二阶导数都连续的,即最终的曲线平滑。
一个片断上的B样条的表达式为:
其中xi是第i个B样条片断,而V是控件点集,i和k是局部控制点索引。控制点的集合会是B样条由Vi w=(wixi,wiyi,wizi,wi)的集合,其中wi是比重,它控制曲线与控制点的距离。
片段的整个集合n-2条曲线(S3,S4,…Sn,)由n+1个控制点(P0,P2,…,Pn,n≥3)定义,作为s上的一个B样条可以定义为:
其中i是控制点数,s是取节点值的全局参数。这个表达式把B样条表示为B样条基函数的线性组合。对于一个特征样本的20个特征点,可以得到17条曲线,用这17条曲线即可还原出完整的特征库背景轮廓线。
作为一种优选实施方式,对所述特征数据库可采取实时更新的管理手段。即在所述特征数据库中记录每一所述特征库背景轮廓线的成功匹配次数。如果本步骤中计算到所述候选背景色的边缘曲线与特征库背景轮廓线的相似度达到预定值,即为匹配成功,将所述特征数据库中对应的所述特征库背景轮廓线的匹配次数加1;
并且,在计算所述初步背景区域图像的精确边界之后,进一步从所述精确边界的曲线上均匀选取多个特征点,将所述多个特征点作为一个特征样本保存在所述特征数据库中,当所述特征数据库中保存的特征样本的数量超过预定数量时,删除匹配次数最少的所述特征库背景轮廓线所对应的特征样本。
例如,当所述特征数据库中的特征样本的数量超过1000时,则删除匹配次数最少的特征样本,以使所述特征数据库的容量最多在1000以内。
通过对所述特征数据库采取实时更新的管理手段,可以不断更新所述特征数据库中保存的特征样本,保留匹配次数最多的特征样本。使所述特征数据库中的特征样本更加适合于进行相似度计算匹配。
本发明提供一种对所述特征库背景轮廓线与所述候选背景色的边缘曲线的相似度计算方法,该方法为优选的相似度计算方法,本领域的技术人员使用本领域的其他计算手段计算两条曲线的相似度,并预先设定不同的相似度预定值,对两条曲线的相似度进行判断。
本发明提供的所述相似度计算方法为:
S241,分别计算所述候选背景色的边缘曲线与特征库背景轮廓线的形状相似度和面积相似度;
S242,分别将所述形状相似度和所述面积相似度乘以对应的权重后相加,计算出总相似度。
具体地,所述形状相似度的计算方法如下:
证件照的背景区域边界是由背景区域与人体像的边界和背景区域与证件照的边界组合而成的封闭边界。这个封闭边界可由一个表示数字化形状的N个边界像素和质心间的欧氏距离有序序列z(i)来刻画。定义具有平移、旋转和尺度不变性的一维归一化轮廓序列的矩 则,第r个轮廓序列的矩mr和第r个中心矩μr可以被估算为:
用下面的形状描述子将获得对噪声敏感度较小的结果。
则最后根据形状矩,可计算出形状相似度sD:
其中F1i,F2i分别表示所述待处理照片和所述特征数据库中的特征库背景轮廓线的参数。
所述面积相似度的计算方法为:
将所述候选背景色的边缘曲线与特征库背景轮廓线拟合:利用图像的二阶及三阶矩得出图像的7个基于面积的不变矩:
根据面积矩计算面积相似度aD:
根据上述计算得到的形状相似度sD和面积相似度aD,分别将所述形状相似度sD和所述面积相似度aD乘以对应的权重后相加,计算出总相似度。
例如:
D=sD*0.7+aD*0.3
其中,D为总相似度。
经实验表明,所述总相似度达到80%的时候即可认为找到了背景边缘的大致轮廓,即满足D≥0.8时,可以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像。
在本实施方式中,形状矩和面积矩都具有对平移、旋转和尺寸大小都不变的性质,因此,通过所述形状相似度和所述面积相似度叠加得到的总相似度相当稳定,即当证件照出现倒置时与特征数据库中的曲线进行匹配,得到的相似度也不会有太大变化。
S3,对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
在本步骤中,优选采用canny算法计算所述初步背景区域图像的精确边界,然后根据所述精确边界获取所述待处理照片的背景区域图像。
Canny算法是一种新的边缘检测方法,它对白噪声影响的阶跃型边缘是最优的。阶跃边缘由位置、方向和可能的强度来确定。图像与一对称2D高斯做卷积后再沿梯度方向微分,就构成了一个简单面有效的方向算子。G是2D高斯,将图像与Gn做卷积,Gn是G沿n方向的一阶方向导数。
方向n应与边缘垂直。可以得到基于平滑梯度方向的一个可靠估计。如果f是图像,边缘的法向n可以按下式估计:
边缘位于Gn与图像f卷积在n方向上的局部最大值位置处
将(11)式的Gn代入(13)式得,
(14)式中卷积和微分是满足结合律的运算,故我们可以首先将图像f与一对称的高斯G做卷积,再利用(12)式计算出方向n的估计值,计算二阶方向导数。得到边缘的强度按下式计算
因此,本步骤中,可通过以下方式实现canny算法的精确边界定位:
S31.将所述初步背景区域图像与标准差为σ的高斯函数作卷积;
S32.对所述初步背景区域图像中的每个像素,根据下式计算局部边缘的法向:
其中,n为所述局部边缘的法向,G为标准差为σ的高斯函数,f为初步背景区域图像;
S33.根据下式计算所述初步背景区域图像的边缘位置:
S34.根据下式计算位于所述边缘位置的边缘图像的强度:
S35.对所述边缘位置的边缘图像作滞后阈值化处理;
S36.以预订步进值递增所述标准差σ的取值,重复执行S1至S5;
S37.将所述标准差σ的取值最小时计算得到的所有边缘图像合成,计算合成图像的强度,将所述标准差σ的取值为其他值时计算得到的边缘图像的强度与所述合成图像的强度比较;
如果所述边缘图像的强度大于所述合成图像的强度超过预设强度值,将所述边缘图像对应的边缘位置标记为所述初步背景区域图像的精确边界;
S38.对所述精确边界执行三次B样条插件算法的平滑处理。
通过上述canny算法计算处理,可以精确的确定所述初步背景区域图像的边界,并且获得精确边界比较平滑,可以根据所述精确边界方便地获取所述待处理照片的背景区域图像。
通过本发明的证件照背景自动识别方法,只需要用户人工读取或者机器设备自动读取待处理照片,就能快速获取该证照的背景区域图像,在精确获取背景之后,就可以对证件照进行背景替换处理,按照证件类型的具体要求换成对应的背景底色,获得符合规范的证件照,非常方便。
请参阅图3,图3本发明证件照背景自动识别方法一个实施例的流程示意图。
通过本发明的证件照背景自动识别方法对输入的证件照进行处理,处理过程如图4所示。
在步骤S41中,设备自动读取或者输入一张剪切后的JPEG类型的证件照图片,如图4(1)。
在步骤S42中,建立所述证件照图片的所有颜色的信息统计表,记录每种颜色的color,count,sites。
在步骤S43中,通过统计待处理照片的上各种颜色所占的像素比例,从而可以选定所述待处理照片的多种可能的候选背景色,通过坐标位置分析,分别计算每一所述候选背景色的边缘曲线,得到多条可能的背景轮廓线,如图4(2)。
在步骤S44中,将这些候选背景色的边缘曲线与预先设定的背景轮廓线进行相似度比较匹配,如图4(3)。
如果匹配成功,则将与所述特征库背景轮廓线较为相似的候选背景色的边缘曲线作为所述待处理照片的背景轮廓线最接近的轮廓线,如图4(4);并且在所述特征数据库中添加对应的所述特征库背景轮廓线匹配成功的记录,执行步骤S45。
步骤S45,再通过canny算法对所述初步背景图像进行背景轮廓线的细节优化,得到精确的背景轮廓曲线,获取精确的背景区域图像,如图4(5)。并且将精确定位优化后的精确背景轮廓线添加到所述特征数据库中作为样本。
否则匹配失败,执行步骤S46,换下一种候选背景色继续匹配,若按照像素比例从大到小的顺序尝试5种候选背景色都匹配失败,则说明该证件照图像过于杂乱,不符合证照基本要求。
最后可输出一个只有0,1的二值化像素矩阵,所述像素矩阵的长、宽分别对应证件照图片的长、宽,所述像素矩阵中的第一个元素对应图片中的相应像素,0表示图片中该像素位置是背景,1则表示是人体像。
请参阅图5,图5是本发明证件照背景自动识别系统的结构示意图。
所述证件照背景自动识别系统包括:统计模块11、初步识别模块12和精确识别模块13。
所述统计模块11用于统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线;
所述初步识别模块12用于分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像;
所述精确识别模块13用于对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
所述精确识别模块13可采用canny算法计算所述初步背景区域图像的精确边界,根据所述精确边界获取所述待处理照片的背景区域图像。
本发明的证件照背景自动识别系统可以快速对待处理照片的背景区域图像进行定位识别,从而可以在此基础上对所述背景图像进行修改、替换等处理,自动获得符合背景规定的证件照,非常方便。通过本发明的方法可以快速、高效、精准地获取证照图像的背景区域图像,非常适用于自助拍摄设备自动获取证照图像的背景,以及普通群众自助拍摄证照时更加方便地获取背景,提高了证件照制作处理的效率。
作为本发明系统的一种优选实施方式,所述统计模块11可依次扫描所述待处理照片中的每个像素点,通过检测所述待处理照片的各个像素的颜色,计算各种颜色所占的像素比例。所述统计模块11在统计各颜色所占的像素比例时,可以设定一个颜色区间,将相似的颜色统计为一种颜色。
所述统计模块11在选定所述待处理照片的候选背景色时,可以选取像素比例最大的5种颜色作为所述待处理照片的候选背景色,得到5条候选背景色记录,分别获取这5种所述候选背景色的边缘曲线。
具体地,对于一种候选背景色,通过判断属于所述候选背景色的各个像素点的周围8个像素点是否都属于相同的所述候选背景色,如果是,则表示该像素点不是边缘像素点;如果所述像素点的周围8个像素点中至少有一个不是属于相同的所述候选背景色,则判断所述像素点是边缘像素点。这些边缘像素点连接构成了各种所述候选背景色的边缘曲线。
如果所述候选背景色的边缘曲线与特征库背景轮廓线的相似度达到预定值,则表示所述特征库背景轮廓线与候选背景区域大致吻合,因此可用所述特征库背景轮廓线作为所述待处理照片的背景的大致轮廓曲线,以所述特征库背景轮廓线为界,即可从所述待处理照片中选定初步背景图像。
如果所述统计模块11选取像素比例最大的5种颜色作为所述待处理照片的候选背景色;则,所述初步识别模块12可按照像素比例从大到小的顺序,依次选取所述5种候选背景色的边缘曲线与各条特征库背景轮廓线进行相似度计算。并且,如果所述5种候选背景色的边缘曲线与各条特征库背景轮廓线的相似度都不超过所述预设值,则可判断所述待处理照片为不合格的照片。
请进一步参阅图6,图6是本发明证件照背景自动识别系统一种优选实施方式中的初步识别模块的结构示意图。
在本实施方式中,所述初步识别模块12包括:数据库模块121、数据读取模块122、平滑处理模块123和相似度计算模块124。
所述数据库模块121用于保存预先设置的特征数据库,其中,所述特征数据库中保存有多条特征库背景轮廓线的特征样本,每一特征样本包含所述特征库背景轮廓线上的多个特征点;
所述数据读取模块122用于从所述特征数据库中逐一选取所述特征库背景轮廓线的特征样本;
所述平滑处理模块123用于对所述特征样本包含的多个特征点执行三次B样条插值算法,计算出对应的所述特征库背景轮廓线;
所述相似度计算模块124用于对所述特征库背景轮廓线与所述候选背景色的边缘曲线进行相似度计算。
所述数据库模块121中的特征数据库可保存多条特征库背景轮廓线的特征样本,所述特征样本可通过以下方式获得:首先选取一张标准证件照,在每一张证件照上的背景与人体像的边界曲线上点击选取20个特征点,优选为距离均匀地选取或者选取所述边界曲线上特征明显的点,如曲线转折点等。并记录到所述特征数据库,形成一条所述特征库背景轮廓线的特征样本。在证件照这种特定的对象下,在背景与人体像的边界曲线上选取20个点即可近似精确地描述出所述边界曲线,即所述特征库背景轮廓线,所以特征数据库中每一个特征样本都对应保存一条特征库背景轮廓线中有代表性的20个特征点。在初建所述特征数据库时,可选200张标准的证件照,在每一副图中利用上述方法均匀地在背景边缘上选20个特征点形成一个特征样本,建立一个包括200条特征库背景轮廓线的特征数据库。
所述数据读取模块122从所述特征数据库提取每个特征样本的20个特征点,所述平滑处理模块123通过三次B样条插值算法计算出整条特征库背景轮廓线的每点的坐标。
优选地,在本实施方式中,所述相似度计算模块124可包括:
用于计算所述候选背景色的边缘曲线与特征库背景轮廓线的形状相似度的形状相似度计算模块;
用于计算所述候选背景色的边缘曲线与特征库背景轮廓线的面积相似度的面积相似度计算模块;
以及,用于将所述形状相似度和所述面积相似度乘以对应的权重后相加,计算总相似度的总相似度计算模块。
因为图像的形状矩和面积矩都具有对平移、旋转和尺寸大小都不变的性质,因此,通过计算所述形状相似度和所述面积相似度叠加得到的总相似度相当稳定,即当证件照出现倒置时与特征数据库中的曲线进行匹配,得到的相似度也不会有太大变化。
进一步地,所述数据库模块121可采用实时更新的管理方式管理所述特征数据库中的特征样本。具体地,在所述相似度计算模块124计算出所述相似度达到预定值时,所述数据库模块121将所述特征数据库中对应的所述特征库背景轮廓线的匹配次数加1;
所述精确识别模块13计算所述初步背景区域图像的精确边界之后,所述数据库模块121从所述精确边界的曲线上均匀选取多个特征点,将所述多个特征点作为一个特征样本保存在所述特征数据库中,当所述特征数据库中保存的特征样本的数量超过预定数量时,删除匹配次数最少的所述特征库背景轮廓线所对应的特征样本。
通过对所述特征数据库采取实时更新的管理手段,可以不断更新所述特征数据库中保存的特征样本,保留匹配次数最多的特征样本。使所述特征数据库中的特征样本更加适合于进行相似度计算匹配。
与现有技术相比较,本发明的证件照背景自动识别方法及其系统通过对每张证件照的所有颜色进行像素比例统计,分析获得其中可作为候选背景颜色区域的轮廓曲线,然后与已建立的标准证件照人像特征数据库中的特征库背景轮廓线进行对比验证,拟合出最符合该张证件照的特征库背景轮廓线,再采用canny算法对获得特征库背景轮廓线进行细节修正,获得该证件照图像的精确背景区域。通过该方法可以快速、高效、精准地获取证照图像的背景区域,非常适用于自助拍摄设备自动获取证照图像的背景区域,可以广泛用于各种法定证件如护照、签证、通行证、驾照、身份证等的证照制作预处理。主要有以下有益效果:
1)自动获取背景区域。传统的照片背景获取方法对人工的依赖性比较大,而且需要懂一定图像处理基础的人员才能操作,效率不高。本发明通过每张图像的颜色信息统计,通过像素坐标定位快速得到背景轮廓曲线,然后与特征数据库的特征库背景轮廓线进行对比验证,匹配最佳的证照图像背景轮廓曲线,从而自动获取证照图像的背景区域。本发明方法不仅可以帮助专业照相馆提高证照制作效率,还可以广泛运用到自助设备以及普通群众自助拍摄证件照等各种场合的证照换背景预处理。
2)标准照“特征数据库”具有特色优势。本发明中采用标准证照特征数据库中的预设背景轮廓曲线与所述待处理照片的候选背景色轮廓曲线进行验证比对匹配。第一,不管该张相片是正立、倒立或者倾斜,对该张相片上所有颜色的信息统计分析结果不变,所对应的背景轮廓曲线不变,所以都不会影响证照背景区域的获取,提高处理效率;第二,因为是通过轮廓曲线来判断并获取背景,因此不会再受到颜色的影响,很好解决了背景是与人像衣服颜色相近,或者背景色较多杂色的情况,从而保证获取的背景色比较完全,完全替换背景。
3)本发明方法还可具有自我完善功能。通过canny算法对背景轮廓曲线边缘的修正让获得的背景区域更加精确,可以很好地处理与背景的杂色以及与头像边缘附近的杂色或者阴影,让整张图像的质量更加清晰。在具体实施中,我们将获得的对待处理证件照精确定位的背景轮廓线收入标准证件照的所述特征数据库中,形成一个新特征样本,同时,为使所述特征数据库不至于过大,当所述特征数据库超过1000个样本时,则删除匹配次数最少的特征样本,以使所述特征数据库的容量最多在1000以内,这样就可以不断优化所述特征数据库,使通过本发明获得的证照图像背景区域更加精确。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (10)
1.一种证件照背景自动识别方法,其特征在于,包括以下步骤:
统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线;
分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像;
对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
2.如权利要求1所述的证件照背景自动识别方法,其特征在于,选取像素比例最大的5种颜色作为所述待处理照片的候选背景色;
按照像素比例从大到小的顺序,依次选取所述5种候选背景色的边缘曲线与各条特征库背景轮廓线进行相似度计算;
如果所述5种候选背景色的边缘曲线与各条特征库背景轮廓线的相似度都不超过所述预设值,则判断所述待处理照片为不符合要求的照片。
3.如权利要求1所述的证件照背景自动识别方法,其特征在于,判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度的步骤包括:
预先建立特征数据库,其中,所述特征数据库中保存有多条特征库背景轮廓线的特征样本,每一特征样本包含所述特征库背景轮廓线上的多个特征点;
从所述特征数据库中逐一选取所述特征库背景轮廓线的特征样本;
对所述特征样本包含的多个特征点执行三次B样条插值算法,计算出对应的所述特征库背景轮廓线;
对所述特征库背景轮廓线与所述候选背景色的边缘曲线进行相似度计算。
4.如权利要求3所述的证件照背景自动识别方法,其特征在于,计算所述候选背景色的边缘曲线与特征库背景轮廓线的相似度的步骤包括:
分别计算所述候选背景色的边缘曲线与特征库背景轮廓线的形状相似度和面积相似度;
分别将所述形状相似度和所述面积相似度乘以对应的权重后相加,计算出总相似度。
5.如权利要求3所述的证件照背景自动识别方法,其特征在于,如果所述相似度达到预定值,进一步将所述特征数据库中对应的所述特征库背景轮廓线的匹配次数加1;
计算所述初步背景区域图像的精确边界之后,进一步从所述精确边界的曲线上均匀选取多个特征点,将所述多个特征点作为一个特征样本保存在所述特征数据库中,当所述特征数据库中保存的特征样本的数量超过预定数量时,删除匹配次数最少的所述特征库背景轮廓线所对应的特征样本。
6.如权利要求1至5中任一项所述的证件照背景自动识别方法,其特征在于,对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像的步骤包括:
采用canny算法计算所述初步背景区域图像的精确边界,根据所述精确边界获取所述待处理照片的背景区域图像。
7.如权利要求6所述的证件照背景自动识别方法,其特征在于,采用canny算法计算所述初步背景区域图像的精确边界的步骤包括:
S1.将所述初步背景区域图像与标准差为σ的高斯函数作卷积;
S2.对所述初步背景区域图像中的每个像素,根据下式计算局部边缘的法向:
其中,n为所述局部边缘的法向,G为标准差为σ的高斯函数,f为初步背景区域图像;
S3.根据下式计算所述初步背景区域图像的边缘位置:
S4.根据下式计算位于所述边缘位置的边缘图像的强度:
S5.对所述边缘位置的边缘图像作滞后阈值化处理;
S6.以预订步进值递增所述标准差σ的取值,重复执行S1至S5;
S7.将所述标准差σ的取值最小时计算得到的所有边缘图像合成,计算合成图像的强度,将所述标准差σ的取值为其他值时计算得到的边缘图像的强度与所述合成图像的强度比较;
如果所述边缘图像的强度大于所述合成图像的强度超过预设强度值,将所述边缘图像对应的边缘位置标记为所述初步背景区域图像的精确边界;
S8.对所述精确边界执行三次B样条插件算法的平滑处理。
8.一种证件照背景自动识别系统,其特征在于,包括:
统计模块,用于统计待处理照片中各种颜色所占的像素比例,根据各种颜色所占的像素比例选定所述待处理照片的候选背景色,获取各种所述候选背景色的边缘曲线;
初步识别模块,用于分别判断各种所述候选背景色的边缘曲线与特征库背景轮廓线的相似度,如果所述相似度达到预定值,则以对应的所述特征库背景轮廓线为界,从所述待处理照片中选定初步背景图像;
精确识别模块,用于对所述初步背景图像进行背景轮廓线的精确定位,获取所述待处理照片的背景区域图像。
9.如权利要求8所述的证件照背景自动识别系统,其特征在于,所述初步识别模块包括:
数据库模块,用于保存预先设置的特征数据库,其中,所述特征数据库中保存有多条特征库背景轮廓线的特征样本,每一特征样本包含所述特征库背景轮廓线上的多个特征点;
数据读取模块,用于从所述特征数据库中逐一选取所述特征库背景轮廓线的特征样本;
平滑处理模块,用于对所述特征样本包含的多个特征点执行三次B样条插值算法,计算出对应的所述特征库背景轮廓线;
相似度计算模块,用于对所述特征库背景轮廓线与所述候选背景色的边缘曲线进行相似度计算。
10.如权利要求9所述的证件照背景自动识别系统,其特征在于,所述相似度计算模块包括:
用于计算所述候选背景色的边缘曲线与特征库背景轮廓线的形状相似度的形状相似度计算模块;
用于计算所述候选背景色的边缘曲线与特征库背景轮廓线的面积相似度的面积相似度计算模块;
以及,用于将所述形状相似度和所述面积相似度乘以对应的权重后相加,计算总相似度的总相似度计算模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110422673.2A CN102542275B (zh) | 2011-12-15 | 2011-12-15 | 一种证件照背景自动识别方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110422673.2A CN102542275B (zh) | 2011-12-15 | 2011-12-15 | 一种证件照背景自动识别方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102542275A true CN102542275A (zh) | 2012-07-04 |
CN102542275B CN102542275B (zh) | 2014-04-23 |
Family
ID=46349127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110422673.2A Active CN102542275B (zh) | 2011-12-15 | 2011-12-15 | 一种证件照背景自动识别方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102542275B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855619A (zh) * | 2012-07-11 | 2013-01-02 | 北京京北方信息技术有限公司 | 一种针对印章影像的矩形检测方法及装置 |
CN103645890A (zh) * | 2013-11-29 | 2014-03-19 | 北京奇虎科技有限公司 | 一种用于在图形用户界面中定位控件的方法和装置 |
CN105488791A (zh) * | 2015-11-25 | 2016-04-13 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
CN106156739A (zh) * | 2016-07-05 | 2016-11-23 | 华南理工大学 | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 |
CN106204733A (zh) * | 2016-07-22 | 2016-12-07 | 青岛大学附属医院 | 肝脏和肾脏ct图像联合三维构建系统 |
CN107123088A (zh) * | 2017-04-21 | 2017-09-01 | 山东大学 | 一种自动更换证件照背景颜色的方法 |
CN108765537A (zh) * | 2018-06-04 | 2018-11-06 | 北京旷视科技有限公司 | 一种图像的处理方法、装置、电子设备和计算机可读介质 |
WO2019023861A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳传音通讯有限公司 | 一种基于智能终端的证件照片生成方法及生成系统 |
CN109413330A (zh) * | 2018-11-07 | 2019-03-01 | 深圳市博纳思信息技术有限公司 | 一种证件照片智能换背景方法 |
CN110210872A (zh) * | 2019-05-07 | 2019-09-06 | 上海上湖信息技术有限公司 | 证件真伪鉴定方法、装置以及计算机可读存储介质 |
CN110675811A (zh) * | 2019-10-21 | 2020-01-10 | 深圳市思坦科技有限公司 | Led屏的显示方法、装置、led屏及存储介质 |
CN111046748A (zh) * | 2019-11-22 | 2020-04-21 | 四川新网银行股份有限公司 | 一种大头照场景增强识别方法及装置 |
CN112001908A (zh) * | 2020-08-25 | 2020-11-27 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车枕梁孔搭载异物检测方法 |
CN112991470A (zh) * | 2021-02-08 | 2021-06-18 | 上海通办信息服务有限公司 | 一种复杂背景下的证件寸照背景颜色检查方法及其系统 |
WO2022121025A1 (zh) * | 2020-12-10 | 2022-06-16 | 广州广电运通金融电子股份有限公司 | 证件增减类别检测方法、装置、可读存储介质和终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393603A (zh) * | 2008-10-09 | 2009-03-25 | 浙江大学 | 一种识别和检测隧道火灾火焰的方法 |
WO2011068508A1 (en) * | 2009-12-02 | 2011-06-09 | Hewlett-Packard Development Company, Lp | System and method of foreground-background segmentation of digitized images |
CN102184413A (zh) * | 2011-05-16 | 2011-09-14 | 浙江大华技术股份有限公司 | 车辆智能监控系统中车身颜色自动识别方法 |
-
2011
- 2011-12-15 CN CN201110422673.2A patent/CN102542275B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393603A (zh) * | 2008-10-09 | 2009-03-25 | 浙江大学 | 一种识别和检测隧道火灾火焰的方法 |
WO2011068508A1 (en) * | 2009-12-02 | 2011-06-09 | Hewlett-Packard Development Company, Lp | System and method of foreground-background segmentation of digitized images |
CN102184413A (zh) * | 2011-05-16 | 2011-09-14 | 浙江大华技术股份有限公司 | 车辆智能监控系统中车身颜色自动识别方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855619A (zh) * | 2012-07-11 | 2013-01-02 | 北京京北方信息技术有限公司 | 一种针对印章影像的矩形检测方法及装置 |
CN103645890A (zh) * | 2013-11-29 | 2014-03-19 | 北京奇虎科技有限公司 | 一种用于在图形用户界面中定位控件的方法和装置 |
CN105488791A (zh) * | 2015-11-25 | 2016-04-13 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
CN105488791B (zh) * | 2015-11-25 | 2018-02-13 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
CN106156739B (zh) * | 2016-07-05 | 2019-06-18 | 华南理工大学 | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 |
CN106156739A (zh) * | 2016-07-05 | 2016-11-23 | 华南理工大学 | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 |
CN106204733A (zh) * | 2016-07-22 | 2016-12-07 | 青岛大学附属医院 | 肝脏和肾脏ct图像联合三维构建系统 |
CN106204733B (zh) * | 2016-07-22 | 2024-04-19 | 青岛大学附属医院 | 肝脏和肾脏ct图像联合三维构建系统 |
CN107123088A (zh) * | 2017-04-21 | 2017-09-01 | 山东大学 | 一种自动更换证件照背景颜色的方法 |
CN107123088B (zh) * | 2017-04-21 | 2019-09-13 | 山东大学 | 一种自动更换证件照背景颜色的方法 |
WO2019023861A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳传音通讯有限公司 | 一种基于智能终端的证件照片生成方法及生成系统 |
CN108765537A (zh) * | 2018-06-04 | 2018-11-06 | 北京旷视科技有限公司 | 一种图像的处理方法、装置、电子设备和计算机可读介质 |
CN109413330A (zh) * | 2018-11-07 | 2019-03-01 | 深圳市博纳思信息技术有限公司 | 一种证件照片智能换背景方法 |
CN110210872A (zh) * | 2019-05-07 | 2019-09-06 | 上海上湖信息技术有限公司 | 证件真伪鉴定方法、装置以及计算机可读存储介质 |
CN110675811A (zh) * | 2019-10-21 | 2020-01-10 | 深圳市思坦科技有限公司 | Led屏的显示方法、装置、led屏及存储介质 |
CN111046748A (zh) * | 2019-11-22 | 2020-04-21 | 四川新网银行股份有限公司 | 一种大头照场景增强识别方法及装置 |
CN111046748B (zh) * | 2019-11-22 | 2023-06-09 | 四川新网银行股份有限公司 | 一种大头照场景增强识别方法及装置 |
CN112001908A (zh) * | 2020-08-25 | 2020-11-27 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车枕梁孔搭载异物检测方法 |
WO2022121025A1 (zh) * | 2020-12-10 | 2022-06-16 | 广州广电运通金融电子股份有限公司 | 证件增减类别检测方法、装置、可读存储介质和终端 |
CN112991470A (zh) * | 2021-02-08 | 2021-06-18 | 上海通办信息服务有限公司 | 一种复杂背景下的证件寸照背景颜色检查方法及其系统 |
CN112991470B (zh) * | 2021-02-08 | 2023-12-26 | 上海通办信息服务有限公司 | 一种复杂背景下的证件寸照背景颜色检查方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102542275B (zh) | 2014-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542275B (zh) | 一种证件照背景自动识别方法及其系统 | |
CN103914686B (zh) | 一种基于证件照与采集照的人脸比对认证方法及系统 | |
Nielsen et al. | Solving jigsaw puzzles using image features | |
CN102592260B (zh) | 证照图像裁剪方法及系统 | |
CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
Zhang et al. | Detecting and extracting the photo composites using planar homography and graph cut | |
CN100550037C (zh) | 利用改进Hausdorff距离提取识别人耳特征的方法 | |
US8699786B2 (en) | 3D model generating apparatus, method and CRM by line pattern imaging | |
CN107862698A (zh) | 基于k均值聚类的光场前景分割方法及装置 | |
US10803116B2 (en) | Logo detection system for automatic image search engines | |
CN108319894A (zh) | 基于深度学习的水果识别方法及装置 | |
CN110765992B (zh) | 印章鉴别方法、介质、设备及装置 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN104597057A (zh) | 一种基于机器视觉的柱状二极管表面缺陷检测装置 | |
CN106651882A (zh) | 一种基于机器视觉的燕窝杂质识别与检测方法及装置 | |
CN105550660A (zh) | 一种机织物组织结构种类的识别方法 | |
CN108830175A (zh) | 虹膜图像局部增强方法、装置、设备及存储介质 | |
CN109977907A (zh) | 基于票据识别的费用报销方法及其系统 | |
WO2021151277A1 (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN110991434B (zh) | 自助终端证件识别方法及装置 | |
CN107944395A (zh) | 一种基于神经网络验证人证合一的方法及系统 | |
CN104134150A (zh) | 一种计算机辅助的宣纸中国画和书法真伪鉴别方法 | |
CN106485639A (zh) | 鉴别伪造证件图片的方法和装置 | |
Sekhar et al. | Splicing forgery localisation using colour illumination inconsistencies | |
CN109146834A (zh) | 车辆定损方法及装置、计算机可读存储介质、终端 |
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 |