CN102930259A

CN102930259A - 一种眉毛区域的提取方法

Info

Publication number: CN102930259A
Application number: CN2012104646610A
Authority: CN
Inventors: 刘辰飞; 许野平; 方亮; 曹杰; 张传锋
Original assignee: SHANDONG SYNTHESIS ELECTRONIC TECHNOLOGY Co Ltd
Current assignee: SHANDONG SYNTHESIS ELECTRONIC TECHNOLOGY Co Ltd
Priority date: 2012-11-19
Filing date: 2012-11-19
Publication date: 2013-02-13

Abstract

本发明公开了一种眉毛区域的提取方法，包括以下步骤：1）灰度化待识别人脸图像；2）利用人脸三庭五眼分割所述图像，粗选左、右眉毛区域；3）依次计算粗选的左、右眉毛区域每一列相邻像素点之间的差值，生成灰度值的差值曲线；4）取每一列的所述差值曲线的最大值和最小值，作为对应列眉毛的上边缘和下边缘；5）集合所述上边缘和下边缘，根据眉毛的上下边缘位置对粗选的左、右眉毛区域进行眉毛区域的提取。依据本发明能够在有效降低光照影响的同时，精确地提取出眉毛区域。

Description

一种眉毛区域的提取方法

技术领域

本发明涉及一种眉毛区域的提取方法。

背景技术

眉毛是人脸识别中的一个重要的特征，相比于人脸的其它特征，眉毛具有更好的稳定性和抗干扰性，且眉毛受表情的影响较小。同时，人类的眉毛具有多种多样的形状，无固定结构，具有很好的身份特异性，在人脸识别中发挥了重要的作用。

将眉毛应用于人脸识别，一个重要的步骤就是眉毛区域的分割。图像分割是图像处理的一个经典难题，目前长常用的自动图像分割方法包括：阈值法，聚类法以及边缘检测等方法。但是这些图像分割方法受光照等因素的影响较大，因而往往无法得到人们所期望的分割结果。

上海银晨智能识别科技有限公司的毛丽等人在名称为“一种人脸识别方法及系统”，公开号为CN 102479318 A的发明专利申请中提出的一种利用眉毛区域的平均梯度信息进行眉毛分割的方法。该方法也没有很好的考虑光照对识别的影响，特别是侧光情况对梯度信息的影响，同时只利用平均梯度信息进行分割并不能很好的提取出眉毛的边缘信息，不能对眉毛区域进行精确的分割。

另外，北京工业大学的李玉鑑等人在名称为“一种基于半监督学习和哈希索引的眉毛分割算法”，授权公告号为CN 101493887B 的发明专利中提出了一种眉毛分割算法，这种算法的基本思想是将眉毛区域分割成若干个等分的像素块区域，然后通过判断每个区域内的眉毛点个数与非眉毛点个数的关系来判断该区域是否为眉毛的像素块，同时计算相邻区域的相似度，最后通过将眉毛像素块进行连通的方式提取眉毛区域。该方法虽然有效的降低了光照的影响，但同样没有实现对眉毛区域的精确提取。

发明内容

有鉴于此，本发明的目的在于提供一种新的眉毛提取方法，能够在有效降低光照影响的同时，精确地提取出眉毛区域。

本发明采用以下技术方案：

一种眉毛区域的提取方法，包括以下步骤：

1）灰度化待识别人脸图像；

2）利用人脸三庭五眼分割所述图像，粗选左、右眉毛区域；

3）依次计算粗选的左、右眉毛区域每一列相邻像素点之间的差值，生成灰度值的差值曲线；

4）取每一列的所述差值曲线的最大值和最小值，作为对应列眉毛的上边缘和下边缘；

5）集合所述上边缘和下边缘，根据眉毛的上下边缘位置对粗选的左、右眉毛区域进行眉毛区域的提取。

优选地，上述眉毛区域的提取方法，在粗选左、右眉毛区域后，还包括判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤，若为头发所遮挡，则不继续当前待识别人脸图像的处理。

优选地，上述眉毛区域的提取方法，判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤优选为：

对粗选的所述左、右眉毛区域进行行像素统计，进而求取每一行的平均灰度，如果每一行的平均灰度都小于阈值则判定为有头发遮挡。

优选地，上述眉毛区域的提取方法，所述阈值取被粗选的左、右眉毛区域下方的人脸皮肤的平均灰度。

在一些较佳的实施例中，所述眉毛区域的提取方法，在步骤3）前对粗选的所述左右眉毛区域进行噪声滤波。

在一些较佳的实施例中，所述眉毛区域的提取方法，在灰度化待识别人脸图像前，还包括对待识别人脸图像进行归一化处理的步骤，该步骤把待识别图象统一为一种规格。

在一些较佳的实施例中，所述眉毛区域的提取方法，所述规格为统一的待识别人脸图像的尺寸，统一的两瞳孔间距以及两瞳孔中心点坐标。

在一些较佳的实施例中，所述眉毛区域的提取方法，灰度化待识别人脸图像的方法为：每一像素点的灰度值Y与R、G、B三个通道的关系为Y = ((R*299)+(G*587)+(B*114)) / 1000。

在一些较佳的实施例中，所述眉毛区域的提取方法，在粗选左、右眉毛区域前还包括对待识别人脸图像进行亮度标准化的步骤，使待识别人脸图像平均亮度值为127，两度均方差为32。

通过以上技术方案可以看出，依据本发明，通过列上像素点与相邻素点之间的差值构造差值曲线，进而取每一列的所述差值曲线的最大值和最小值，作为对应列眉毛的上边缘和下边缘，位置相近的像素点受到环境辐照的影响是基本一致的，而通常情况下，人脸皮肤与眉毛区域具有明显的亮度差，这种两度差受到环境辐照的影响小，从而，依据上述方法不仅有效地降低了环境光照对眉毛区域提取的影响，同时能够精确的对眉毛区域进行提取。

本发明更加的实施例及其效果将会在具体实施方式中述及。

具体实施方式

在此，对本发明实施例中的技术方案进行清楚、完整的描述，以期本领域的技术人员在面对相同或者相应的技术问题时，不需要付出创造性劳动解决上述技术问题，据以产生的延伸方案也应当落入本发明的保护范围之内。

为使本领域的技术人员有更清楚地理解，下文以树形结构的形式对相关实施例进行展示：

基于能够在有效降低光照影响的同时精确的提取眉毛区域的基本目的，所采用的眉毛区域提取方法描述如下，且在以下的内容中分号之后的内容为其前面内容的解析或者进一步的限定：

1、接收用户的原始人脸照片；原始的人脸照片初始提供对象可以为人脸照片，也可以是采集设备直接采集的照片，然后进行人脸识别、提取之后所获得的照片。

2、对接收的人脸照片进行归一化处理，以产生所需要的目标图像；该目标图像表现为尺寸规格的统一，以在后续的处理中对相关的区域进行处理时具有更为直接的对象性。

2.1、根据2，如归一化处理后照片尺寸为240×320，两瞳孔之间距离为64个像素点，两瞳孔的中心点为(120，160)。

3、将彩色图像转换为灰度图像。

3.1、根据3，可以采用公式Y = ((R*299)+(G*587)+(B*114)) / 1000求取每个像素点的灰度值；关联彩色图像三个通道的亮度值，通常不会产生无色点的情况，且经验证，这种灰度化方式所产生的灰度图像的对比度比较高。

3.2、根据3，在一些实施例中，可以用每个像素点的R，G，B分量的最大值作为像素点的灰度值；计算量比较小，但比上例缺少代表性，紧邻的一下三个实例也存在相同的特点。

3.3、根据3，在一些实施例中，可以用每个像素点的R，G，B分量的最小值作为像素点的灰度值。

3.4、根据3，在一些实施例中，可以用每个像素点的R，G，B分量的中间值作为像素点的灰度值。

3.5、根据3，在一些实施例中，可以用每个像素点的R,G,B分量的平均值作为像素点的灰度值。

3.6、根据3，在一些实施例中，计算量更小的灰度话方法是，可以用每个像素点的R分量作为像素点的灰度值；在紧邻的一下两个实施例中也存在相同的特点。

3.7、根据3，在一些实施例中，可以用每个像素点的G分量作为像素点的灰度值。

3.8、根据3，在一些实施例中，可以用每个像素点的B分量作为像素点的灰度值。

3.9、根据3，在一些实施例中，可以把图像由RGB颜色空间转换为HSV空间，用亮度分量V作为像素点的灰度值。

3.10、根据3，在一些实施例中，可以把图像由RGB颜色空间转换为HSI空间，用强度分量I作为像素点的灰度值；计算量稍大，当效果也更好，在以下紧邻的两个实施例中，也具有相同的特点，本领域的技术人员据此可以选择相关的实施例。

3.11、根据3，在一些实施例中，可以把图像由RGB颜色空间转换为YUV空间，用亮度分量Y作为像素点的灰度值。

3.12、根据3，在一些实施例中，可以图像由RGB颜色空间转换为YCbCr空间，用亮度分量Y作为像素点的灰度值。

4、照片图像亮度标准化，使得眉毛区域处于更易于提取的亮度区域。

4.1、根据4，优选地，可以将照片图像面部平均亮度值标准化为127，亮度均方差标准化为32，为经过验证的具有最佳的可识别性的亮度标准。

5、眉毛粗选区域标定，以减小后续步骤的工作量。

5.1、根据5，根据2.1，利用人脸三庭五眼的规则可以计算出左右眉毛的大体区域，左眉毛的左上角坐标(60,120)，右下角坐标(110,155)，右眉毛左上角(130,120)，右下角 (180,155)；

三庭五眼是人的脸长与脸宽的一般标准比例，不符合此比例，就会与理想的脸型产生距离。眼睛的宽度，应为同一水平脸部宽度的3/10；下巴长度应为脸长的1/5；眼球中心到眉毛底部的距离，应为脸长的1/10；眼球应为脸长的1/14；鼻子的表面积，要小于脸部总面积的5/100；理想嘴巴宽度应为同一水平脸部宽度的1/2。

应用三庭五眼黄金分割法匹配人脸的自然属性可以粗略的定位眉毛区域。

6、对左右眉毛区域分别进行去噪声滤波，抑制影响图像处理的噪声。

6.1、根据6，可以采用高斯模型进行滤波。

6.2、根据6，可以采用领域平均法进行滤波。

6.3、根据6，可以采用加权平均法进行滤波。

6.4、根据6，可以采用选择式掩膜平滑法进行滤波。

6.5、根据6，可以小波变换的方式进行滤波。

7、对眉毛粗选区域进行遮挡判定。如果没有遮挡进行第8步，否则停止处理；这里的遮挡主要是头发遮挡，当前存在许多头发遮挡眉毛或者眼睛的人群，如果被遮挡，将使眉毛区域提取失去意义。

7.1、根据7，对眉毛区域每一行进行像素统计并求取每一行的平均灰度，如果每一行的平均灰度都小于阈值则判定有头发遮挡；如前所述，因亮度标准化，使得阈值法具有更好的区分性；另一方面，即便是不进行亮度标准化，通过其他途径也可以进行区分，如下一实施例，可以避开环境辐照的影响。

7.2、根据7，首先求取左右眉毛下方对应位置的人脸皮肤的平均灰度，作为判定阈值，例如取(60,170)--(110,180)区域的平均灰度作为左眉毛区域的判定阈值；从而，基于同一照片的区域得出阈值，具有更好的区分性；人脸皮肤的选取可以为应用三庭五眼法中识别为人脸皮为概率最大的区域。

8、分别对眉毛区域的每一列求取灰度差值曲线，根据灰度差值曲线判断眉毛的上下边缘位置；曲线的产生是在每一列上像素点灰度值再减去相邻点灰度值之后所产生的位置变化而具有整体图形，可以从上到下逆续减，也可以顺序减，取原始减数，而非绝对值。

8.1、根据8，灰度差值曲线是指由相邻两个像素点的灰度值的差值构成的曲线。

8.2、根据8，每一列的灰度差值曲线的最大值和最小值，分别对应着该列眉毛的上下边缘。

9、根据眉毛的上下边缘位置对眉毛区域进行分割提取。

一个更具体的实施例：

1、接收用户的原始人脸照片。

2、对接收的人脸照片进行归一化处理，使得图像的尺寸240×320,两瞳孔之间距离为64个像素点，两瞳孔的中心点为(120 ,160)。

3、将彩色图像按照公式Y = ((R*299)+(G*587)+(B*114)) / 1000转换为灰度图像。

4、照片亮度标准化：让照片面部平均亮度值为127，亮度均方差32。

5、利用人脸三庭五眼的规则计算出左右眉毛的大体区域，左眉毛的左上角坐标(60,120)，右下角坐标(110,155)，右眉毛左上角(130,120)，右下角 (180,155)。

6、对左右眉毛区域分别进行高斯滤波，去除噪声干扰。

7、对眉毛区域每一行进行像素统计并求取每一行的平均灰度，如果每一行的平均灰度都小于阈值则判定有头发遮挡，不再进行处理，否则进行下一步。其中取(60,170)--(110,180)区域的平均灰度作为左眉毛区域的判定阈值， (130,170)--(180,180)区域的平均灰度作为右眉毛区域的判定阈值。

8、分别对眉毛区域的每一列求取灰度差值曲线，根据灰度差值曲线的最大最小值位置判断眉毛的上下边缘位置。

9、根据眉毛的上下边缘位置对眉毛区域进行分割提取。

通过对人脸图像的标准化处理以及利用人脸三庭五眼的规则对眉毛进行大体区域的粗分割，可以有效的降低运算量；而利用左右眉毛区域分别对应的(60,170)--(110,180)和(130,170)--(180,180)区域的皮肤灰度信息，可以通过自主学习的方式对眉毛区域进行遮挡判断；同时，利用每一列眉毛的灰度差值曲线可以精确的提取出每一列眉毛的上下边缘信息。

综上所述，本发明可以在有效的克服光照影响的同时，对眉毛边缘进行精确的，联系的提取，有效的克服了毛丽等人的 “一种人脸识别方法及系统” 以及李玉鑑等人的“一种基于半监督学习和哈希索引的眉毛分割算法”的缺陷。

Claims

1.一种眉毛区域的提取方法，其特征在于，包括以下步骤：

1）灰度化待识别人脸图像；

2）利用人脸三庭五眼分割所述图像，粗选左、右眉毛区域；

2.根据权利要求1所述的眉毛区域的提取方法，其特征在于，在粗选左、右眉毛区域后，还包括判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤，若为头发所遮挡，则不继续当前待识别人脸图像的处理。

3.根据权利要求2所述的眉毛区域的提取方法，其特征在于，判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤优选为：

4.根据权利要求3所述的眉毛区域的提取方法，其特征在于，所述阈值取被粗选的左、右眉毛区域下方的人脸皮肤的平均灰度。

5.根据权利要求1至4任一所述的眉毛区域的提取方法，其特征在于，在步骤3）前对粗选的所述左右眉毛区域进行噪声滤波。

6.根据权利要求1至4任一所述的眉毛区域的提取方法，其特征在于，在灰度化待识别人脸图像前，还包括对待识别人脸图像进行归一化处理的步骤，该步骤把待识别图象统一为一种规格。

7.根据权利要求6所述的眉毛区域的提取方法，其特征在于，所述规格为统一的待识别人脸图像的尺寸，统一的两瞳孔间距以及两瞳孔中心点坐标。

8.根据权利要求1所述的眉毛区域的提取方法，其特征在于，灰度化待识别人脸图像的方法为：每一像素点的灰度值Y与R、G、B三个通道的关系为Y = ((R*299)+(G*587)+(B*114)) / 1000。

9.根据权利要求1所述的眉毛区域的提取方法，其特征在于，在粗选左、右眉毛区域前还包括对待识别人脸图像进行亮度标准化的步骤，使待识别人脸图像平均亮度值为127，两度均方差为32。