CN102968636A

CN102968636A - 一种人脸轮廓的提取方法

Info

Publication number: CN102968636A
Application number: CN2012105294233A
Authority: CN
Inventors: 曹杰; 许野平; 方亮; 刘辰飞; 张传峰
Original assignee: SHANDONG SYNTHESIS ELECTRONIC TECHNOLOGY Co Ltd
Current assignee: Synthesis Electronic Technology Co Ltd
Priority date: 2012-12-11
Filing date: 2012-12-11
Publication date: 2013-03-13
Anticipated expiration: 2032-12-11
Also published as: CN102968636B

Abstract

本发明公开了一种人脸轮廓的提取方法，通过标准化要处理的图像尺寸，以降低后续处理的难度，并根据三庭五眼的人脸自然属性，依赖于人脸的平均轮廓，降低光照对人脸轮廓提取的影响。进而通过过鼻尖的射线与人脸轮廓的交点，然后查找分界点，进而拟合人脸轮廓，精确性更高。

Description

一种人脸轮廓的提取方法

技术领域

本发明涉及一种人脸轮廓的提取方法。

背景技术

人脸轮廓线提取是人脸特征识别和人头三维模型重建的基础。在大多数应用中，人脸，尤其是脸型识别都是以正面人脸轮廓为基础进行的识别。更具体地，本文中提取的人脸轮廓是指的是两耳到下巴的外轮廓线，该轮廓可以用来进行人脸脸型的识别，是人脸识别的一个重要特征依据。

人脸轮廓的提取方法，通常采用几种方法：

方法一、使用Canny算子的边缘检测算法，该方法使用全局阈值对图像进行二值化，进而提取人脸轮廓。当所输入的原始图像光照不均匀时，图像上各像素点亮度差异较大，全局阈值显然难以胜任所有位置的边缘检测。由此可知，该方法极易受光照影响，人脸光照不均匀时，不能准确的找到轮廓。

方法二、使用基于肤色模型和梯度算子的方法，提取人脸轮廓，该类方法利用了肤色信息能够很好的提取人脸轮廓，但不能处理灰度图像。

方法三、基于几何活动轮廓模型的人脸轮廓提取方法，利用人脸形状的椭圆性约束来寻找人脸轮廓，这种方法，能较精确地提取出图象中的人脸轮廓。但模型的初始位置直接关系到结果的准确性，容易陷入局部最优解。

发明内容

本发明的目的在于提出一种新的人脸轮廓的提取方法，利用人脸平均轮廓，有效的降低光照的影响，并准确的提取人脸轮廓。

本发明采用以下技术方案：

一种人脸轮廓的提取方法，包括以下步骤：

1）对要处理的图像进行尺寸标准化：规范两瞳孔间距以及两瞳孔的平均中心点坐标，并统一图像尺寸；

2）根据三庭五眼法确定鼻尖位置：依据两瞳孔间距及两瞳孔的平均中心点坐标确定鼻尖A的平均坐标(x0，y0)；

3）过所述鼻尖A向两侧做水平射线K0，进而以K0为基轴，每隔角度m作一条射线Ki，对应有N = 180/m +１条射线，从而射线Ki的方程为y = (x-x0)tan(i*m) + y0，其中0 ≤i ≤N；

4）根据三庭五眼法粗确定人脸轮廓：依据两瞳孔间距及两瞳孔的平均中心点坐标确定左耳垂B的平均坐标为（x2，y2），右耳垂D的平均坐标为（x3，y3），下巴中心点C的平均坐标为（x1，y1），从而过点B、C、D的人脸平均轮廓所对应的方程为y = -( (x-x1) * (x-x1) ) / (2*P) + y1，其中P = (x3 - x2)*( x3 - x2) / ( 8 * (y1-y3) )；

5）依据每一射线Ki的方程与粗获得的人脸轮廓的交点集合M，寻找每一射线Ki上人脸轮廓分界点；

6）集合所有分界点，拟合成人脸轮廓。

从以上的技术方案可以看出，依据本发明的上述人脸轮廓的提取方法通过标准化要处理的图像尺寸，以降低后续处理的难度，并根据三庭五眼的人脸自然属性，依赖于人脸的平均轮廓，降低光照对人脸轮廓提取的影响。进而通过过鼻尖的射线与人脸轮廓的交点，然后查找分界点，进而拟合人脸轮廓，精确性更高。

上述人脸轮廓的提取方法，进一步保证的方案是，步骤5）中确定每一射线Ki上人脸轮廓分界点的方法是：

5.1）构建射线Ki上第j个点的向量Vi(j) = [ Ki (j-5)- Ki (j)，Ki (j-4)- Ki (j)，Ki (j-3)- Ki (j)，Ki (j-2)- Ki (j)，Ki (j-1)- Ki (j)，Ki (j+1)- Ki (j)，Ki (j+2)- Ki (j)，Ki (j+3)- Ki (j)，Ki (j+4)- Ki (j)，Ki (j+5)- Ki (j) ]，其中Ki (j) (0 < j < R)是射线Ki上第j个点的灰度值，R取A点到射线K_i上m_i点的像素长度加上微调参数L；

5.2）计算向量Vi(j)的方差D i(j)，D i(j)是第i条射线上第j个点的向量方差；

5.3）将射线Ki上方差D i(j)最大的前3个点，与集合M对应的交点mi求欧式距离，距离最小的点即为对应射线Ki的边界点。

这样，通过灰度方差，不仅可以准确的射线界定Ki的边界点，而且能够更有效地降低光照对人脸轮廓提取的影响。

上述人脸轮廓的提取方法，在步骤2）之前还包括对要处理的图像进行灰度化的步骤，以减小后续步骤处理的计算量。

上述人脸轮廓的提取方法，对图像进行灰度化的方法是取像素点灰度值Y = R×0.299 + G×0.587 + B×0.114，其中R、G、B为彩色图像三个通道的亮度值。

上述人脸轮廓的提取方法，角度m为5o，使得拟合出的人脸轮廓在相对平滑的同时，计算量也不会很大。

上述人脸轮廓的提取方法，使用最小二乘法多项式进行曲线拟合，多项式方程为f(x)=a₀+a₁x+ a₂x² + … +a_nxⁿ，其中，多项式的阶数n为9，a₀,a₁ ,a₂… a_n是拟合后的多项式系数。

具体实施方式

依据本发明的实施例表述如下，为更清楚的进行表达，以树形结构进行描述：

1、对要处理的图像进行尺寸标准化处理；以降低后续处理的难度，尤其是涉及相关计算的处理；注：后续内容中分号为相对应步骤的说明。

1.1、根据1，对图片进行缩放、旋转、平移、剪裁，使得照片尺寸统一为240×320，两瞳孔距离为64像素，两瞳孔的平均中心点坐标为(120 ,160)；在该技术条件下，可以获得相对清晰的脸部轮廓，且计算量不大。

2、图像灰度化：判定图像为非灰度图像，则将图像灰度化。

2.1、根据2，可用公式Y = R×0.299 + G×0.587 + B×0.114，把RGB 彩色图像转换为灰度图像。

3、根据人眼间距及人脸五官比例，推测鼻尖A的平均坐标为 (x₀，y₀)，过鼻尖A向脸颊两侧做水平射线K₀，过A点，距K₀间隔角度m^--做射线K_i，共有N = 180/m +１条射线,射线K_i的方程为y = (x-x₀)tan(i*5) + y₀，其中0 ≤i ≤N。

人脸五官比例体现在人脸的相似性，表现在三庭五眼法，在计算机图形学中称为三庭五眼算法，也成三庭五眼黄金分割法。其原理在于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。通过一些算法可以在知晓其中的一些量之后可以粗估其他部分的位置和尺寸。三庭和五眼具有位置的相对固定性，并且一些人具有严格的三庭五眼特征，符合黄金分割比例，大多数人在此基础上差别并不大。

3.1、根据3，鼻尖A的平均坐标可以是（120，205），角度m可以是5，则射线K_i的方程为y = (x-120)tan(i*m) + 205，其中0 ≤ i ≤37，tan表示正切函数。

4、根据人眼间距及人脸五官比例，推测左耳垂B的平均坐标为（x₂，y₂），右耳垂D的平均坐标为（x₃，y₃），下巴中心点C的平均坐标为（x₁，y₁），过点B、C、D的人脸平均轮廓方程为y = -( (x-x₁) * (x-x₁) ) / (2*P) + y₁，其中P = (x₃ - x₂)*( x₃ - x₂) / ( 8 * (y₁-y₃) )；这里的平均就主要表现为三庭五眼黄金分割的情形，是人脸的一般属性；那么依据该轮廓与上述射线的交点就，以及边缘点的属性就可以找出准确的人脸轮廓。

4.1、根据4、左耳垂B的平均坐标可以是（47，210），右耳垂D的平均坐标可以是（193，210），下巴中心点C的平均坐标可以是（120，277），P = (x₃ - x₂)*( x₃ - x₂) / ( 8 * (y₁-y₃) ) = (193 – 47)*( 193 – 47) / ( 8 * (277-210) ) = 39.77。人脸平均轮廓方程y = -( (x-x1) * (x-x1) ) / (2*P) + y1 = -( (x-120) * (x-120) ) / (2*39.77) + 277 = -( (x-120) * (x-120) ) /79.54 + 277。

5、求人脸平均轮廓方程和射线K_i的交点集合M ={m₀，m₁，m₂，…，m_i}是射线K_i上的人脸平均轮廓边界点集合，其中0 ≤ i ≤ (180/m +１)。

6、寻找射线K_i上的人脸轮廓边界点：以A为起点向脸颊两侧方向，依次遍历每条射线寻找人脸轮廓边界点。

6.1、构建射线K_i上第j个点的向量V_i(j) = [ K_i (j-5)- K_i (j)，K_i (j-4)- K_i (j)，K_i (j-3)- K_i (j)，K_i (j-2)- K_i (j)，K_i (j-1)- K_i (j)，K_i (j+1)- K_i (j)，K_i (j+2)- K_i (j)，K_i (j+3)- K_i (j)，K_i (j+4)- K_i (j)，K_i (j+5)- K_i (j) ]，其中K_i (j) (0 < j < R)是射线K_i上第j个点的灰度值，R取A点到射线K_i上m_i点的像素长度加上微调参数L。

6.1.1、根据6.1，R的调整微调L = 10。

6.2、计算向量V_i(j)的方差D_i(j)，D_i(j)是第i条射线上第j个点的向量方差。

6.3、将射线K_i上方差D_i(j)最大的前3个点，与集合M对应的交点m_i求欧式距离，距离最小的即为要寻找的边界点。

7、对每条射线K_i上找到的人脸轮廓边界点，使用最小二乘法多项式进行曲线拟合，得到人脸轮廓曲线方程。

7.1、根据7，拟合的多项式是f(x)=a₀+a₁x+ a₂x² + … +a_nxⁿ，其中，n是多项式的阶数，这里取n = 9；a₀,a₁ ,a₂… a_n是拟合后的多项式系数。

Claims

1.一种人脸轮廓的提取方法，其特征在于，包括以下步骤：

2）根据三庭五眼法确定鼻尖位置：依据两瞳孔间距及两瞳孔的平均中心点坐标确定鼻尖A的平均坐标(x₀，y₀)；

3）过所述鼻尖A向两侧做水平射线K₀，进而以K₀为基轴，每隔角度m作一条射线K_i，对应有N = 180/m +１条射线，从而射线K_i的方程为y = (x-x₀)tan(i*m) + y₀，其中0 ≤i ≤N；

4）根据三庭五眼法粗确定人脸轮廓：依据两瞳孔间距及两瞳孔的平均中心点坐标确定左耳垂B的平均坐标为（x₂，y₂），右耳垂D的平均坐标为（x₃，y₃），下巴中心点C的平均坐标为（x₁，y₁），从而过点B、C、D的人脸平均轮廓所对应的方程为y = -( (x-x₁) * (x-x₁) ) / (2*P) + y₁，其中P = (x₃ - x₂)*( x₃ - x₂) / ( 8 * (y₁-y₃) )；

5）依据每一射线K_i的方程与粗获得的人脸轮廓的交点集合M，寻找每一射线K_i上人脸轮廓分界点；

6）集合所有分界点，拟合成人脸轮廓。

2.根据权利要求1所述的人脸轮廓的提取方法，其特征在于，步骤5）中确定每一射线K_i上人脸轮廓分界点的方法是：

5.1）构建射线K_i上第j个点的向量V_i(j) = [ K_i (j-5)- K_i (j)，K_i (j-4)- K_i (j)，K_i (j-3)- K_i (j)，K_i (j-2)- K_i (j)，K_i (j-1)- K_i (j)，K_i (j+1)- K_i (j)，K_i (j+2)- K_i (j)，K_i (j+3)- K_i (j)，K_i (j+4)- K_i (j)，K_i (j+5)- K_i (j) ]，其中K_i (j) (0 < j < R)是射线K_i上第j个点的灰度值，R取A点到射线K_i上m_i点的像素长度加上微调参数L；

5.2）计算向量V_i(j)的方差D_i(j)，D_i(j)是第i条射线上第j个点的向量方差；

5.3）将射线K_i上方差D_i(j)最大的前3个点，与集合M对应的交点m_i求欧式距离，距离最小的点即为对应射线K_i的边界点。

3.根据权利要求1或2所述的人脸轮廓的提取方法，其特征在于，在步骤2）之前还包括对要处理的图像进行灰度化的步骤。

4.根据权利要求3所述的人脸轮廓的提取方法，其特征在于，对图像进行灰度化的方法是取像素点灰度值Y = R×0.299 + G×0.587 + B×0.114，其中R、G、B为彩色图像三个通道的亮度值。

5.根据权利要求1或2所述的人脸轮廓的提取方法，其特征在于，角度m为5o。

6.根据权利要求1所述的人脸轮廓的提取方法，其特征在于，使用最小二乘法多项式进行曲线拟合，多项式方程为f(x)=a₀+a₁x+ a₂x₂ + … +a_nx_n，其中，多项式的阶数n为9，a₀,a₁ ,a₂… a_n是拟合后的多项式系数。