CN104021550B - 一种人脸三庭五眼自动定位及比例确定方法 - Google Patents

Abstract

本发明公开了一种人脸三庭五眼自动定位及比例确定方法，在高清人脸图像上自动检测及提取完整人脸，自动检测局部特征及定位特征点，检测的局部特征包括左眼、右眼、左眉毛、右眉毛、鼻子、嘴巴、额头发际区、下巴区及脸宽区；定位的特征点包括左眼内眼角点、左眼外眼角点、右眼内眼角点、右眼外眼角点、左眉头点、右眉头点、鼻下点、下巴点、额头发际点、左眼外眼角外侧发际点以及右眼外眼角外侧发际点，最终，根据特征点在人脸图像中的坐标位置，自动计算出三庭五眼的像素间距及比例关系。本发明方法，定位及计算结果直观可见，准确度高。

Description

一种人脸三庭五眼自动定位及比例确定方法

技术领域

本发明属于人脸面部结构分析技术领域，涉及一种人脸三庭五眼自动定位及比例确定方法。

背景技术

人脸三庭五眼是人脸结构特征的一种描述方式，三庭是指额头中部发际线到眉头点连线、眉头点连线到鼻翼下缘和鼻翼下缘到下巴尖的三个部分；五眼是指左眼外眼角到左侧发际边缘、左眼内外眼角之间、左右眼内眼角之间、右眼内外眼角之间及右眼外眼角到右侧发际边缘的五个部分。

人脸三庭五眼的比例关系是人脸面部结构分析的重要依据之一。目前，人脸三庭五眼的比例关系主要是通过手动测量及计算得到，主要方式包括：1)直接测量人脸的三庭五眼间距，计算三庭五眼的比例关系；2)拍摄人脸正面标准图像，手动测量人脸图像上的三庭五眼间距，计算三庭五眼的比例关系。由于人脸凹凸不平，手动直接测量三庭五眼间距存在诸多不便，会给测量者及被测者同时带来不必要的麻烦；与前者相比，拍摄后测量人脸图像上的三庭五眼间距虽然可以避免直接测量带来的诸多不便，但手动测量人脸图像上的三庭五眼间距步骤还是比较繁琐耗时。

发明内容

本发明的目的是提供一种人脸三庭五眼自动定位及比例确定方法，解决了现有技术中采用手动测量及计算三庭五眼比例关系中的繁琐耗时的问题。

本发明所采用的技术方案是，一种人脸三庭五眼自动定位及比例确定方法，具体按照以下步骤实施：

步骤1、检测人脸及提取完整人脸；

步骤2、检测人脸局部特征，定位特征点；

步骤3、确定三庭五眼的像素间距及比例。

本发明的有益效果是，在高清人脸图像上自动检测及提取完整人脸，自动检测局部特征及定位特征点，检测的局部特征包括左眼、右眼、左眉毛、右眉毛、鼻子、嘴巴、额头发际区、下巴区及脸宽区；定位的特征点包括左眼内眼角点、左眼外眼角点、右眼内眼角点、右眼外眼角点、左眉头点、右眉头点、鼻下点、下巴点、额头发际点、左眼外眼角外侧发际点以及右眼外眼角外侧发际点，最终，根据特征点在人脸图像中的坐标位置，自动计算出三庭五眼的像素间距及比例关系，定位及计算结果直观可见，准确度高。

附图说明

图1是本发明方法提取的完整人脸示意图；

图2是本发明方法在定位眼睛区域时左眼边界处理示意图；

图3是本发明方法在定位眼睛区域时右眼边界处理示意图；

图4是本发明方法在眼角点定位时左眼边界处理示意图；

图5是本发明方法在眼角点定位时右眼边界处理示意图；

图6是本发明方法在人脸特征点定位时结果示意图；

图7是本发明方法对人脸三庭五眼间距划分示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明的人脸三庭五眼自动定位及比例确定方法，具体按照以下步骤实施：

步骤1、检测人脸及提取完整人脸

对于摄像头拍摄或者直接打开的一幅人脸正面高清图像，利用AdaBoost算法的人脸分类器进行人脸检测，所检测到的人脸区域记为FaceRO，定义其左上角点为LeftTopPoint_face，该点的横坐标为LeftTopPoint_face·x、纵坐标为LeftTopPoint_face.y，宽为w_face，高为h_face，由区域FaceROI经公式(1)计算得到完整人脸区域FaceROI_Whole的左上角点的横坐标为LeftTopPoint_{face_Whole}.x，纵坐标为LeftTopPoint_{face_Whole}.y，宽度为W，高度为H，参照如下公式(1)：

${\mathrm{LeftTopPoint}}_{\mathrm{face}\_\mathrm{Whole}}\·x={\mathrm{LeftTopPoint}}_{\mathrm{face}}\·x-\frac{W_{\mathrm{face}}}{7}$

${\mathrm{LeftTopPoint}}_{\mathrm{face}\_\mathrm{Whole}}\·y={\mathrm{LeftTopPoint}}_{\mathrm{face}}\·y-\frac{h_{\mathrm{face}}}{5}$

$W=w_{\mathrm{face}}+\frac{2*w_{\mathrm{face}}}{7},---\left(1\right)$

$H=h_{\mathrm{face}}+\frac{12*h_{\mathrm{face}}}{35}$

最终提取得到完整的人脸区域FaceROI_Whole，如图1所示；

步骤2、检测人脸局部特征，定位特征点

2.1)检测眼睛及眼角点定位

2.1.1)检测眼睛及初步定位眼睛区域

如图1所示，在完整人脸区域FaceROI_Whole中，由点(0,0)、(W/2,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行左眼检测，所检测到的左眼区域记为LeftROI，其宽、高分别记为w_eyeL、h_eyeL，左上角点记为LeftopPoint_LeftROI；

在由点(W/2,0)和点(W,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行右眼检测，所检测到的右眼区域记为RightROI，其宽、高分别记为w_eyeR、h_eyeR，左上角点记为LeftTopPoint_RightROI；

2.1.2)定位眼睛区域

在完整人脸区域FaceROI_Whole中拷贝LeftROI区域到LeftROIImg，对区域LeftROIImg灰度化，计算该区域的灰度均值，记为LeftROIImgG，再二值化，二值化阈值LeftThreshold的计算公式为：

LeftThreshold＝0.8*LeftROIImgG， (2)

二值化时，若像素的灰度值大于阈值LeftThreshold，则把像素置黑，否则置白，以下所有二值化操作均遵循此原则；

置LeftROIImg二值图中高为的上边界区域为黑，参照图2；

在完整人脸区域FaceROI_Whole中拷贝RightROI区域到RightRO，II对m区g域RightROIImg灰度化，计算该区域的灰度均值，记为RightROIImgG，再二值化，二值化阈值RightThreshold的计算公式为：

RightThreshold＝0.8*RightROIImgG， (3)

置RightROIImg二值图中高为的上边界区域为黑，参照图3；

遍历LeftROIImg二值图，分别寻找上、下、左、右第一个白点L_t、L_b、L_l、L_r，过L_t、L_b分别沿水平方向画线，过L_l、L_r分别沿垂直方向画线，该四条直线的交点所围成的矩形区域的中心点记为O_eyeLS，宽、高分别记为w_eyeLS、h_eyeLS；返回完整人脸区域FaceROI_Whole中，以O_eyeLS为中心点，得到新的矩形区域LeftROI_new，其左上角点记为LeftTopPoint_{LeftROI_new}，宽、高分别为w_eyeLnew、h_eyeLnew，计算公式如下：

w_eyeLnew＝2*w_eyeLS

，(4)

h_eyeLnew＝2*h_eyeLS

遍历RightROIImg二值图，分别寻找上、下、左、右第一个白点R_t、R_b、R_l、R_r，过R_t、R_b分别沿水平方向画线，过R_l、R_r分别沿垂直方向画线，此四条直线的交点所围成的矩形区域的中心点记为O_eyeRS，宽、高分别记为w_eyeRS、h_eyeRS；返回完整人脸区域FaceROI_Whole中，以O_eyeRS为中心点，得到新的矩形区域RightROI_new，其左上角点记为LeftTopPoint_{RightROI_new}，宽、高分别为w_eyeRnew、h_eyeRnew，计算公式如下：

w_eyeRnew＝2*w_eyeRS

，(5)

h_eyeRnew＝2*h_eyeRS

2.1.3)定位内外眼角点

2.1.3.1)在完整人脸区域FaceROI_Whole中拷贝LeftROI_new区域到LeftROI_newImg，对区域LeftROI_newImg灰度化，再二值化，二值化阈值计算公式同公式(2)；置LeftROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑，参照图4；

在完整人脸区域FaceROI_W中拷贝RightROI_区域到RightROI_newImg，对区域RightROI_newImg灰度化，再二值化，二值化阈值计算公式同公式(3)；置RightROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑，参照图5；

2.1.3.2)遍历LeftROI_newImg二值图，分别寻找左、右第一个白点，即为疑似左眼外、内眼角点L_eyeOut、L_eyeIn；遍历RightROI_newImg二值图，分别寻找左、右第一个白点，即为疑似右眼内、外眼角点R_eyeIn、R_eyeOut；

2.1.3.3)分别计算L_eyeIn、L_eyeOut的水平间距d_InOutLx、垂直间距d_InOutLy，分别计算R_eyeIn、R_eyeOut的水平间距d_InOutRx、垂直间距d_InOutRy，计算公式如下：

d_InOutLx＝|L_eyeIn.x-L_eyeOut.x|

d_InOutLy＝|L_eyeIn.y-L_eyeOut.y|

d_InOutRx＝|R_eyeIn.x-R_eyeOut.x|， (6)

d_InOutRy＝|R_eyeIn.y-R_eyeOut.y|

其中，L_eyeIn.x、L_eyeIn.y分别为左眼内眼角点L_eyeIn的横、纵坐标，L_eyeOut.x、L_eyeOut.y分别为左眼外眼角点L_eyeOut的横、纵坐标，R_eyeIn.x、R_eyeIn.y分别为右眼内眼角点R_eyeIn的横、纵坐标，R_eyeOut.x、R_eyeOut.y分别为右眼外眼角点R_eyeOut的横、纵坐标；判断L_eyeIn、L_eyeOut、R_eyeIn、R_eyeOut、d_InOutLx、d_InOutLy、d_InOutRx、d_InOutRy是否满足公式(7)中的条件：

① $|d_{\mathrm{InOutLx}}-d_{\mathrm{InOutRx}}|<\frac{\min (w_{\mathrm{eyeLS}},w_{\mathrm{eyeRS}})}{4}$

② $|d_{\mathrm{InOutLy}}-d_{\mathrm{InOutRy}}|<\frac{\min (w_{\mathrm{eyeLS}},w_{\mathrm{eyeRS}})}{3}$

③ $|L_{\mathrm{eyeIn}}\&CenterDot;y{-R}_{\mathrm{eyeIn}}\&CenterDot;y|<\frac{\min (h_{\mathrm{eyeLS}},h_{\mathrm{eyeRS}})}{4}$ ，(7)

④ $|L_{\mathrm{eyeOut}}\&CenterDot;y{-R}_{\mathrm{eyeOut}}\&CenterDot;y|<\frac{\min (h_{\mathrm{eyeLS}},h_{\mathrm{eyeRS}})}{4}$

其中，min(w_eyeLS，w_eyeRS)为w_eyeLS、w_eyeRS两者中值较小者，min(h_eyeLS,h_eyeRS)为h_eyeLS、h_eyeRS两者中值较小者，L_eyeIn.y为左眼内眼角点L_eyeIn的纵坐标，L_eyeOut.y为左眼外眼角点L_eyeOut的纵坐标，R_eyeIn.y为右眼内眼角点R_eyeIn的纵坐标，R_eyeOut.y为右眼外眼角点R_eyeOut的纵坐标；

不满足条件①时，扩大区域LeftROI_new、RightROI_new，区域中心点O_eyeLS、O_eyeRS保持不变，宽度分别变为1.2*w_eyeLnew、1.2*w_eyeRnew，高度分别变更为1.2*h_eyeLnew、1.2*h_eyeRnew，重新执行步骤2.1.3.1)、步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件①为止；

不满足条件②、③、④时，把步骤2.1.3.1)中置黑的上、下边界区域高度分别扩大为原上、下边界区域高度的1.3倍，重新执行步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件②、③、④为止；

这时，L_eyeIn、L_eyeOut即为最终定位的左眼内、外眼角点，R_eyeIn、R_eyeOut即为最终定位的右眼内、外眼角点；

2.2)确定眉毛区域及定位眉头点

2.2.1)确定眉毛区域

在完整人脸区域FaceROI_Whole中，定义O_eyeLS点垂直方向上方2*h_eyeLS处的点为O_LM，以O_LM为中心点，2.5*w_eyeLS为宽，2*h_eyeLS为高，即为左眉毛所在区域LeftMROI，其宽、高分别记为w_LM、h_LM；定义O_eyeRS点垂直方向上方2*h_eyeRS处的点为O_RM，以O_RM为中心点，2.5*w_eyeRS为宽，2*h_eyeRS为高，即为右眉毛所在区域RightMROI，其宽、高分别记为w_RM、h_RM；

2.2.2)定位眉头点

2.2.2.1)在完整人脸区域FaceROI_Whole中拷贝LeftMROI区域到LeftMROIImg，对区域LeftMROIImg灰度化，计算该区域的灰度均值，记为LeftMROIImgG，再二值化，二值化阈值LeftThreshold_M的计算公式为：

LeftThreshold_M＝0.85*LeftMROIImgG， (8)

置LeftMROIImg二值图中上边界高度为的区域、右边界宽度为的区域为黑；

在完整人脸区域FaceROI_Whole中拷贝RightM区域到RightMRO，对区域RightMROIImg灰度化，计算该区域的灰度均值，记为RightMROIImgG，再二值化，二值化阈值RightThreshold_M的计算公式为：

RightThreshold_M＝0.85*RightMROIImgG， (9)

置RightMROIImg二值图中上边界高度为的区域、左边界宽度为的区域为黑；

2.2.2.2)遍历LeftMROIImg二值图，由右到左、由上到下寻找第一个白点LM_t，由右到左、由下到上寻找第一个白点LM_b，LM_t、LM_b即为疑似左眉头上、下点；遍历RightMROIImg二值图，由左到右、由上到下寻找第一个白点RM_t，由左到右、由下到上寻找第一个白点RM_b，RM_t、RM_b即为疑似右眉头上、下点；

2.2.2.3)计算LM_t、LM_b的垂直间距d_LMy，RM_t、RM_b的垂直间距d_RMy，LM_t、RM_t的垂直间距d_LRMty和LM_b、RM_b的垂直间距d_LRMby，计算公式如下：

d_LMy＝|LM_t.y-LM_b.y|

d_RMy＝|RM_t.y-RM_b.y|

d_LRMty＝|LM_t.y-RM_t.y|， (10)

d_LRMby＝|LM_b.y-RM_b.y|

其中，LM_t.y为左眉头上点LM_t纵坐标，LM_b.y为左眉头下点LM_b纵坐标，RM_t.y为右眉头上点RM_t纵坐标，RM_b.y为右眉头下点RM_b纵坐标；

判断d_LMy、d_RMy、d_LRMty、d_LRMby是否满足公式(11)中的条件：

$|d_{\mathrm{LMy}}-d_{\mathrm{RMy}}|<\frac{\min (h_{\mathrm{LM}},h_{\mathrm{RM}})}{3}$

$d_{\mathrm{LRMty}}<\frac{\min (h_{\mathrm{LM}},h_{\mathrm{RM}})}{5}$

$d_{\mathrm{LRMby}}<\frac{\min (h_{\mathrm{LM}},h_{\mathrm{RM}})}{5},---\left(11\right)$

其中，min(h_LM,h_RM)为h_LM、h_RM两者中值较小者；

不满足条件时，将步骤2.2.2.1)中置黑的上边界区域高度扩大为原上边界区域高度的1.5倍，重新执行步骤2.2.2.2)、步骤2.2.2.3)，直到满足条件为止；

这时，最终定位的左眉头点LM的横坐标LM.x、纵坐标LM.y，右眉头点RM的横坐标RM.x、纵坐标RM.y的计算公式如下：

$\mathrm{LM}.x=\frac{({\mathrm{LM}}_t.x+{\mathrm{LM}}_b.x)}{2}$

$\mathrm{LM}.y=\frac{({\mathrm{LM}}_t.y+{\mathrm{LM}}_b.y)}{2}$

$\mathrm{RM}.x=\frac{({\mathrm{RM}}_t.x+{\mathrm{RM}}_b.x)}{2}$ ，(12)

$\mathrm{RM}\&CenterDot;y=\frac{({\mathrm{RM}}_t\&CenterDot;y+{\mathrm{RM}}_b\&CenterDot;y)}{2}$

其中，LM_t.x、LM_t.y为左眉头上点LM_t的横、纵坐标，LM_b.x、LM_b.y为左眉头下点LM_b的横、纵坐标，RM_t.x、RM_t.y为右眉头上点RM_t的横、纵坐标，RM_b.x、RM_b.y为右眉头下点RM_b的横、纵坐标；

2.3)检测鼻子及定位鼻下点

2.3.1)确定鼻子区域

参照图1，在完整人脸区域FaceROI_Whole中，由点(0,H/3)、(W,H)围成的矩形区域内，利用AdaBoost算法的鼻子分类器进行鼻子检测，所检测到的区域记为NoseROI，定义其左上角点为LeftTopPoint_NoseROI，它的横坐标为LeftTopPoint_NoseROI.x、纵坐标为LeftTopPoint_NoseROI.y，宽为w_N，高为h_N；判断NoseROI区域是否满足公式(13)中的条件：

$\frac{W}{5}<w_N<\frac{W}{3}$

$\frac{H}{6}<h_N<\frac{H}{3}$ ，(13)

$\frac{W}{3}<{\mathrm{LeftTopPoint}}_{\mathrm{NoseROI}}\&CenterDot;x<\frac{W}{2}$

$\frac{H}{3}<{\mathrm{LeftTopPoint}}_{\mathrm{NoseROI}}\&CenterDot;y<\frac{2*H}{3}$

W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

满足条件时，NoseROI区域即为确定的鼻子区域NoseROI_final，其宽、高分别记为w_Nf、h_Nf，左上角点记为LeftTopPoint_{NoseROI_final}；否则，NoseROI_fin区al域的左上角点的横坐标LeftTopPoint_{NoseROI_final}.x、纵坐标LeftTopPoint_{NoseROI_final}.y、宽度w_Nf、高度h_Nf由公式(14)计算得出：

LeftTopPoint_{NoseROI_final}.x＝L_eyeIn.x

${\mathrm{LeftTopPoint}}_{\mathrm{NoseROI}\_\mathrm{final}}\&CenterDot;y=\frac{L_{\mathrm{eyeIn}}\&CenterDot;y+R_{\mathrm{eyeIn}}\&CenterDot;y}{2}+\frac{H}{12}$

w_Nf＝|L_eyeIn.x-R_eyeIn.x| ，(14)

$h_{\mathrm{Nf}}=\frac{H}{7}$

L_eyeIn.x、L_eyeIn.y为步骤2.1.3)中定位的左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为步骤2.1.3)中定位的右眼内眼角点R_eyeIn的横、纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；

2.3.2)定位鼻下点

2.3.2.1)在完整人脸区域FaceROI_Whole中拷贝NoseROI_final区域到NoseROI_finalImg，对区域NoseROI_finalImg灰度化，计算该区域的灰度最小值，记为NoseROI_finalImgM，再二值化，二值化阈值NoseThreshold的计算公式为：

NoseThreshold＝4*NoseROI_finalImgM+10， (15)

2.3.2.2)遍历NoseROI_finalImg二值图，由下到上、由左到右寻找第一个白点N_L，由下到上、由右到左寻找第一个白点N_R，N_L、N_R即为疑似左、右鼻孔点；

2.3.2.3)分别计算N_L、N_R的水平间距d_NLRx、垂直间距d_NLRy，公式是：

d_NLRx＝|N_L.x-N_R.x|， (16)

d_NLRy＝|N_L.y-N_R.y|

其中，N_L.x、N_L.y为左鼻孔点N_L的横、纵坐标，N_R.x、N_R.y为右鼻孔点N_R的横、纵坐标；判断N_L.x、N_L.y、N_R.x、N_R.y、d_NLRx、d_NLRy是否满足公式(17)中的条件：

①N_L.x≠0

②N_L.y≠0

③N_R.x≠0

④N_R.y≠0

⑤ $d_{\mathrm{NLRx}}<\frac{5*w_{\mathrm{Nf}}}{6}$ ， (17)

⑥ $d_{\mathrm{NLRy}}<\frac{h_{\mathrm{Nf}}}{6}$

不满足条件①、②、③、④时，扩大区域NoseROI_final，区域中心保持不变，高度变为1.2*h_Nf，重新执行步骤2.3.2.1)、步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件①、②、③、④为止；

不满足条件⑤、⑥时，将步骤2.3.2.1)中二值化阈值NoseThreshold减小为0.85*NoseThreshold，重新执行步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件⑤、⑥为止；

这时，最终定位的鼻下点N的横坐标N.x、纵坐标N.y的计算公式是：

$\begin{array}{c}N.x=\frac{(\mathrm{LM}.x+\mathrm{RM}.x)}{2}\\ N.y=\frac{(N_L\&CenterDot;y+N_R\&CenterDot;y)}{2}+\frac{H}{60}\end{array},---\left(18\right)$

其中，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标，N_L.y为左鼻孔点N_L的纵坐标，N_R.y为右鼻孔点N_R的纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；

2.4)确定下巴区域及定位下巴点

2.4.1)确定下巴区域

如图1，在完整人脸区域FaceROI_Whole中，由点(0,H/2)、(W,H)围成的矩形区域内，利用AdaBoost算法的嘴巴分类器进行嘴巴检测，所检测到的区域记为MouthROI，定义其左上角点为LeftTopPoint_MouthROI，它的横坐标为LeftTopPoint_MouthROI.x、纵坐标为LeftTopPoint_MouthROI.y，宽为w_M，高为h_M；判断MouthROI区域是否满足公式(19)中的条件：

$\frac{W}{5}<w_M<\frac{W}{2}$

$\frac{H}{10}<h_M<\frac{H}{3}$

$\frac{W}{5}<{\mathrm{LeftTopPoint}}_{\mathrm{MouthROI}}\&CenterDot;x<\frac{W}{2}$

$\frac{H}{2}<{\mathrm{LeftTopPoint}}_{\mathrm{MouthROI}}\&CenterDot;y<\frac{5*H}{6},---\left(19\right)$

其中，W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

满足条件时，MouthROI区域即为确定的嘴巴区域MouthROI_final，其宽、高分别记为w_Mf、h_Mf，左上角点记为LeftTopPoint_{MouthROI_final}；否则，MouthROI_final区域的左上角点的横坐标LeftTopPoint_{MouthROI_final}.x、纵坐标LeftTopPoint_{MouthROI_final}.y、宽度w_Mf、高度h_Mf由公式(20)计算得出：

${\mathrm{LeftTopPoint}}_{\mathrm{MouthROI}\_\mathrm{final}}\&CenterDot;x=N.x-\frac{W}{6}$

${\mathrm{LeftTopPoint}}_{\mathrm{MouthROI}\_\mathrm{final}}\&CenterDot;y=N.y+\frac{H}{15}$

$w_{\mathrm{Mf}}=\frac{W}{3},---\left(20\right)$

$h_{\mathrm{Mf}}=\frac{H}{8}$

其中，N.x、N.y为步骤2.3.2)中定位的鼻下点N的横、纵坐标，W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

在完整人脸区域FaceROI_Wh中拷贝MouthROI_f区域到MouthROI_fina，把MouthROI_finalIm由RGB空间转换到HSV空间，转换公式如下：

V＝max(R,G,B)

$S=\left\{\begin{array}{cc}0& V=0\\ \frac{\max (R,G,B)-\min (R,G,B)}{\max (R,G,B)}& V\&NotEqual;0\end{array}\right.,---\left(21\right)$

$H=\left\{\begin{array}{cc}0& V=0\\ \frac{(G-B)}{\mathrm{VS}}\&times;60& V=R\\ (2+\frac{B-R}{\mathrm{SV}})\&times;60& V=G\\ (4+\frac{R-G}{\mathrm{SV}})\&times;60& V=B\\ H+360& H<0\end{array}\right.$

其中，max(R,G,B)、min(R,G,B)分别为像素的R、G、B值中的最大值和最小值；

若像素的H、S值满足公式(22)中的条件，则将像素置白，否则将像素置黑，得到MouthROI_finalImg的二值图；

320≤H＜360 且0.3≤S＜1， (22)

遍历MouthROI_finalImg二值图，由左到右、由下到上按列扫描寻找第一个白点M_L，由右到左、由下到上按列扫描寻找第一个白点M_R，由下到上、由右到左按行扫描寻找第一个白点M_M，M_L、M_R、M_M即为疑似左嘴角点、右嘴角点、嘴巴下边缘点；

计算M_L、M_R的水平间距d_MLRx，M_L与M_M、M_R与M_M的垂直间距d_MLMy、d_MRMy，计算公式如下：

d_MLRx＝|M_L.x-M_R.x|

d_MLMy＝|M_L.y-M_M.y|， (23)

d_MRMy＝|M_R.y-M_M.y|

其中，M_L.x、M_L.y为左嘴角点M_L的横、纵坐标，M_R.x、M_R.y为右嘴角点M_R的横、纵坐标，M_M.y为嘴巴下边缘点M_M的纵坐标；

判断M_L.x、M_L.y、M_R.x、M_R.y、M_M.x、M_M.y、d_MLRx、d_MLMy、d_MRMy是否满足公式(24)中的条件：

①M_L.x≠0,M_R.x≠0,M_M.x≠0

②M_L.y≠0，M_R.y≠0,M_M.y≠0

③ $d_{\mathrm{MLRx}}>\frac{w_{\mathrm{Mf}}}{2}$ ，(24)

④ $d_{\mathrm{MLMy}}<\frac{h_{\mathrm{Mf}}}{2}$

⑤ $d_{\mathrm{MRMy}}<\frac{h_{\mathrm{Mf}}}{2}$

不满足条件①、②时，修正公式(22)中H、S的取值范围，H下限值在原基础上减5，S下限值在原基础上减0.05，重新二值化，直到满足条件①、②为止；

不满足条件③、④、⑤时，缩小MouthROI_final区域，保持MouthROI_final区域中心不变，宽、高分别变为0.9*w_Mf、0.9*h_Mf，重新进行由RGB到HSV的颜色空间转换及二值化，直到满足条件③、④、⑤为止；

定位的嘴巴下边缘点M的横坐标M.x、纵坐标M.y的计算公式如下：

$\begin{array}{c}M.x=\frac{(\mathrm{LM}.x+\mathrm{RM}.x)}{2}\\ M.y=\frac{(M_L\&CenterDot;y+M_R\&CenterDot;y)}{2}+\frac{(d_{\mathrm{MLMy}}+d_{\mathrm{MRMy}})}{2}\end{array},---\left(25\right)$

LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM横坐标；

在完整人脸区域FaceROI_Whole中，定义M点垂直方向下方h_Mf处的点为O_C，以O_C为中心点，为宽，2*h_Mf为高，即为下巴所在区域ChinRO，其宽、高分别记为w_C、h_C；

2.4.2)定位下巴点

2.4.2.1)在完整人脸区域FaceROI_Who中拷贝ChinRO区域到ChinROIIm，g对区域ChinROIImg灰度化，计算该区域的灰度均值，记为ChinROIImgG，再二值化，二值化阈值ChinThreshold的计算公式为：

ChinThreshold＝0.85*ChinROIImgG， (26)

2.4.2.2)遍历ChinROIImg二值图，由上到下，分别寻找水平坐标值为0、w_C时的第一个白点C₁、C₂、C₃、C₄、C₅、C₆、C₇，若C_i，i∈1,2,3,4,5,6,7不存在，则C_i，i∈1,2,3,4,5,6,7的纵坐标值等于与其相邻的下一个点的纵坐标值，若C₇不存在，则C₇的纵坐标值等于C₁的纵坐标值，C₁、C₂、C₃、C₄、C₅、C₆、C₇即为7个疑似下巴点；

2.4.2.3)判断点C₁、C₂、C₃、C₄、C₅、C₆、C₇是否满足公式(27)中的条件；C_i.y≠0，i＝1,2,3,4,5,6,7， (27)

其中，C_i.y为疑似下巴点C_i的纵坐标，i＝1,2,3,4,5,6,7；

不满足条件时将步骤2.4.2.1)中二值化阈值ChinThreshold增大为1.05*ChinThresho，ld重新执行步骤2.4.2.2)、步骤2.4.2.3)直到满足条件止；

这时，最终定位的下巴点C的横坐标C.x、纵坐标C.y的计算公式如下：

$C.x=\frac{\mathrm{LM}.x+\mathrm{RM}.x}{2}$

$C.y=\frac{{a_1}^{*}{C}_1\&CenterDot;y+{a_2}^{*}{C}_2\&CenterDot;y+{a_3}^{*}{C}_3\&CenterDot;y+{a_4}^{*}{C}_4\&CenterDot;y+{a_5}^{*}{C}_5\&CenterDot;y+{a_6}^{*}{C}_6\&CenterDot;y+{a_7}^{*}{C}_7\&CenterDot;y}{a_1+a_2+a_3+a_4+a_5+a_6+a_7},---\left(28\right)$

其中，max(C₁.y,C₂.y,C₃.y,C₄.y,C₅.y,C₆.y,C₇.y)为C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y中的最大值，C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y分别为疑似下巴点C₁、C₂、C₃、C₄、C₅、C₆、C₇的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；

2.5)确定额头发际区域及定位额头发际点

2.5.1)确定额头发际区域

在完整人脸区域FaceROI_Whole中，定义左、右眉头点LM、RM的中心点为O_LRM，LM、RM的水平间距为d_LRM，O_LRM的横、纵坐标O_LRM.x、O_LRM.y及d_LRM的计算公式如下：

$O_{\mathrm{LRM}}\&CenterDot;x=\frac{\mathrm{LM}.x+\mathrm{RM}.x}{2}$

$O_{\mathrm{LRM}}\&CenterDot;y=\frac{\mathrm{LM}.y+\mathrm{RM}.y}{2},---\left(29\right)$

d_LRM＝|LM.x-RM.x|

其中，LM.x、LM.y为步骤2.2.2)中定位的左眉头点LM的横、纵坐标，RM.x、RM.y为步骤2.2.2)中定位的右眉头点RM的横、纵坐标；

在完整人脸区域FaceROI_Whole中，定义O_LRM点垂直方向上方2*d_LRM处的点为O_F，以O_F为中心点，为宽，为高，即为额头发际所在区域ForeROI，其宽、高分别记为w_F、h_F；

2.5.2)定位额头发际点

2.5.2.1)在完整人脸区域FaceROI_Wh中拷贝ForeROI区域到ForeROIIm，对区域ForeROIImg灰度化，计算该区域的灰度均值，记为ForeROIImgG，再二值化，二值化阈值ForeThreshold的计算公式为：

ForeThreshold0.8*Fore， (30)

2.5.2.2)遍历ForeROIImg二值图，由下到上，分别寻找水平坐标值为0、w_F时的第一个白点F₁、F₂、F₃，若点F_i，i∈1,2,3不存在，则F_i，i∈1,2,3的纵坐标值等于与其相邻的下一个点的纵坐标值，若F₃不存在，则F₃的纵坐标值等于F₁的纵坐标值，F₁、F₂、F₃即为3个疑似发际点；

2.5.2.3)判断点F₁、F₂、F₃是否满足公式(31)中的条件：

F_i.y≠0，i＝1,2,3， (31)

其中，F_i.y为疑似发际点F_i的纵坐标，i＝1,2,3；

不满足条件时，将步骤2.5.2.1)中二值化阈值ForeThreshold增大为1.05*ForeThreshol，d重新执行步骤2.5.2.2)、步骤2.5.2.3)，直到满足条件为止；

最终定位的额头发际点F的横坐标F.x、纵坐标F.y的计算公式如下：

$F.x=\frac{\mathrm{LM}.x+\mathrm{RM}.x}{2}$

$F.y=\frac{{a_1}^{*}{F}_1\&CenterDot;y+{a_2}^{*}{F}_2\&CenterDot;y+{a_3}^{*}{F}_3\&CenterDot;y}{a_1+a_2+a_3},---\left(32\right)$

其中，min(F₁.y,F₂.y,F₃.y)为F₁.y、F₂.y、F₃.y中的最小值，F₁.y、F₂.y、F₃.y分别为发际点F₁、F₂、F₃的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；

2.6)确定脸宽区域及定位两侧发际点

2.6.1)确定脸宽区

在完整人脸区域FaceROI_Whole中，定义左、右眼内眼角点L_eyeIn、R_eyeIn的中心点为O_LReyeIn，L_eyeIn、R_eyeIn的水平间距为d_LReyeIn，O_LReyeIn的横、纵坐标O_LReyeIn.x、O_LReyeIn.y及d_LReyeIn的计算公式如下：

$O_{\mathrm{LReyeIn}}\&CenterDot;x=\frac{L_{\mathrm{eyeIn}}\&CenterDot;x+R_{\mathrm{eyeIn}}\&CenterDot;x}{2}$

$O_{\mathrm{LReyeIn}}\&CenterDot;y=\frac{L_{\mathrm{eyeIn}}\&CenterDot;y+R_{\mathrm{eyeIn}}\&CenterDot;y}{2},---\left(33\right)$

d_LReyeIn＝|L_eyeIn.x-R_eyeIn.x|

其中，L_eyeIn.x、L_eyeIn.y为左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为右眼内眼角点R_eyeIn的横、纵坐标；

在完整人脸区域FaceROI_Whole中，以O_LReyeIn为中心点，5*d_LReyeIn为宽，为高，即为脸宽区域FaceWidthROI，其宽、高分别记为w_FW、h_FW；

2.6.2)定位两侧发际点

2.6.2.1)在完整人脸区域FaceROI_Whole中拷贝FaceWidthROI区域到FaceWidthROIImg，对区域FaceWidthROIImg灰度化，计算该区域的灰度均值，记为FaceWidthROIImgG，再二值化，二值化阈值FWThreshold的计算公式为：

FWThreshold＝0.9*FaceWidthROIImgG， (34)

2.6.2.2)在FaceWidthROIImg二值图中，由左眼外眼角点L_eyeOut的横坐标L_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIn.y开始，沿水平方向向左寻找第一个白点FW_L；由右眼外眼角点R_eyeOut的横坐标R_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIny开始，沿水平方向向右寻找第一个白点FW_R，FW_L、FW_R即为疑似左、右侧发际点；

2.6.2.3)判断FW_L、FW_R是否满足公式(35)中的条件：

FW_L.x≠0 ，(35)

FW_R.x≠0

其中，FW_L.x为左侧发际点FW_L的横坐标，FW_R.x为右侧发际点FW_R的横坐标；

不满足条件时，将步骤2.6.2.1)中二值化阈值增加为1.05*FWThreshold，重新执行步骤2.6.2.2)、步骤2.6.2.3)，直到满足条件为止；

这时，FW_L、FW_R即为最终定位的左、右两侧发际点；

最终定位的特征点，如图6所示，包括额头发际点F、左眉头点LM、右眉头点RM、左眼内眼角点L_eyeIn、左眼外眼角点L_eyeOut、右眼内眼角点R_eyeIn、右眼外眼角点R_eyeOut、鼻下点N、下巴点C、左侧发际点FW_L、右侧发际点FW_R；

步骤3、确定三庭五眼的像素间距及比例

如图7所示，根据步骤2中定位的特征点的坐标位置，过额头发际点F沿水平方向画线，过步骤2.5.1)中计算所得的左、右眉头点LM、RM的中心点O_LRM沿水平方向画线，过鼻下点N沿水平方向画线，过下巴点C沿水平方向画线，四条水平线将人脸沿纵向分为三个部分，由上到下每相邻两条水平线之间的像素间距记为S₁、S₂、S₃，此即三庭像素间距；过左侧发际点FW_L沿垂直方向画线，过左眼外眼角点L_eyeOut沿垂直方向画线，过左眼内眼角点L_eyeIn沿垂直方向画线，过右眼内眼角点R_eyeIn沿垂直方向画线，过右眼外眼角点R_eyeOut沿垂直方向画线，过右侧发际点FW_R沿垂直方向画线，六条垂线将人脸沿横向分为五个部分，由左到右每相邻两条垂线之间的像素间距记为W₁、W₂、W₃、W₄、W₅，此即五眼像素间距；

三庭及五眼的像素间距计算公式如下：

S₁＝|F.y-O_LRM.y|

S₂＝|O_LRM.y-N.y|

S₃＝|N.y-C.y|

W₁＝|FW_L.x-L_eyeOut.x|

W₂＝|L_eyeOut.x-L_eyeIn.x| ，(36)

W₃＝|L_eyeIn.x-R_eyeIn.x|

W₄＝|R_eyeIn.x-R_eyeOut.x|

W₅＝|R_eyeOut.x-FW_R.x|

其中，F.y为步骤2.5.2)中定位的发际点F的纵坐标，O_LRM.y为步骤2.5.1)中计算所得的左、右眉头点LM、RM的中心点O_LRM的纵坐标，N.y为步骤2.3.2)中定位的鼻下点N的纵坐标，C.y为步骤2.4.2)中定位的下巴点C的纵坐标，FW_L.x为步骤2.6.2)中定位的左侧发际点FW_L的横坐标，L_eyeOut.x为步骤2.1.3)中定位的左眼外眼角点L_eyeOut的横坐标，L_eyeIn.x为步骤2.1.3)中定位的左眼内眼角点L_eyeIn的横坐标，R_eyeIn.x为步骤2.1.3)中定位的右眼内眼角点R_eyeIn的横坐标，R_eyeOut.x为步骤2.1.3)中定位的右眼外眼角点R_eyeOut的横坐标，FW_R.x为步骤2.6.2)中定位的右侧发际点FW_R的横坐标；

定义三庭比例分别为S_B1、S_B2、S_B3，五眼比例分别为W_B1、W_B2、W_B3、W_B4、W_B5，其计算公式如下：

S_max＝max(S₁，S₂，S₃)

W_max＝max(W₁，W₂，W₃，W₄，W₅)

$S_{B1}=\frac{S_1}{S_{\max }}$

$S_{B2}=\frac{S_2}{S_{\max }}$

$S_{B3}=\frac{S_3}{S_{\max }}$

$W_{B1}=\frac{W_1}{W_{\max }}$

$W_{B2}=\frac{W_2}{W_{\max }}$

$W_{B3}=\frac{W_3}{W_{\max }}$

$W_{B4}=\frac{W_4}{W_{\max }}$

$W_{B5}=\frac{W_5}{W_{\max }},---\left(37\right)$

其中，max(S₁,S₂,S₃)为S₁、S₂、S₃中的最大值，max(W₁,W₂,W₃,W₄,W₅)为W₁、W₂、W₃、W₄、W₅中的最大值，即成。

Claims (2)

1.一种人脸三庭五眼自动定位及比例确定方法，其特征在于，具体按照以下步骤实施：

步骤1、检测人脸及提取完整人脸，具体步骤是：

对于一幅人脸正面高清图像，利用AdaBoost算法的人脸分类器进行人脸检测，所检测到的人脸区域记为FaceROI，定义其左上角点为LeftTopPoint_face，该点的横坐标为LeftTopPoint_face.x、纵坐标为LeftTopPoint_face.y，宽为w_face，高为h_face，由区域FaceROI经公式(1)计算得到完整人脸区域FaceROI_Whole的左上角点的横坐标为LeftTopPoint_{face_Whole}.x，纵坐标为LeftTopPoint_{face_Whole}.y，宽度为W，高度为H，参照如下公式(1)：

$\begin{array}{c}{\mathrm{LeftTopPoint}}_{face\_Whole}.x={\mathrm{LeftTopPoint}}_{face}.x-\frac{w_{face}}{7}\\ {\mathrm{LeftTopPoint}}_{face\_Whole}.y={\mathrm{LeftTopPoint}}_{face}.y-\frac{h_{face}}{5}\\ W=w_{face}+\frac{2*w_{face}}{7}\\ H=h_{face}+\frac{12*h_{face}}{35}\end{array},---\left(1\right)$

得到最终提取的完整人脸区域FaceROI_Whole；

步骤2、检测人脸局部特征，定位特征点，具体步骤是：

2.1)检测眼睛及眼角点定位

2.1.1)检测眼睛及初步定位眼睛区域

在完整人脸区域FaceROI_Whole中，由点(0,0)、(W/2,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行左眼检测，所检测到的左眼区域记为LeftROI，其宽、高分别记为w_eyeL、h_eyeL，左上角点记为LeftTopPoint_LeftROI；在由点(W/2,0)、(W,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行右眼检测，所检测到的右眼区域记为RightROI，其宽、高分别记为w_eyeR、h_eyeR，左上角点记为LeftTopPoint_RightROI；

2.1.2)定位眼睛区域

在完整人脸区域FaceROI_Whole中拷贝LeftROI区域到LeftROIImg，对区域LeftROIImg灰度化，计算区域LeftROIImg的灰度均值记为LeftROIImgG，再对LeftROIImg二值化，LeftROIImg的二值化阈值LeftThreshold的计算公式为：

LeftThreshold＝0.8*LeftROIImgG， (2)

二值化时，若像素的灰度值大于阈值LeftThreshold，则把像素置黑，否则置白，以下所有二值化操作均遵循此原则；

置LeftROIImg二值图中高为的上边界区域为黑；

在完整人脸区域FaceROI_Whole中拷贝RightROI区域到RightROIImg，对区域RightROIImg灰度化，计算区域RightROIImg的灰度均值记为RightROIImgG，再对RightROIImg二值化，RightROIImg的二值化阈值RightThreshold的计算公式为：

RightThreshold＝0.8*RightROIImgG， (3)

置RightROIImg二值图中高为的上边界区域为黑；

遍历LeftROIImg二值图，分别寻找上、下、左、右第一个白点L_t、L_b、L_l、L_r，过L_t、L_b分别沿水平方向画线，过L_l、L_r分别沿垂直方向画线，该四条直线的交点所围成的矩形区域的中心点记为O_eyeLS，宽、高分别记为w_eyeLS、h_eyeLS；返回完整人脸区域FaceROI_Whole中，以O_eyeLS为中心点，得到新的矩形区域LeftROI_new，其左上角点记为LeftTopPoint_{LeftROI_new}，宽、高分别为w_eyeLnew、h_eyeLnew，计算公式如下：

$\begin{array}{c}{w}_{eyeLnew}=2*w_{eyeLS}\\ h_{eyeLnew}=2*h_{eyeLS}\end{array},---\left(4\right)$

遍历RightROIImg二值图，分别寻找上、下、左、右第一个白点R_t、R_b、R_l、R_r，过R_t、R_b分别沿水平方向画线，过R_l、R_r分别沿垂直方向画线，此四条直线的交点所围成的矩形区域的中心点记为O_eyeRS，宽、高分别记为w_eyeRS、h_eyeRS；返回完整人脸区域FaceROI_Whole中，以O_eyeRS为中心点，得到新的矩形区域RightROI_new，其左上角点记为LeftTopPoint_{RightROI_new}，宽、高分别为w_eyeRnew、h_eyeRnew，计算公式如下：

$\begin{array}{c}{w}_{eyeRnew}=2*w_{eyeRS}\\ h_{eyeRnew}=2*h_{eyeRS}\end{array},---\left(5\right)$

2.1.3)定位内外眼角点

2.1.3.1)在完整人脸区域FaceROI_Whole中拷贝LeftROI_new区域到LeftROI_newImg，对区域LeftROI_newImg灰度化，再对区域LeftROI_newImg二值化，LeftROI_newImg的二值化阈值计算公式同公式(2)；置LeftROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；

在完整人脸区域FaceROI_Whole中拷贝RightROI_new区域到RightROI_newImg，对区域RightROI_newImg灰度化，再对区域RightROI_newImg二值化，RightROI_newImg的二值化阈值计算公式同公式(3)；置RightROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；

2.1.3.2)遍历LeftROI_newImg二值图，分别寻找左、右第一个白点，即为疑似左眼外、内眼角点L_eyeOut、L_eyeIn；遍历RightROI_newImg二值图，分别寻找左、右第一个白点，即为疑似右眼内、外眼角点R_eyeIn、R_eyeOut；

2.1.3.3)分别计算L_eyeIn、L_eyeOut的水平间距d_InOutLx、垂直间距d_InOutLy，分别计算R_eyeIn、R_eyeOut的水平间距d_InOutRx、垂直间距d_InOutRy，计算公式如下：

$\begin{array}{c}{d}_{InOutLx}=|L_{eyeIn}.x-L_{eyeOut}.x|\\ d_{InOutLy}=|L_{eyeIn}.y-L_{eyeOut}.y|\\ d_{InOutRx}=|R_{eyeIn}.x-R_{eyeOut}.x|\\ d_{InOutRy}=|R_{eyeIn}.y-R_{eyeOut}.y|\end{array},---\left(6\right)$

其中，L_eyeIn.x、L_eyeIn.y分别为左眼内眼角点L_eyeIn的横、纵坐标，L_eyeOut.x、L_eyeOut.y分别为左眼外眼角点L_eyeOut的横、纵坐标，R_eyeIn.x、R_eyeIn.y分别为右眼内眼角点R_eyeIn的横、纵坐标，R_eyeOut.x、R_eyeOut.y分别为右眼外眼角点R_eyeOut的横、纵坐标；

判断L_eyeIn、L_eyeOut、R_eyeIn、R_eyeOut、d_InOutLx、d_InOutLy、d_InOutRx、d_InOutRy是否满足公式(7)中的条件：

其中，min(w_eyeLS,w_eyeRS)为w_eyeLS、w_eyeRS两者中值较小者，min(h_eyeLS,h_eyeRS)为h_eyeLS、h_eyeRS两者中值较小者，L_eyeIn.y为左眼内眼角点L_eyeIn的纵坐标，L_eyeOut.y为左眼外眼角点L_eyeOut的纵坐标，R_eyeIn.y为右眼内眼角点R_eyeIn的纵坐标，R_eyeOut.y为右眼外眼角点R_eyeOut的纵坐标；

不满足条件①时，扩大区域LeftROI_new、RightROI_new，区域中心点O_eyeLS、O_eyeRS保持不变，宽度分别变为1.2*w_eyeLnew、1.2*w_eyeRnew，高度分别变更为1.2*h_eyeLnew、1.2*h_eyeRnew，重新执行步骤2.1.3.1)、步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件①为止；

不满足条件②、③、④时，把步骤2.1.3.1)中置黑的上、下边界区域高度分别扩大为原上、下边界区域高度的1.3倍，重新执行步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件②、③、④为止；

这时，L_eyeIn、L_eyeOut即为最终定位的左眼内、外眼角点，R_eyeIn、R_eyeOut即为最终定位的右眼内、外眼角点；

2.2)确定眉毛区域及定位眉头点

2.2.1)确定眉毛区域

在完整人脸区域FaceROI_Whole中，定义O_eyeLS点垂直方向上方2*h_eyeLS处的点为O_LM，以O_LM为中心点，2.5*w_eyeLS为宽，2*h_eyeLS为高，即为左眉毛所在区域LeftMROI，其宽、高分别记为w_LM、h_LM；定义O_eyeRS点垂直方向上方2*h_eyeRS处的点为O_RM，以O_RM为中心点，2.5*w_eyeRS为宽，2*h_eyeRS为高，即为右眉毛所在区域RightMROI，其宽、高分别记为w_RM、h_RM；

2.2.2)定位眉头点

2.2.2.1)在完整人脸区域FaceROI_Whole中拷贝LeftMROI区域到LeftMROIImg，对区域LeftMROIImg灰度化，计算区域LeftMROIImg的灰度均值记为LeftMROIImgG，再对LeftMROIImg二值化，LeftMROIImg的二值化阈值LeftThreshold_M的计算公式为：

LeftThreshold_M＝0.85*LeftMROIImgG， (8)

置LeftMROIImg二值图中上边界高度为的区域、右边界宽度为的区域为黑；

在完整人脸区域FaceROI_Whole中拷贝RightMROI区域到RightMROIImg，对区域RightMROIImg灰度化，计算区域RightMROIImg的灰度均值记为RightMROIImgG，再对RightMROIImg二值化，RightMROIImg的二值化阈值RightThreshold_M的计算公式为：

RightThreshold_M＝0.85*RightMROIImgG， (9)

置RightMROIImg二值图中上边界高度为的区域、左边界宽度为的区域为黑；

2.2.2.2)遍历LeftMROIImg二值图，由右到左、由上到下寻找第一个白点LM_t，由右到左、由下到上寻找第一个白点LM_b，LM_t、LM_b即为疑似左眉头上、下点；遍历RightMROIImg二值图，由左到右、由上到下寻找第一个白点RM_t，由左到右、由下到上寻找第一个白点RM_b，RM_t、RM_b即为疑似右眉头上、下点；

2.2.2.3)计算LM_t、LM_b的垂直间距d_LMy，RM_t、RM_b的垂直间距d_RMy，LM_t、RM_t的垂直间距d_LRMty和LM_b、RM_b的垂直间距d_LRMby，计算公式如下：

$\begin{array}{c}{d}_{LMy}=|{\mathrm{LM}}_t.y-{\mathrm{LM}}_b.y|\\ d_{RMy}=|{\mathrm{RM}}_t.y-{\mathrm{RM}}_b.y|\\ d_{LRMty}=|{\mathrm{LM}}_t.y-{\mathrm{RM}}_t.y|\\ d_{LRMby}=|{\mathrm{LM}}_b.y-{\mathrm{RM}}_b.y|\end{array},---\left(10\right)$

LM_t.y为左眉头上点LM_t纵坐标，LM_b.y为左眉头下点LM_b纵坐标，RM_t.y为右眉头上点RM_t纵坐标，RM_b.y为右眉头下点RM_b纵坐标；

判断d_LMy、d_RMy、d_LRMty、d_LRMby是否满足公式(11)中的条件：

$\begin{array}{c}|d_{LMy}-d_{RMy}|<\frac{\min (h_{LM},h_{RM})}{3}\\ d_{LRMty}<\frac{\min (h_{LM},h_{RM})}{5}\\ d_{LRMby}<\frac{\min (h_{LM},h_{RM})}{5}\end{array},---\left(11\right)$

其中，min(h_LM,h_RM)为h_LM、h_RM两者中值较小者；

不满足条件时，把步骤2.2.2.1)中置黑的上边界区域高度扩大为原上边界区域高度的1.5倍，重新执行步骤2.2.2.2)、步骤2.2.2.3)，直到满足条件为止；

最终定位的左眉头点LM的横坐标LM.x、纵坐标LM.y，右眉头点RM的横坐标RM.x、纵坐标RM.y的计算公式如下：

$\begin{array}{c}LM.x=\frac{({\mathrm{LM}}_t.x+{\mathrm{LM}}_b.x)}{2}\\ LM.y=\frac{({\mathrm{LM}}_t.y+{\mathrm{LM}}_b.y)}{2}\\ RM.x=\frac{({\mathrm{RM}}_t.x+{\mathrm{RM}}_b.x)}{2}\\ RM.y=\frac{({\mathrm{RM}}_t.y+{\mathrm{RM}}_b.y)}{2}\end{array},---\left(12\right)$

其中，LM_t.x、LM_t.y为左眉头上点LM_t的横、纵坐标，LM_b.x、LM_b.y为左眉头下点LM_b的横、纵坐标，RM_t.x、RM_t.y为右眉头上点RM_t的横、纵坐标，RM_b.x、RM_b.y为右眉头下点RM_b的横、纵坐标；

2.3)检测鼻子及定位鼻下点

2.3.1)确定鼻子区域

在完整人脸区域FaceROI_Whole中，由点(0,H/3)、(W,H)围成的矩形区域内，利用AdaBoost算法的鼻子分类器进行鼻子检测，所检测到的区域记为NoseROI，定义其左上角点为LeftTopPoint_NoseROI，它的横坐标为LeftTopPoint_NoseROI.x、纵坐标为LeftTopPoint_NoseROI.y，宽为w_N，高为h_N；

判断NoseROI区域是否满足公式(13)中的条件：

$\begin{array}{c}\frac{W}{5}<w_N<\frac{W}{3}\\ \frac{H}{6}<h_N<\frac{H}{3}\\ \frac{W}{3}<{\mathrm{LeftTopPoint}}_{NoseROI}.x<\frac{W}{2}\\ \frac{H}{3}<{\mathrm{LeftTopPoint}}_{NoseROI}.y<\frac{2*H}{3}\end{array},---\left(13\right)$

W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

满足条件时，NoseROI区域即为确定的鼻子区域NoseROI_final，其宽、高分别记为w_Nf、h_Nf，左上角点记为LeftTopPoint_{NoseROI_final}；否则，NoseROI_final区域的左上角点的横坐标LeftTopPoint_{NoseROI_final}.x、纵坐标LeftTopPoint_{NoseROI_final}.y、宽度w_Nf、高度h_Nf由公式(14)计算得出：

$\begin{array}{c}{\mathrm{LeftTopPoint}}_{NoseROI\_final}.x=L_{eyeIn}.x\\ {\mathrm{LeftTopPoint}}_{NoseROI\_final}.y=\frac{L_{eyeIn}.y+R_{eyeIn}.y}{2}+\frac{H}{12}\\ w_{Nf}=|L_{eyeIn}.x-R_{eyeIn}.x|\\ h_{Nf}=\frac{H}{7}\end{array},---\left(14\right)$

其中，L_eyeIn.x、L_eyeIn.y为步骤2.1.3)中定位的左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为步骤2.1.3)中定位的右眼内眼角点R_eyeIn的横、纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；

2.3.2)定位鼻下点

2.3.2.1)在完整人脸区域FaceROI_Whole中拷贝NoseROI_final区域到NoseROI_finalImg，对区域NoseROI_finalImg灰度化，计算区域NoseROI_finalImg的灰度最小值记为NoseROI_finalImgM，再对NoseROI_finalImg二值化，NoseROI_finalImg的二值化阈值NoseThreshold的计算公式为：

NoseThreshold＝4*NoseROI_finalImgM+10， (15)

2.3.2.2)遍历NoseROI_finalImg二值图，由下到上、由左到右寻找第一个白点N_L，由下到上、由右到左寻找第一个白点N_R，N_L、N_R即为疑似左、右鼻孔点；

2.3.2.3)分别计算N_L、N_R的水平间距d_NLRx、垂直间距d_NLRy，计算公式如下：

$\begin{array}{c}{d}_{NLRx}=|N_L.x-N_R.x|\\ d_{NLRy}=|N_L.y-N_R.y|\end{array},---\left(16\right)$

其中，N_L.x、N_L.y为左鼻孔点N_L的横、纵坐标，N_R.x、N_R.y为右鼻孔点N_R的横、纵坐标；

判断N_L.x、N_L.y、N_R.x、N_R.y、d_NLRx、d_NLRy是否满足公式(17)中的条件：

不满足条件①、②、③、④时，扩大区域NoseROI_final，区域中心保持不变，高度变为1.2*h_Nf，重新执行步骤2.3.2.1)、步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件①、②、③、④为止；

不满足条件⑤、⑥时，将步骤2.3.2.1)中二值化阈值NoseThreshold减小为0.85*NoseThreshold，重新执行步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件⑤、⑥为止；

最终定位的鼻下点N的横坐标N.x、纵坐标N.y的计算公式如下：

$\begin{array}{c}N.x=\frac{(LM.x+RM.x)}{2}\\ N.y=\frac{(N_L.y+N_R.y)}{2}+\frac{H}{60}\end{array},---\left(18\right)$

其中，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标，N_L.y为左鼻孔点N_L的纵坐标，N_R.y为右鼻孔点N_R的纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；

2.4)确定下巴区域及定位下巴点

2.4.1)确定下巴区域

在完整人脸区域FaceROI_Whole中，由点(0,H/2)、(W,H)围成的矩形区域内，利用AdaBoost算法的嘴巴分类器进行嘴巴检测，所检测到的区域记为MouthROI，定义其左上角点为LeftTopPoint_MouthROI，它的横坐标为LeftTopPoint_MouthROI.x、纵坐标为LeftTopPoint_MouthROI.y，宽为w_M，高为h_M；

判断MouthROI区域是否满足公式(19)中的条件：

$\begin{array}{c}\frac{W}{5}<w_M<\frac{W}{2}\\ \frac{H}{10}<h_M<\frac{H}{3}\\ \frac{W}{5}<{\mathrm{LeftTopPoint}}_{MouthROI}.x<\frac{W}{2}\\ \frac{H}{2}<{\mathrm{LeftTopPoint}}_{MouthROI}.y<\frac{5*H}{6}\end{array},---\left(19\right)$

W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

满足条件时，MouthROI区域即为确定的嘴巴区域MouthROI_final，其宽、高分别记为w_Mf、h_Mf，左上角点记为LeftTopPoint_{MouthROI_final}；否则，MouthROI_final区域的左上角点的横坐标LeftTopPoint_{MouthROI_final}.x、纵坐标LeftTopPoint_{MouthROI_final}.y、宽度w_Mf、高度h_Mf由公式(20)计算得出：

$\begin{array}{c}{\mathrm{LeftTopPoint}}_{MouthROI\_final}.x=N.x-\frac{W}{6}\\ {\mathrm{LeftTopPoint}}_{MouthROI\_final}.y=N.y+\frac{W}{15}\\ w_{Mf}=\frac{W}{3}\\ h_{Mf}=\frac{H}{8}\end{array},---\left(20\right)$

其中，N.x、N.y为步骤2.3.2)中定位的鼻下点N的横、纵坐标，W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；

在完整人脸区域FaceROI_Whole中拷贝MouthROI_final区域到MouthROI_finalImg，把MouthROI_finalImg由RGB空间转换到HSV空间，转换公式如下：

V＝max(R,G,B)

$S=\left\{\begin{array}{cc}0& V=0\\ \frac{max(R,G,B)-\min (R,G,B)}{max(R,G,B)}& V\&NotEqual;0\end{array}\right.,---\left(21\right)$

$H=\left\{\begin{array}{cc}0& V=0\\ \frac{(G-B)}{VS}\&times;60& V=R\\ (2+\frac{B-R}{SV})\&times;60& V=G\\ (4+\frac{R-G}{SV})\&times;60& V=B\\ H+360& H<0\end{array}\right.$

其中，max(R,G,B)、min(R,G,B)分别为像素的R、G、B值中的最大值和最小值；

若像素的H、S值满足公式(22)中的条件，则将像素置白，否则将像素置黑，得到MouthROI_finalImg的二值图；

320≤H<360且0.3≤S<1， (22)

遍历MouthROI_finalImg二值图，由左到右、由下到上按列扫描寻找第一个白点M_L，由右到左、由下到上按列扫描寻找第一个白点M_R，由下到上、由右到左按行扫描寻找第一个白点M_M，M_L、M_R、M_M即为疑似左嘴角点、右嘴角点、嘴巴下边缘点；

计算M_L、M_R的水平间距d_MLRx，M_L与M_M、M_R与M_M的垂直间距d_MLMy、d_MRMy，计算公式如下：

$\begin{array}{c}{d}_{MLRx}=|M_L.x-M_R.x|\\ d_{MLMy}=|M_L.y-M_M.y|\\ d_{MRMy}=|M_R.y-M_M.y|\end{array},---\left(23\right)$

其中，M_L.x、M_L.y为左嘴角点M_L的横、纵坐标，M_R.x、M_R.y为右嘴角点M_R的横、纵坐标，M_M.y为嘴巴下边缘点M_M的纵坐标；

判断M_L.x、M_L.y、M_R.x、M_R.y、M_M.x、M_M.y、d_MLRx、d_MLMy、d_MRMy是否满足公式(24)中的条件：

不满足条件①、②时，修正公式(22)中H、S的取值范围，H下限值在原基础上减5，S下限值在原基础上减0.05，重新二值化，直到满足条件①、②为止；

不满足条件③、④、⑤时，缩小MouthROI_final区域，保持MouthROI_final区域中心不变，宽、高分别变为0.9*w_Mf、0.9*h_Mf，重新进行由RGB到HSV的颜色空间转换及二值化，直到满足条件③、④、⑤为止；

定位的嘴巴下边缘点M的横坐标M.x、纵坐标M.y的计算公式是：

$\begin{array}{c}M.x=\frac{(LM.x+RM.x)}{2}\\ M.y=\frac{(M_L.y+M_R.y)}{2}+\frac{(d_{MLMy}+d_{MRMy})}{2}\end{array},---\left(25\right)$

LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；

在完整人脸区域FaceROI_Whole中，定义M点垂直方向下方h_Mf处的点为O_C，以O_C为中心点，为宽，2*h_Mf为高，即为下巴所在区域ChinROI，其宽、高分别记为w_C、h_C；

2.4.2)定位下巴点

2.4.2.1)在完整人脸区域FaceROI_Whole中拷贝ChinROI区域到ChinROIImg，对区域ChinROIImg灰度化，计算区域ChinROIImg的灰度均值为ChinROIImgG，再对ChinROIImg二值化，ChinROIImg的二值化阈值ChinThreshold的计算公式为：

ChinThreshold＝0.85*ChinROIImgG， (26)

2.4.2.2)遍历ChinROIImg二值图，由上到下，分别寻找水平坐标值为0、w_C时的第一个白点C₁、C₂、C₃、C₄、C₅、C₆、C₇，若C_i，i∈1,2,3,4,5,6,7不存在，则C_i，i∈1,2,3,4,5,6,7的纵坐标值等于与其相邻的下一个点的纵坐标值，若C₇不存在，则C₇的纵坐标值等于C₁的纵坐标值，C₁、C₂、C₃、C₄、C₅、C₆、C₇即为7个疑似下巴点；

2.4.2.3)判断点C₁、C₂、C₃、C₄、C₅、C₆、C₇是否满足公式(27)中的条件；

C_i.y≠0，i＝1,2,3,4,5,6,7， (27)

其中，C_i.y为疑似下巴点C_i的纵坐标，i＝1,2,3,4,5,6,7；

不满足条件时，将步骤2.4.2.1)中二值化阈值ChinThreshold增大为1.05*ChinThreshold，重新执行步骤2.4.2.2)、步骤2.4.2.3)，直到满足条件为止；

这时，最终定位的下巴点C的横坐标C.x、纵坐标C.y的计算公式如下：

其中，max(C₁.y,C₂.y,C₃.y,C₄.y,C₅.y,C₆.y,C₇.y)为C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y中的最大值，C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y分别为疑似下巴点C₁、C₂、C₃、C₄、C₅、C₆、C₇的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；

2.5)确定额头发际区域及定位额头发际点

2.5.1)确定额头发际区域

在完整人脸区域FaceROI_Whole中，定义左、右眉头点LM、RM的中心点为O_LRM，LM、RM的水平间距为d_LRM，O_LRM的横、纵坐标O_LRM.x、O_LRM.y及d_LRM的计算公式如下：

$\begin{array}{c}{O}_{LRM}.x=\frac{LM.x+RM.x}{2}\\ O_{LRM}.y=\frac{LM.y+RM.y}{2}\\ d_{LRM}=|LM.x-RM.x|\end{array},---\left(29\right)$

其中，LM.x、LM.y为步骤2.2.2)中定位的左眉头点LM的横、纵坐标，RM.x、RM.y为步骤2.2.2)中定位的右眉头点RM的横、纵坐标；

在完整人脸区域FaceROI_Whole中，定义O_LRM点垂直方向上方2*d_LRM处的点为O_F，以O_F为中心点，为宽，为高，即为额头发际所在区域ForeROI，其宽、高分别记为w_F、h_F；

2.5.2)定位额头发际点

2.5.2.1)在完整人脸区域FaceROI_Whole中拷贝ForeROI区域到ForeROIImg，对区域ForeROIImg灰度化，计算区域ForeROIImg的灰度均值为ForeROIImgG，再对ForeROIImg二值化，ForeROIImg的二值化阈值ForeThreshold的计算公式为：

ForeThreshold＝0.8*ForeROIImgG， (30)

2.5.2.2)遍历ForeROIImg二值图，由下到上，分别寻找水平坐标值为0、w_F时的第一个白点F₁、F₂、F₃，若点F_i，i∈1,2,3不存在，则F_i，i∈1,2,3的纵坐标值等于与其相邻的下一个点的纵坐标值，若F₃不存在，则F₃的纵坐标值等于F₁的纵坐标值，F₁、F₂、F₃即为3个疑似发际点；

2.5.2.3)判断点F₁、F₂、F₃是否满足公式(31)中的条件：

F_i.y≠0，i＝1,2,3， (31)

其中，F_i.y为疑似发际点F_i的纵坐标，i＝1,2,3；

不满足条件时，将步骤2.5.2.1)中二值化阈值ForeThreshold增大为1.05*ForeThreshold，重新执行步骤2.5.2.2)、步骤2.5.2.3)，直到满足条件为止；

终定位的额头发际点F的横坐标F.x、纵坐标F.y的计算公式如下：

其中，min(F₁.y,F₂.y,F₃.y)为F₁.y、F₂.y、F₃.y中的最小值，F₁.y、F₂.y、F₃.y分别为发际点F₁、F₂、F₃的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；

2.6)确定脸宽区域及定位两侧发际点

2.6.1)确定脸宽区

在完整人脸区域FaceROI_Whole中，定义左、右眼内眼角点L_eyeIn、R_eyeIn的中心点为O_LReyeIn，L_eyeIn、R_eyeIn的水平间距为d_LReyeIn，O_LReyeIn的横、纵坐标O_LReyeIn.x、O_LReyeIn.y及d_LReyeIn的计算公式如下：

$\begin{array}{c}{O}_{L\mathrm{Re}yeIn}.x=\frac{L_{eyeIn}.x+R_{eyeIn}.x}{2}\\ O_{L\mathrm{Re}yeIn}.y=\frac{L_{eyeIn}.y+R_{eyeIn}.y}{2}\\ d_{L\mathrm{Re}yeIn}=|L_{eyeIn}.x-R_{eyeIn}.x|\end{array},---\left(33\right)$

其中，L_eyeIn.x、L_eyeIn.y为左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为右眼内眼角点R_eyeIn的横、纵坐标；

在完整人脸区域FaceROI_Whole中，以O_LReyeIn为中心点，5*d_LReyeIn为宽，为高，即为脸宽区域FaceWidthROI，其宽、高分别记为w_FW、h_FW；

2.6.2)定位两侧发际点

2.6.2.1)在完整人脸区域FaceROI_Whole中拷贝FaceWidthROI区域到FaceWidthROIImg，对区域FaceWidthROIImg灰度化，计算区域FaceWidthROIImg的灰度均值为FaceWidthROIImgG，再对FaceWidthROIImg二值化，FaceWidthROIImg的二值化阈值FWThreshold的计算公式：

FWThreshold＝0.9*FaceWidthROIImgG， (34)

2.6.2.2)在FaceWidthROIImg二值图中，由左眼外眼角点L_eyeOut的横坐标L_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIn.y开始，沿水平方向向左寻找第一个白点FW_L；由右眼外眼角点R_eyeOut的横坐标R_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIn.y开始，沿水平方向向右寻找第一个白点FW_R，FW_L、FW_R即为疑似左、右侧发际点；

2.6.2.3)判断FW_L、FW_R是否满足公式(35)中的条件：

$\begin{array}{c}{\mathrm{FW}}_L.x\&NotEqual;0\\ {\mathrm{FW}}_R.x\&NotEqual;0\end{array},---\left(35\right)$

FW_L.x为左侧发际点FW_L横坐标，FW_R.x为右侧发际点FW_R横坐标；

不满足条件时，将步骤2.6.2.1)中二值化阈值增加为1.05*FWThreshold，重新执行步骤2.6.2.2)、步骤2.6.2.3)，直到满足条件为止；

这时，FW_L、FW_R即为最终定位的左、右两侧发际点；

最终定位的特征点，包括额头发际点F、左眉头点LM、右眉头点RM、左眼内眼角点L_eyeIn、左眼外眼角点L_eyeOut、右眼内眼角点R_eyeIn、右眼外眼角点R_eyeOut、鼻下点N、下巴点C、左侧发际点FW_L、右侧发际点FW_R；

步骤3、确定三庭五眼的像素间距及比例。

2.根据权利要求1所述的人脸三庭五眼自动定位及比例确定方法，其特征在于：所述的步骤3中，根据步骤2中定位的特征点的坐标位置，过额头发际点F沿水平方向画线，过步骤2.5.1)中计算所得的左、右眉头点LM、RM的中心点O_LRM沿水平方向画线，过鼻下点N沿水平方向画线，过下巴点C沿水平方向画线，四条水平线将人脸沿纵向分为三个部分，由上到下每相邻两条水平线之间的像素间距记为S₁、S₂、S₃，此即三庭像素间距；过左侧发际点FW_L沿垂直方向画线，过左眼外眼角点L_eyeOut沿垂直方向画线，过左眼内眼角点L_eyeIn沿垂直方向画线，过右眼内眼角点R_eyeIn沿垂直方向画线，过右眼外眼角点R_eyeOut沿垂直方向画线，过右侧发际点FW_R沿垂直方向画线，六条垂线将人脸沿横向分为五个部分，由左到右每相邻两条垂线之间的像素间距记为W₁、W₂、W₃、W₄、W₅，此即五眼像素间距；

三庭及五眼的像素间距计算公式如下：

$\begin{array}{c}{S}_1=|F.y-O_{LRM}.y|\\ S_2=|O_{LRM}.y-N.y|\\ S_3=|N.y-C.y|\\ W_1=|{\mathrm{FW}}_L.x-L_{eyeOut}.x|\\ W_2=|L_{eyeOut}.x-L_{eyeIn}.x|\\ W_3=|L_{eyeIn}.x-R_{eyeIn}.x|\\ W_4=|R_{eyeIn}.x-R_{eyeOut}.x|\\ W_5=|R_{eyeOut}.x-{\mathrm{FW}}_R.x|\end{array},---\left(36\right)$

F.y为步骤2.5.2)中定位的发际点F的纵坐标，O_LRM.y为步骤2.5.1)中所得左、右眉头点LM、RM的中心点O_LRM的纵坐标，N.y为步骤2.3.2)中定位的鼻下点N的纵坐标，C.y为步骤2.4.2)中定位的下巴点C的纵坐标，FW_L.x为步骤2.6.2)中定位的左侧发际点FW_L的横坐标，L_eyeOut.x为步骤2.1.3)中定位的左眼外眼角点L_eyeOut的横坐标，L_eyeIn.x为步骤2.1.3)中定位的左眼内眼角点L_eyeIn的横坐标，R_eyeIn.x为步骤2.1.3)中定位的右眼内眼角点R_eyeIn的横坐标，R_eyeOut.x为步骤2.1.3)中定位的右眼外眼角点R_eyeOut的横坐标，FW_R.x为步骤2.6.2)中定位的右侧发际点FW_R的横坐标；

定义三庭比例分别为S_B1、S_B2、S_B3，五眼比例分别为W_B1、W_B2、W_B3、W_B4、W_B5，其计算公式如下：

$\begin{array}{c}{S}_{\max }=\max (S_1,S_2,S_3)\\ W_{\max }=\max (W_1,W_2,W_3,W_4,W_5)\\ S_{B1}=\frac{S_1}{S_{\max }}\\ S_{B2}=\frac{S_2}{S_{\max }}\\ S_{B3}=\frac{S_3}{S_{\max }}\\ W_{B1}=\frac{W_1}{W_{\max }}\\ W_{B2}=\frac{W_2}{W_{\max }}\\ W_{B3}=\frac{W_3}{W_{\max }}\\ W_{B4}=\frac{W_4}{W_{\max }}\\ W_{B5}=\frac{W_5}{W_{\max }}\end{array},---\left(37\right)$

其中，max(S₁,S₂,S₃)为S₁、S₂、S₃中的最大值，max(W₁,W₂,W₃,W₄,W₅)为W₁、W₂、W₃、W₄、W₅中的最大值，即成。