CN104537374B - 一种使用全局与局部强度距离衡量的头脸部区域提取方法 - Google Patents
一种使用全局与局部强度距离衡量的头脸部区域提取方法 Download PDFInfo
- Publication number
- CN104537374B CN104537374B CN201510030615.3A CN201510030615A CN104537374B CN 104537374 B CN104537374 B CN 104537374B CN 201510030615 A CN201510030615 A CN 201510030615A CN 104537374 B CN104537374 B CN 104537374B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- region
- head
- intensity
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种使用全局与局部强度距离衡量的头脸部区域提取方法，包括如下步骤：（1）全局强度距离衡量法实现全局视觉权重的提取表征；（2）局部强度距离衡量法实现局部视觉权重的提取表征；（3）叠加结合，阈值法提取轮廓实现区域提取。本发明方法针对含有头脸的人物正面照，考虑使用全局与局部的强度距离衡量法实现全局与局部视觉权重矩阵提取，并组合成综合的视觉权重矩阵，进而利用阈值分割实现头脸区域的提取。在本发明方法中，只要一幅人的正面照，即可迅速获取较好的区域提取效果，划分出头脸轮廓。本发明方法作为预处理方法，可应用于人脸检测识别、人脸信息获取等等，快速实现头脸区域与背景区域的划分。
Description
技术领域
本发明涉及图像处理技术，尤其涉及一种使用全局与局部强度距离衡量的头脸部区域提取方法。
背景技术
随着视觉图像传感器以及相关视觉图像处理技术的发展，其应用范围越来越广，普遍的手机摄像照相已经到了很高的水平。在拍照与成像中，经常会拍到人像，尤其是人的头脸部，并且除了头脸之外，背景通常是建筑或者风景之类。人的头脸部区域通常是具有最大特征的区域，也是人类暴露在外界最多的身体部分，为了一些应用如人脸识别、人脸表情信息获取等等，人们通常要把这个区域从背景中提取出来。因此，需要开发能自动化提取人头脸区域的方法。
在当前，很多时候，为了从图像中把人的头脸部区域提取出来，通常人们采用photoshop之类的工具人工圈定与抠取，这显然效率太低，并且无法实时与批量化处理；第二类就是自动化提取的方法，通常采用边缘检测等方法，将人脸与背景的边界找出来，再进一步提取。第二类方法，如果背景稍微复杂一点，就极有可能检测失败。
我们容易发现，人眼视觉系统提取图像中的人头脸区域非常快，如果可以从人眼视觉一些特性出发，可以快速与准确地实现人头脸区域的提取。因此，本发明旨在开发模拟人眼的某些特性的，自动化的提取人的头脸部区域的方法。
发明内容
本发明提出一种使用全局与局部强度距离衡量的头脸部区域提取方法，可从单幅图直接通过图像空域的局部强度距离的衡量，实现头脸区域的凸显，通过阈值分割即可进一步得到头脸区域的大致轮廓。
本发明的主要思路是：
1、设计全局强度距离衡量法
类比人眼视觉特性，本发明通过强度距离衡量法，凸显潜在的头脸区域，产生一个视觉权重矩阵。该矩阵其与原始图像同等尺寸，取值范围为[0,1]。该矩阵间接反映人眼视觉系统对图像的各个区域或者像素位置的感兴趣或者称重视的程度。若矩阵在某一区域或像素处的值越大，表明人眼对这个位置感兴趣程度越高，则越可能是人的头脸区域，可称为潜在头脸区域。
本发明设计采用不同空间位置的强度差距来衡量视觉注意程度的方法，是对比强度程度的体现。假设原始输入图像为I，那么视觉权重矩阵为VM(Visual Matrix)，那么定义像素位置处(x,y)的权重值为：
上式中，Ixy表示I在(x,y)处的强度值，p指的是像素，式子中p表示图I内任意位置。而D(·)显然就是强度距离函数，其衡量的就是像素之间的强度距离，而不是空间距离：
D(Ixy,Ip)＝|Ixy-Ip|
于是，可以认为，在(x,y)处的视觉权重值，是该处强度与图像中其他所有位置处的强度的距离累加而成的：
从上式中，可以发现，对于强度值相同的那些像素位置，其视觉权重值是相同的，这种思路称为全局强度距离衡量法。
2、局部强度距离衡量手段，实现视觉权重提取
在实际应用中，对于图像中的不同空间位置的像素/区域，人眼感兴趣的程度不能由单纯由强度值决定，即相同的强度值的像素/区域含有相同的视觉权重值，这个原理是很多场合下无法成立的。事实是，人眼感兴趣的程度跟局部的强度对比的关系更大。
因此，本发明进一步引入相对空间的概念。本发明认为，在一定空间范围内，相同强度值的像素或者区域才具有近似的视觉权重值。本发明认为，空间距离不同，对于视觉权重的贡献也是不同的。于是，本发明在思路1的基础上，融入局部区域的概念。
在局部区域内，本发明定义图像I在(x,y)处的视觉权重值如下：
在上式中，Ω是图像I中的一个区域，其尺寸通常可以写为M×N，而(x,y)为区域Ω的中心即ΩM，而上式中的w表示空间权重，本发明中定义为：
其中Ds(p,xy)表示像素p与像素(x,y)的空间距离(用像素间隔表示)，而σ2是伸缩系数，其越大，该权重的影响范围会更大，距离越远的像素对当前像素的贡献越多。从这个式子可以发现，p离(x,y)越近，Ip对Ixy的影响越大。
对于图像I，任意像素(x,y)处的视觉权重值都可以用最终的的公式获取。通过算法优化，并归一化，可以快速获得视觉权重矩阵于是，∈0,1]。对于VM这个矩阵中的元素，数值越大，则表明人眼视觉对该局部区域的相关位置的像素/区域感兴趣程度越高，则该位置与区域越接近于人的头脸区域。
这种思路称为局部强度距离衡量法。
3、分割获取轮廓，获得头脸区域
在本发明中，视觉权重矩阵最终由全局与局部方法结合起来，对于任意位置(x,y)，其视觉权重值为：该矩阵需要归一化，其最终表征的人眼感兴趣的程度，越接近1则表示人眼越感兴趣，即越可能是人的头脸区域。
需要提取出相对较为接近于1的区域，于是，利用阈值Th，对VM进行分割，获得二值图BW：
BW＝(VM＞Th)
具有非零值的区域，大致为人的头脸区域轮廓，于是提取了头脸区域BW。
一种使用全局与局部强度距离衡量的头脸部区域提取方法，该方法具体包括以下步骤：
(1)全局强度距离衡量法实现全局视觉矩阵表征
全局强度距离衡量法提取全局视觉矩阵VMglobal，该矩阵在(x,y)处的视觉权重值，是该处强度与图像中其他所有位置处的强度的距离累加而成的：
上式中，Ixy表示I在(x,y)处的强度值，p指的是像素，式子中p表示图I内任意位置，Ip表示p处的强度，D(·)表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMglobal归一化；
(2)局部强度距离衡量法实现局部视觉矩阵表征
在局部区域Ω内，定义图像I在(x,y)处的视觉权重值如下：
在上式中，Ω是图像I中的一个区域，其尺寸为M×N，而(x,y)为区域Ω的中心即ΩM，p为区域中的任意像素，而上式中的w表示空间权重，定义为：
其中Ds(p,xy)表示像素p与像素(x,y)的空间距离，而σ2是伸缩系数；
D(·)同样表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMlocal归一化；
(3)分割获取轮廓，获得头脸区域
视觉权重矩阵最终由全局与局部方法结合起来，对于任意位置(x,y)，其综合的视觉权重值为：
该矩阵需要归一化；
利用阈值Th，对VM进行分割，获得二值图BW：
BW＝(VM＞Th)
具有非零值的区域，大致为人的头脸区域轮廓，于是提取了头脸区域BW。
本发明方法针对人的正面图像，考虑强度距离衡量对图像视觉权重的提取表征，分别设计全局与局部方式的强度距离衡量法，分别实现全局与局部的视觉权重的表征；进而利用简便的叠加结合，利用阈值实现图像分割，提取轮廓实现区域提取。在本发明方法中，只要一幅人的正面照，即可迅速获取较好的区域提取效果，划分出头脸轮廓。本发明方法作为预处理方法，可应用于人脸检测识别、人脸信息获取等等，快速实现头脸区域与背景区域的划分。
附图说明
图1为本发明方法的操作流程框图；
图2为具体实施例图的原始观测图像；
图3为图2经过全局与局部强度距离衡量获得的视觉权重矩阵；
图3a为图2经过全局强度距离衡量获得的视觉权重矩阵；
图3b为图2经过局部强度距离衡量获得的视觉权重矩阵；
图4为具体实施例图的分割提取结果，即图2经本发明方法处理后获取的结果。
具体实施方式
下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。
利用本发明方法处理图像，如图1所示，输入原始观测图像，即可得到分割提取结果。以图2(观测图像)为例(以下称为I),采用M＝N＝21，σ2＝1.5，Th＝0.6，其主要操作步骤如下：
(1)全局强度距离衡量法实现全局视觉矩阵表征
全局强度距离衡量法提取全局视觉矩阵VMglobal，该矩阵在(x,y)处的视觉权重值，是该处强度与图像中其他所有位置处的强度的距离累加而成的：
上式中，Ixy表示I在(x,y)处的强度值，p指的是像素，式子中p表示图I内任意位置，Ip表示p处的强度，D(·)表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMglobal归一化，获得如图3a的结果。
(2)局部强度距离衡量法实现局部视觉矩阵表征
在局部区域Ω内，本发明定义图像I在(x,y)处的视觉权重值如下：
在上式中，Ω是图像I中的一个区域，其尺寸为M×N，而(x,y)为区域Ω的中心即ΩM，p为区域中的任意像素，而上式中的w表示空间权重，本发明中定义为：
其中Ds(p,xy)表示像素p与像素(x,y)的空间距离(用像素间隔表示)，而σ2是伸缩系数。
D同样表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMlocal归一化，获得如图3b的结果。
(3)分割获取轮廓，获得头脸区域
在本发明中，视觉权重矩阵最终由全局与局部方法结合起来，对于任意位置(x,y)，其综合的视觉权重值为：
该矩阵需要归一化。
利用阈值Th，对VM进行分割，获得二值图BW：
BW＝(VM＞Th)
具有非零值的区域，大致为人的头脸区域轮廓，于是提取了头脸区域BW，获得如图4的结果。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (1)
1.一种使用全局与局部强度距离衡量的头脸部区域提取方法，其特征在于，该方法具体包括以下步骤：
(1)全局强度距离衡量法实现全局视觉矩阵表征
全局强度距离衡量法提取全局视觉矩阵VMglobal，该矩阵在(x,y)处的视觉权重值，是该处强度与图像中其他所有位置处的强度的距离累加而成的：
<mrow>
<msubsup>
<mi>VM</mi>
<mi>xy</mi>
<mi>global</mi>
</msubsup>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>p</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<mi>D</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>xy</mi>
</msub>
<mo>,</mo>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
上式中，Ixy表示I在(x,y)处的强度值，p指的是像素，式子中p表示图I内任意位置，Ip表示p处的强度，D(·)表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMglobal归一化；
(2)局部强度距离衡量法实现局部视觉矩阵表征
在局部区域Ω内，定义图像I在(x,y)处的视觉权重值如下：
<mrow>
<msubsup>
<mi>VM</mi>
<mi>xy</mi>
<mi>local</mi>
</msubsup>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&Omega;</mi>
<mi>M</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>p</mi>
<mo>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</munder>
<mo>[</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>xy</mi>
</msub>
<mo>,</mo>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>xy</mi>
</msub>
<mo>,</mo>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>]</mo>
</mrow>
在上式中，Ω是图像I中的一个区域，其尺寸为M×N，而(x,y)为区域Ω的中心即ΩM，p为区域中的任意像素，而上式中的w表示空间权重，定义为：
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>xy</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msub>
<mi>D</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>xy</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>/</mo>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
其中Ds(p,xy)表示像素p与像素(x,y)的空间距离，而σ2是伸缩系数；
D(·)同样表示像素强度距离，其满足：
D(Ixy,Ip)＝|Ixy-Ip|
VMlocal归一化；
(3)分割获取轮廓，获得头脸区域
视觉权重矩阵最终由全局与局部方法结合起来，对于任意位置(x,y)，其综合的视觉权重值为：
<mrow>
<msub>
<mi>VM</mi>
<mi>xy</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>VM</mi>
<mi>xy</mi>
<mi>global</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>V</mi>
<mi>xy</mi>
<mi>local</mi>
</msubsup>
<mo>;</mo>
</mrow>
该矩阵需要归一化；
利用阈值Th，对VM进行分割，获得二值图BW：
BW＝(VM＞Th)
具有非零值的区域，大致为人的头脸区域轮廓，于是提取了头脸区域BW。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510030615.3A CN104537374B (zh) | 2015-01-21 | 2015-01-21 | 一种使用全局与局部强度距离衡量的头脸部区域提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510030615.3A CN104537374B (zh) | 2015-01-21 | 2015-01-21 | 一种使用全局与局部强度距离衡量的头脸部区域提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104537374A CN104537374A (zh) | 2015-04-22 |
| CN104537374B true CN104537374B (zh) | 2017-10-17 |
Family
ID=52852894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510030615.3A Active CN104537374B (zh) | 2015-01-21 | 2015-01-21 | 一种使用全局与局部强度距离衡量的头脸部区域提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104537374B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496393A (zh) * | 2021-01-09 | 2021-10-12 | 武汉谦屹达管理咨询有限公司 | 一种基于区块链的离线支付金融系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101075295A (zh) * | 2006-05-16 | 2007-11-21 | 崴擎科技股份有限公司 | 被动式及交互式实时影像辨识方法 |
| CN101984464A (zh) * | 2010-10-22 | 2011-03-09 | 北京工业大学 | 一种图像中不同区域视觉显著程度的检测方法 |
| CN103208123A (zh) * | 2013-04-19 | 2013-07-17 | 广东图图搜网络科技有限公司 | 图像分割方法与系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE60307583T2 (de) * | 2002-11-20 | 2007-10-04 | Stmicroelectronics S.A. | Auswertung der Schärfe eines Bildes der Iris eines Auges |
-
2015
- 2015-01-21 CN CN201510030615.3A patent/CN104537374B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101075295A (zh) * | 2006-05-16 | 2007-11-21 | 崴擎科技股份有限公司 | 被动式及交互式实时影像辨识方法 |
| CN101984464A (zh) * | 2010-10-22 | 2011-03-09 | 北京工业大学 | 一种图像中不同区域视觉显著程度的检测方法 |
| CN103208123A (zh) * | 2013-04-19 | 2013-07-17 | 广东图图搜网络科技有限公司 | 图像分割方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104537374A (zh) | 2015-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111209810B (zh) | 向可见光与红外图像准确实时行人检测的边界框分割监督深度神经网络架构 | |
| CN110363140B (zh) | 一种基于红外图像的人体动作实时识别方法 | |
| CN105447529B (zh) | 一种服饰检测及其属性值识别的方法和系统 | |
| CN108229531B (zh) | 对象特征提取方法、装置、存储介质和电子设备 | |
| CN111008583B (zh) | 一种利用肢体特征辅助的行人和骑车人姿态估计方法 | |
| CN102609724B (zh) | 一种基于双摄像头的周围环境信息提示方法 | |
| US11663463B2 (en) | Center-biased machine learning techniques to determine saliency in digital images | |
| CN104025118A (zh) | 使用扩展surf特征的对象检测 | |
| KR20160053749A (ko) | 얼굴 영상의 다양성에 강인한 얼굴 표정 특징 분류 방법 및 시스템 | |
| CN112528997A (zh) | 一种基于文本中心区域扩增的藏汉双语场景文本检测方法 | |
| Uddin et al. | Bangla sign language interpretation using bag of features and Support Vector Machine | |
| CN107944437A (zh) | 一种基于神经网络和积分图像的人脸定位方法 | |
| Ahmed et al. | Traffic sign detection and recognition model using support vector machine and histogram of oriented gradient | |
| CN108229492B (zh) | 提取特征的方法、装置及系统 | |
| CN113052010A (zh) | 一种基于深度学习的人员口罩佩戴数据集生成方法 | |
| CN112102207A (zh) | 一种确定温度的方法、装置、电子设备及可读存储介质 | |
| CN109583341B (zh) | 对包含人像的图像的多人骨骼关键点检测方法及装置 | |
| CN104537374B (zh) | 一种使用全局与局部强度距离衡量的头脸部区域提取方法 | |
| CN117765485A (zh) | 基于改进的深度残差网络的车型识别方法、装置和设备 | |
| Khairudin et al. | A fast and efficient segmentation of soil-transmitted helminths through various color models and k-Means clustering | |
| CN114550016B (zh) | 一种基于上下文信息感知的无人机定位方法及系统 | |
| Bangar et al. | Vocal vision for visually impaired | |
| CN116309050A (zh) | 图像超分辨率方法、程序产品、存储介质及电子设备 | |
| CN113344121B (zh) | 训练招牌分类模型和招牌分类的方法 | |
| Swathika et al. | Emergency exit sign detection system for visually impaired people |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200731 Address after: No.102, building X11, phase II, Hefei medical and Health Industrial Park, west of Susong Road, Hefei Economic and Technological Development Zone, Anhui Province Patentee after: Hefei mingyuanhong Medical Technology Co., Ltd Address before: Hangzhou City, Zhejiang province 310018 Xiasha Higher Education Park No. 2 street Patentee before: HANGZHOU DIANZI University |