CN105184787A - 一种自动对人像进行抠图的证照相机及方法 - Google Patents

Abstract

本发明公开了一种自动对人像进行抠图的证照相机及方法，所述证照相机包括人像轮廓寻找模块、初始前景与初始背景设定模块、前景区域和背景区域确定模块、前景图像分离模块；所述方法包括：采用轮廓检测技术在证照原图中快速寻找到人像轮廓；把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像。本发明方法可以提高运算的速度和抠图的精确度。

Description

一种自动对人像进行抠图的证照相机及方法

技术领域

本发明涉及一种自动对人像进行抠图的证照相机及方法，属于证件照片拍摄及处理技术领域。

背景技术

证件照片是用于身份证、护照、香港通行证、澳门通行证、台湾通行证、出国签证、居住证、社保卡等国家法定证件的满足执行标准的照片，目前普遍需要经过照相馆专业人员在专业的图像处理软件上手动对图片进行人像范围选定、抠图、更换背景等复杂动作，耗费大量的人力物力。

虽然现在也有一些APP软件可以做到自动更换背景，但是对于背景相对杂乱的图片，处理相对毛糙，特别是在头像边缘的地方出现头发被切割、处理不圆滑、背景和人像颜色接近时误把背景当人像的问题，仅用于娱乐、大头照、简历照片是可以接受的，但是用于法定证件照片明显不能满足人像抠图精确度的要求。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种自动对人像进行抠图的证照相机，该证照相机采用轮廓检测技术和通过GrabCut函数建立混合高斯模型来分离前景和背景，可以提高运算的速度和抠图的精确度。

本发明的另一目的在于提供一种自动对人像进行抠图的方法。

本发明的目的可以通过采取如下技术方案达到：

一种自动对人像进行抠图的证照相机，所述证照相机包括：

人像轮廓寻找模块，用于采用轮廓检测技术在证照原图中快速寻找到人像轮廓；

初始前景与初始背景设定模块，用于把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；

前景区域和背景区域确定模块，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；

前景图像分离模块，用于新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像；或用于把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

进一步的，所述人像轮廓寻找模块包括：

灰度图像转换单元，用于将证照原图转换为灰度图像；

上半身特征数据区域检测单元，用于对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

人脸轮廓特征数据区域检测单元，用于对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

躯干轮廓特征数据区域获取单元，用于对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

头部凸包轮廓检测单元，用于对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

躯干凸包轮廓检测单元，用于对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

人像轮廓形成单元，用于将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

进一步的，所述前景区域和背景区域确定模块包括：

混合高斯模型建立单元，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

混合高斯模型调整单元，用于读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；

迭代调整单元，用于采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

结果输出单元，用于通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图。

进一步的，所述证照相机还包括：

初始前景和预期人像轮廓相似度检测模块，用于判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，若否，则判断初始前景不符合要求；

初始前景和初始背景色彩重叠程度检测模块，用于当初始前景轮廓和预期人像轮廓的相似度符合要求时，将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值，若否，则判断初始前景和初始背景色彩重叠程度符合要求，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求；

初始背景区域特征数量检测模块，用于当初始前景和初始背景色彩重叠程度符合要求时，采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数，若否，则判断初始背景区域特征数量符合要求，若是，则初始背景区域特征数量超标，判断初始背景不符合要求；

提醒建议模块，用于当初始前景和/或初始背景不符合要求时，对用户进行提醒，建议用户更换到干净的背景重新进行拍摄。

进一步的，所述初始背景区域特征数量检测模块采用Canny算子对初始背景区域的边缘进行检测，具体包括：

指定一个上限阈值和一个下限阈值，采用上限阈值控制强边缘的初始分割，采用下限阈值控制边缘连接，若初始背景区域的某个像素的梯度大于上限阈值，则被认为是边缘像素；若初始背景区域的某个像素的梯度小于下限阈值，则被丢弃；若初始背景区域的某个像素的梯度在上限阈值与下限阈值之间，则当这个像素与边缘像素连接时保留，否则删除；其中，所述上限阈值为证照原图高度的1/10，所述下限阈值为证照原图高度的1/40。

本发明的另一目的可以通过采取如下技术方案达到：

一种自动对人像进行抠图的方法，应用于证照相机中，所述方法包括：

所述证照相机采用轮廓检测技术在证照原图中快速寻找到人像轮廓；

所述证照相机把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；

所述证照相机使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；

所述证照相机新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像；或所述证照相机把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

进一步的，所述证照相机采用轮廓检测技术在证照原图中快速寻找到人像轮廓，具体包括：

将证照原图转换为灰度图像；

对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

进一步的，所述证照相机使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图，具体包括：

使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图。

进一步的，所述方法还包括：

所述证照相机判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，若否，则判断初始前景不符合要求；

当初始前景轮廓和预期人像轮廓的相似度符合要求时，所述证照相机将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值，若否，则判断初始前景和初始背景色彩重叠程度符合要求，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求；

当初始前景和初始背景色彩重叠程度符合要求时，所述证照相机采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数，若否，则判断初始背景区域特征数量符合要求，若是，则初始背景区域特征数量超标，判断初始背景不符合要求；

当初始前景和/或初始背景不符合要求时，所述证照相机对用户进行提醒，建议用户更换到干净的背景重新进行拍摄。

进一步的，所述采用Canny算子对初始背景区域的边缘进行检测，具体包括：

指定一个上限阈值和一个下限阈值，采用上限阈值控制强边缘的初始分割，采用下限阈值控制边缘连接，若初始背景区域的某个像素的梯度大于上限阈值，则被认为是边缘像素；若初始背景区域的某个像素的梯度小于下限阈值，则被丢弃；若初始背景区域的某个像素的梯度在上限阈值与下限阈值之间，则当这个像素与边缘像素连接时保留，否则删除；其中，所述上限阈值为证照原图高度的1/10，所述下限阈值为证照原图高度的1/40。

本发明相对于现有技术具有如下的有益效果：

1、本发明的证照相机及方法采用轮廓检测技术在证照原图中快速寻找到人像轮廓，并根据寻找到的人像轮廓设置初始前景区域和初始背景区域，使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图，一方面提高了运算的速度，另一方面提高了轮廓检测的精确度，即提高了抠图的精确度。

2、本发明的证照相机及方法在GrabCut函数计算前，先设置好前景区域，让前景区域尽量包括所有人像区域，尽量少包含背景信息，以减少GrabCut函数的迭代次数，减少前景被误判为背景的可能性以及减少背景被误判前景的可能性，进一步提高GrabCut函数的分离准确性。

3、本发明的证照相机及方法采用初始前景和预期人像轮廓相似度检测、初始前景和初始背景色彩重叠程度检测、初始背景区域特征数量检测这三种检测方式，确保初始前景和初始背景符合要求，若不符合要求则建议更换到干净的背景重新进行拍摄，确保拍摄的证照原图的背景干净度，以提升抠图的精确度。

4、本发明的证照相机及方法在采用Canny算子进行边缘检测时，通过使用两个大小分别为证照原图高度的1/10和证照原图高度的1/40的阈值，可以提高边缘检测的精确度。

附图说明

图1为本发明实施例1的证照相机功能模块图。

图2为本发明实施例1的人像轮廓寻找模块结构图。

图3为本发明实施例1的前景区域和背景区域确定模块结构图。

图4为本发明实施例2的自动对人像进行抠图的方法流程图。

图5为本发明实施例3的自动对人像进行抠图的方法流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

证照相机是安装在智能终端上的APP(Application，应用程序)，它可以有Android版本和iOS版本，负责拍摄出一幅符合证件制作使用的证照原图，证照原图是指由用户通过证照相机实时拍摄所得，按照证照标准裁剪图像有用区域，且色彩、亮度、背景、人物生物特征等图像信息未经任何处理的图像数据。

而本实施例的证照相机针对的是拍摄的证照原图，对证照原图进行抠图处理，实现前景和背景的分离(通常情况下，前景指的是人像，背景指的是除人像外的部分)，它包括人像轮廓寻找模块、初始前景与初始背景设定模块、初始前景和预期人像轮廓相似度检测模块、初始前景和初始背景色彩重叠程度检测模块、初始背景区域特征数量检测模块、提醒建议模块、前景区域和背景区域确定模块、前景图像分离模块，如图1所示；各个模块的具体功能如下：

所述人像轮廓寻找模块，用于采用轮廓检测技术在证照原图中快速寻找到人像轮廓；如图2所示，该人像轮廓寻找模块包括：

灰度图像转换单元，用于将证照原图转换为灰度图像；由于不同智能终端拍摄出来的证照原图的格式和大小都有所差异，因此先将证照原图转为灰度图像，并保持宽高比不变，缩小图片为一定的像素(可自行设定，如480像素×640像素)，进行灰度化处理和缩小图片尺寸处理，是为减少处理数据量，提高特征目标识别的运行效率。

上半身特征数据区域检测单元，用于对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI(regionofinterest，即感兴趣区域，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域)区域，记为ROIB；设置ROI区域作用是：1)限制目标检测是在较小的范围内，有利于提高以提高检测效率；2)限制目标检测的范围，能有效的降低误检率。

人脸轮廓特征数据区域检测单元，用于对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

躯干轮廓特征数据区域获取单元，用于对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

头部凸包轮廓检测单元，用于对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段(实际上是一组坐标点)，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

躯干凸包轮廓检测单元，用于对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段(实际上是一组坐标点)，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

人像轮廓形成单元，用于将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

所述初始前景与初始背景设定模块，用于把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景。

通过上述人像轮廓寻找模块、初始前景与初始背景设定模块的作用，可以在GrabCut函数(该函数由OpenCV实现)计算前，先设置好前景区域，让前景区域尽量包括所有人像区域(可能区域)，尽量少包含背景信息，这是因为GrabCut函数是通过GMM(GaussianMixtureModel，混合高斯模型)来分离前景和背景的；通过这样的计算和设置，有以下优点：

1)尽量减少GrabCut函数的迭代次数，达到2次迭代GrabCut函数，就能得到满意的前后分离，提高效率；2)尽量减少前景被误判为背景的可能性，如果设置为可能区域没有包含应该的前景，那么GrabCut函数无论多少次迭代，都有可能丢失前景信息；3)尽量减少背景被误判前景的可能性，如果设置可能区域包含了过多本该背景的内容，那么就有可能前后景分离不彻底而失败；4)通过预设前景的准确估算，进一步提高GrabCut函数的分离准确性。

所述初始前景和预期人像轮廓相似度检测模块，用于判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，若否，则判断初始前景不符合要求；其中，初始前景和预期人像轮廓的差异度通常采用非重叠面积与重叠面积之间比值计算，预设范围为8％～12％；当初始背景杂乱，或者与初始前景过于近似时，就会导致不能正确分割前景和背景图像，分割所得的前景区域就会增加，这样前景的轮廓，就和人像不吻合；因此，计算初始前景和预期人像轮廓的差异度，就可以知道初始背景是否过于杂乱，或者与初始前景过于近似。

所述初始前景和初始背景色彩重叠程度检测模块，用于当初始前景轮廓和预期人像轮廓的相似度符合要求时，将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值(如50)，若否，则判断初始前景和初始背景色彩重叠程度符合要求，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求。

所述初始背景区域特征数量检测模块，用于当初始前景和初始背景色彩重叠程度符合要求时，采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数(如0.01)，若否，则判断初始背景区域特征数量符合要求，若是，则初始背景区域特征数量超标，判断初始背景不符合要求。

采用Canny算子对初始背景区域的边缘进行检测，具体包括：指定一个上限阈值和一个下限阈值，采用上限阈值控制强边缘的初始分割，采用下限阈值控制边缘连接，若初始背景区域的某个像素的梯度大于上限阈值，则被认为是边缘像素；若初始背景区域的某个像素的梯度小于下限阈值，则被丢弃；若初始背景区域的某个像素的梯度在上限阈值与下限阈值之间，则当这个像素与边缘像素连接时保留，否则删除；其中，所述上限阈值为证照原图高度的1/10，所述下限阈值为证照原图高度的1/40，1/10和1/40两个阈值是根据经验得到的值，能解决大部分的边缘检测精确度问题，但也有比较特殊的情况不适用于该两个阈值。

对于一幅图像，初始背景通常为不规则的多边形，计算初始背景的面积可以转化为统计初始背景区域的像素总数，记为Area。

检测到的边缘是不规则的线条，统计边缘的像素总数即为边缘连接线条的长度，记为Len，则有：

K＝Len/Area

当K大于预设特征数量系数(如0.01)时，认为初始背景区域特征数量超标，不符合要求。

所述提醒建议模块，用于当初始前景和/或初始背景不符合要求时，对用户进行提醒，建议用户更换到干净的背景重新进行拍摄。

所述前景区域和背景区域确定模块，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；如图3所示，该前景区域和背景区域确定模块包括：

混合高斯模型建立单元，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

混合高斯模型调整单元，用于读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；

迭代调整单元，用于采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

结果输出单元，用于通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图。

所述前景图像分离模块，用于新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像；或用于把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

实施例2：

如图4所示，本实施例提供了一种自动对人像进行抠图的方法，该方法应用于证照相机中，包括以下步骤：

S1、采用轮廓检测技术在证照原图中快速寻找到人像轮廓，具体包括：

S11、将证照原图为灰度图像；

S12、对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

S13、对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

S14、对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

S15、对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

S16、对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

S17、将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组；

S2、把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；

S3、判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，进入步骤S4；若否，则判断初始前景不符合要求，进入步骤S6；

S4、将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值(如50)，若否，则判断初始前景和初始背景色彩重叠程度符合要求，进入步骤S5，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求，进入步骤S6；

S5、采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数(如0.01)，若否，则判断初始背景区域特征数量符合要求，进入步骤S7，若是，则初始背景区域特征数量超标，判断初始背景不符合要求，进入步骤S6；

S6、对用户进行提醒，建议用户更换到干净的背景重新进行拍摄，重新拍摄后返回步骤S1；

S7、使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图，具体包括：

S71、使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

S72、读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

S73、通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图；

S8、新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像。

经过上述步骤后，本实施例的证照相机完成了对人像的抠图处理，此时证照相机会提供证件照类型和地区给用户选择，当用户选定后，证照相机检测用户选定的证件照类型和地区信息，根据这些信息更换相应的背景(如白色、蓝色、红色等)，将抠图得到的前景图像和相应的背景图像进行重叠，得到标准的证件照。

实施例3：

如图5所示，本实施例的自动对人像进行抠图的方法与实施例2的区别之处在于步骤S8，如下：

S8、把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

综上所述，本发明的证照相机及方法采用轮廓检测技术在证照原图中快速寻找到人像轮廓，并根据寻找到的人像轮廓设置初始前景区域和初始背景区域，使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图，一方面提高了运算的速度，另一方面提高了轮廓检测的精确度，即提高了抠图的精确度；在GrabCut函数计算前，设置好前景区域，让前景区域尽量包括所有人像区域，尽量少包含背景信息，以减少GrabCut函数的迭代次数，减少前景被误判为背景的可能性以及减少背景被误判前景的可能性，进一步提高GrabCut函数的分离准确性。

以上所述，仅为本发明专利优选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.一种自动对人像进行抠图的证照相机，其特征在于：所述证照相机包括：

人像轮廓寻找模块，用于采用轮廓检测技术在证照原图中快速寻找到人像轮廓；

初始前景与初始背景设定模块，用于把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；

前景区域和背景区域确定模块，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；

前景图像分离模块，用于新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像；或用于把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

2.根据权利要求1所述的一种自动对人像进行抠图的证照相机，其特征在于：所述人像轮廓寻找模块包括：

灰度图像转换单元，用于将证照原图转换为灰度图像；

上半身特征数据区域检测单元，用于对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

人脸轮廓特征数据区域检测单元，用于对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF

躯干轮廓特征数据区域获取单元，用于对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

头部凸包轮廓检测单元，用于对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

躯干凸包轮廓检测单元，用于对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

人像轮廓形成单元，用于将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

3.根据权利要求1所述的一种自动对人像进行抠图的证照相机，其特征在于：所述前景区域和背景区域确定模块包括：

混合高斯模型建立单元，用于使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

混合高斯模型调整单元，用于读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；

迭代调整单元，用于采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

结果输出单元，用于通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图。

4.根据权利要求1所述的一种自动对人像进行抠图的证照相机，其特征在于：所述证照相机还包括：

初始前景和预期人像轮廓相似度检测模块，用于判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，若否，则判断初始前景不符合要求；

初始前景和初始背景色彩重叠程度检测模块，用于当初始前景轮廓和预期人像轮廓的相似度符合要求时，将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值，若否，则判断初始前景和初始背景色彩重叠程度符合要求，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求；

初始背景区域特征数量检测模块，用于当初始前景和初始背景色彩重叠程度符合要求时，采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数，若否，则判断初始背景区域特征数量符合要求，若是，则初始背景区域特征数量超标，判断初始背景不符合要求；

提醒建议模块，用于当初始前景和/或初始背景不符合要求时，对用户进行提醒，建议用户更换到干净的背景重新进行拍摄。

5.根据权利要求4所述的一种对人像进行抠图的证照相机，其特征在于：所述初始背景区域特征数量检测模块采用Canny算子对初始背景区域的边缘进行检测，具体包括：

指定一个上限阈值和一个下限阈值，采用上限阈值控制强边缘的初始分割，采用下限阈值控制边缘连接，若初始背景区域的某个像素的梯度大于上限阈值，则被认为是边缘像素；若初始背景区域的某个像素的梯度小于下限阈值，则被丢弃；若初始背景区域的某个像素的梯度在上限阈值与下限阈值之间，则当这个像素与边缘像素连接时保留，否则删除；其中，所述上限阈值为证照原图高度的1/10，所述下限阈值为证照原图高度的1/40。

6.一种自动对人像进行抠图的方法，应用于证照相机中，其特征在于：所述方法包括：

所述证照相机采用轮廓检测技术在证照原图中快速寻找到人像轮廓；

所述证照相机把寻找到的人像轮廓内的区域设定为初始前景，把寻找到的人像轮廓外围的区域设定为初始背景；

所述证照相机使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图；

所述证照相机新建和原图大小一致的透明的空的图像位图，把最终掩码位图的前景区域所映射的像素复制到所述图像位图中，得到前景图像；或所述证照相机把最终掩码位图的背景区域所映射的原图上的像素数据抹掉，填入透明色，得到前景图像。

7.根据权利要求6所述的一种自动对人像进行抠图的方法，其特征在于：所述证照相机采用轮廓检测技术在证照原图中快速寻找到人像轮廓，具体包括：

将证照原图转换为灰度图像；

对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

8.根据权利要求6所述的一种自动对人像进行抠图的方法，其特征在于：所述证照相机使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数建立混合高斯模型，再通过迭代调整得到前景区域和背景区域的最终掩码位图，具体包括：

使用初始前景的掩码位图和初始背景的掩码位图，通过GrabCut函数分别建立前景像素集和背景像素集，进一步建立对应的前景混合高斯模型和背景混合高斯模型；

读取像素集中的每个像素，通过掩码对每个像素进行判断，判断该像素属于背景像素还是前景像素，再判断它属于前景混合高斯模型或者背景混合高斯模型中的哪个高斯分量，根据判断结果对前景混合高斯模型和初步背景混合高斯模型进行调整；

采用吉布斯能量公式再次学习调整后的前景混合高斯模型或调整后的背景混合高斯模型，对调整后的前景混合高斯模型或调整后的背景混合高斯模型进行迭代调整，直到迭代次数完成为止；

通过GrabCut函数输出前景和背景的计算结果，获得证照原图的前景区域和背景区域的最终掩码位图。

9.根据权利要求6所述的一种自动对人像进行抠图的方法，其特征在于：所述方法还包括：

所述证照相机判断初始前景和预期人像轮廓的差异度是否在预设范围内，若是，则判断初始前景和预期人像轮廓相似度符合要求，若否，则判断初始前景不符合要求；

当初始前景轮廓和预期人像轮廓的相似度符合要求时，所述证照相机将证照原图转换为Lab色彩空间图像，对Lab色彩空间图像，读取初始前景区域的每个像素，建立初始前景色度的混合高斯模型；对初始背景区域的每个像素，获取初始背景色度的直方图，计算初始背景色度的直方图与初始前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P，判断标准均方值P是否大于预设标准均方值，若否，则判断初始前景和初始背景色彩重叠程度符合要求，若是，则初始前景和初始背景色彩重叠程度过高，判断初始前景和初始背景不符合要求；

当初始前景和初始背景色彩重叠程度符合要求时，所述证照相机采用Canny算子对初始背景区域的边缘进行检测，计算边缘线段总长度和背景面积的比值K，将K记为初始背景区域特征数量系数，判断初始背景区域特征数量系数K是否大于预设特征数量系数，若否，则判断初始背景区域特征数量符合要求，若是，则初始背景区域特征数量超标，判断初始背景不符合要求；

当初始前景和/或初始背景不符合要求时，所述证照相机对用户进行提醒，建议用户更换到干净的背景重新进行拍摄。

10.根据权利要求9所述的一种自动对人像进行抠图的方法，其特征在于：所述采用Canny算子对初始背景区域的边缘进行检测，具体包括：

指定一个上限阈值和一个下限阈值，采用上限阈值控制强边缘的初始分割，采用下限阈值控制边缘连接，若初始背景区域的某个像素的梯度大于上限阈值，则被认为是边缘像素；若初始背景区域的某个像素的梯度小于下限阈值，则被丢弃；若初始背景区域的某个像素的梯度在上限阈值与下限阈值之间，则当这个像素与边缘像素连接时保留，否则删除；其中，所述上限阈值为证照原图高度的1/10，所述下限阈值为证照原图高度的1/40。