CN106067016B - 一种人脸图像眼镜检测方法及装置 - Google Patents

一种人脸图像眼镜检测方法及装置 Download PDF

Info

Publication number
CN106067016B
CN106067016B CN201610576798.3A CN201610576798A CN106067016B CN 106067016 B CN106067016 B CN 106067016B CN 201610576798 A CN201610576798 A CN 201610576798A CN 106067016 B CN106067016 B CN 106067016B
Authority
CN
China
Prior art keywords
face
color
complexion
face complexion
region
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
Application number
CN201610576798.3A
Other languages
English (en)
Other versions
CN106067016A (zh
Inventor
韩智素
王珏
刘新科
谌波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen 666 Network Service Co.,Ltd.
Original Assignee
Shenzhen Fluttering Baby Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Fluttering Baby Co Ltd filed Critical Shenzhen Fluttering Baby Co Ltd
Priority to CN201610576798.3A priority Critical patent/CN106067016B/zh
Publication of CN106067016A publication Critical patent/CN106067016A/zh
Application granted granted Critical
Publication of CN106067016B publication Critical patent/CN106067016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

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 Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于图像检测应用领域，提供了一种人脸图像眼镜检测方法：获取待检测的人脸图像，并根据该人脸图像定义人脸区域；根据该人脸区域内的人脸肤色构建人脸肤色模型；通过该人脸肤色模型计算该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图；根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。

Description

一种人脸图像眼镜检测方法及装置
技术领域
本发明适用于图像检测应用领域，尤其涉及一种人脸图像眼镜检测方法及装置。
背景技术
基于人脸图像的应用中，需要自动检测被拍摄的人脸是否佩戴眼镜。如证件照片拍摄时要求不能戴眼镜，对于证件照片自助拍摄中，如果对人脸图像自动进行眼镜检测，就可以提示用户在拍照时摘掉眼镜，重新拍摄，实现拍摄智能化。
目前针对人脸图像中眼镜检测的方法比较复杂，需要预先进行机器学习根据训练样本来训练分类器从而模拟实用场景，其运算复杂度较高，不能满足移动应用的需要。同时，该方法直接提取眼镜本身的特征用以识别，由于不同眼镜的样式的不同，特征区别比较大，导致对眼镜识别不准确容易出现误差。
发明内容
本发明提供一种人脸图像眼镜检测方法，旨在解决对人脸图像进行眼镜检测时，算法复杂，且不能满足移动终端应用的需要以及对眼镜识别不准确的问题。
为解决上述技术问题，本发明是这样实现的，一种人脸图像眼镜检测方法，所述方法包括：
获取待检测的人脸图像，根据所述人脸图像定义人脸区域；根据所述人脸区域内的人脸肤色构建人脸肤色模型，所述人脸肤色模型用于计算任意颜色属于人脸肤色的概率；利用所述人脸肤色模型算出所述人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；根据所述人脸肤色概率图，在所述人脸区域内对眼镜进行检测。
一种人脸图像眼镜检测装置，所述装置包括：
第一定义模块用于获取待检测的人脸图像，根据所述人脸图像定义人脸区域；
构建模块用于根据所述人脸区域内的人脸肤色构建人脸肤色模型，所述人脸肤色模型用于计算任意颜色属于人脸肤色的概率；
生成模块用于利用所述人脸肤色模型算出所述人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；
检测模块用于根据所述人脸肤色概率图，在所述人脸区域内对眼镜进行检测。
本发明与现有技术相比，有益效果在于：本发明通过获取待检测的人脸图像，并根据该人脸图像定义人脸区域；根据该人脸区域内的人脸肤色构建人脸肤色模型，该人脸肤色模型用于计算任意颜色属于人脸肤色的概率；通过该人脸肤色模型计算该人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。本发明对人脸肤色建模生成人脸肤色概率图，算法简单，适用于移动应用的需要，另外，人脸颜色与眼镜颜色相差较大，通过人脸肤色概率图能准确的识别眼镜。
附图说明
图1是本发明第一实施例提供的一种人脸图像眼镜检测方法实现流程示意图；
图2是本发明第二实施例提供的一种人脸图像眼镜检测方法实现流程示意图；
图3是本发明第二实施例提供的一种人脸概率图；
图4是本发明第三实施例提供的一种人脸图像眼镜检测装置示意图；
图5是本发明第四实施例提供的一种人脸图像眼镜检测装置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
作为本发明的第一个实施例，如图1所示，图1为本发明实施例提供的一种人脸图像眼镜检测方法的实现流程示意图，本发明提供的一种人脸图像眼镜检测方法包括以下步骤；
S101、获取待检测的人脸图像，根据该人脸图像定义人脸区域；
该人脸图像为包含了人脸特征的图像，该人脸特征包括：眼镜，鼻子，嘴巴、头发等其它特征。该人脸区域为该人脸图像中的脸部区域。
终端获取待检测的人脸图像，根据该人脸图像定义人脸区域。该终端可以为手机、平板电脑等的移动终端，也可以为个人计算机等其它终端。
S102、根据该人脸区域内的人脸肤色构建人脸肤色模型；
该人脸肤色为该人脸区域中皮肤的颜色，该人脸肤色可以用红绿蓝颜色模式中的红、绿、蓝通道的具体值或Lab颜色模式中L、a、b颜色通道的具体值表示该人脸肤色，不同的人脸肤色，该通道的值不同。该人脸肤色还可以用其它颜色模式的通道值来表示。
该人脸肤色模型为计算该人脸区域中的颜色属于人脸肤色概率的公式。
该终端对该人脸区域内属于肤色的颜色通道值进行分析、拟合，构建该人脸肤色模型。该模型可以为高斯函数或其他类型的函数。该人脸肤色模型为计算任意颜色属于人脸肤色概率的公式。
S103、利用该人脸肤色模型计算出该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图；
该终端通过该人脸肤色模型计算该人脸区域内每一个像素的颜色属于该人脸肤色的概率，并用表示概率大小的灰度值构成人脸肤色概率图。
该灰度值的大小表示该人脸区域内每一个像素颜色属于该人脸肤色的概率大小，其中，灰度值为0，则人脸区域中的颜色属于该人脸肤色的概率为0，该灰度值为255，则人脸区域中的颜色属于该人脸肤色的概率为1。该人脸肤色概率图中越亮的部位表示该部位属于人脸肤色的概率越大。
S104、根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。
由于一般眼镜的颜色与该人脸区域内的颜色差别很大，即眼镜的颜色属于该人脸肤色的概率很小，而人脸区域的颜色属于该人脸肤色的概率很大，因此该终端根据生成的该人脸肤色概率图，即可在该人脸区域中确定眼镜。
本发明实施例通过获取待检测的人脸图像，并根据该人脸图像定义人脸区域；根据该人脸区域内的人脸肤色构建人脸肤色模型，该人脸肤色模型用于计算人脸区域中的颜色属于人脸肤色的概率；通过该人脸肤色模型计算该人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。本发明对人脸肤色模型生成人脸肤肤色概率图，算法简单，适用于移动应用的需要，另外，人脸颜色与眼镜颜色相差较大，通过人脸肤色概率图能准确的识别眼镜。
作为本发明的第二个实施例，如图2所示，图2为本发明实施例提供的一种人脸图像眼镜检测方法的实现流程示意图，本发明提供的一种人脸图像眼镜检测方法包括以下步骤；
S201、获取待检测的人脸图像，根据该人脸图像定义人脸区域的坐标和大小；
终端获取待检测的该人脸图像，定义该人脸图像的外接矩形为该人脸区域，其中，该人脸区域左上角定点坐标为(x,y)，长度为c，宽度为d。
S202、在该人脸区域内定义肤色检测区域，在该肤色检测区域内采集肤色样本颜色并确定人脸肤色；
步骤S202具体包括：
根据该人脸区域定义该肤色检测区域；
在该人脸区域内，定义左上角定点坐标为长度为宽度为的矩形为肤色检测区域。
在该肤色检测区域内采集肤色样本颜色；
该肤色样本颜色为在该肤色检测区域内采集的颜色。该终端将该肤色检测区域分割为多个区域，提取每个区域正中的像素颜色，即获得多个该肤色样本颜色。该终端将该肤色检测区域分割为多个区域的方法不作限制，该多个区域的个数不作限制，可按照实际情况进行设定。
计算该样本颜色亮度；
当该样本颜色采用红绿蓝颜色模式时，设该样本颜色为(R，G，B)，其中，R表示红色通道，G表示绿色通道，B表示蓝色通道，利用公式L＝0.299*R+0.587*G+0.114*B计算该样本颜色的亮度L。
确定该样本颜色亮度在预置区间的样本颜色为人脸肤色。
该预置区间为预先设置的数值范围，该数值范围可自定义进行设置，优选的，该预置区间为50<L<210。
该人脸肤色为该人脸区域中皮肤的颜色，该人脸肤色可以用红绿蓝颜色模式中的红色通道、绿色通道和蓝色通道的具体值表示该人脸肤色，不同的人脸肤色，该颜色通道的值不同，即人脸肤色为(R,G,B)。
S203、根据该人脸肤色生成人脸肤色模型；
步骤203包括：
将人脸肤色(R,G,B)转化为(L,a,b)；
将人脸肤色(R,G,B)中的红色通道转化为L通道，将该人脸肤色中的绿色通道转化为a通道，将该人脸肤色中的蓝色通道转化为b通道，则人脸肤色为(L,a,b)，其中L为亮度，a为深绿色到灰色再到亮粉红色的颜色变化程度，b为亮蓝色到灰色再到黄色的颜色变化程度；
利用下述公式，
其中，X，Y，Z为中间数；计算L、a、b值分别为
Y＞0.008856
L＝903.3*Y，Y≤0.008856；
Xn＝0.950456；
Zn＝1.088754；
分别对该人脸肤色的L通道、a通道和b通道进行拟合，生成L通道模型、a通道模型和b通道模型；
该L通道模型为计算颜色(Lx,ax,bx)中Lx属于该人脸肤色(L,a,b)中L的概率的公式、a通道模型为计算颜色(Lx,ax,bx)中ax属于该人脸肤色(L,a,b)中a的概率的公式和b通道模型为计算颜色(Lx,ax,bx)中bx属于人脸肤色(L,a,b)中b的概率的公式。由于该人脸肤色分别均匀，采用多个高斯函数对该人脸肤色进行拟合，该高斯函数个数优选为2。该高斯函数为其中，x为变量，m为高斯函数的均值，σ为高斯函数的方差。对该人脸肤色(L,a,b)中的L通道、a通道和b通道建模，生成L通道模型PL(L)＝w1G1(L,m1,σ1)+w2G2(L,m2,σ2)、a通道模型Pa(a)＝w1G1(a，m1，σ1)+w2G2(a，m2，σ2)和b通道模型Pb(b)＝w1G1(b，m1，σ1)+w2G2(b，m2，σ2)，其中，G1(x,m1,σ1)为第一高斯函数，G2(x,m2,σ2)为第二高斯函数，w1为所述第一高斯函数权重，w2为所述第二高斯高数权重，m1为所述第一高斯函数的均值，m2为所述第二高斯函数的均值，σ1为所述第一高斯函数的方差，σ2为所述第二高斯函数的方差。
对该L通道模型、该a通道模型和该b通道模型进行乘法运算得到该人脸肤色模型。
利用该L通道模型、该a通道模型和该b通道模型得到该人脸肤色模型P(L，a，b)＝PL(L)Pa(a)Pb(b)颜色(Lx,ax,bx)属于该人脸肤色(L,a,b)的概率。
S204、利用该人脸肤色模型计算出该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图，并对该人脸肤色概率图进行二值化处理；
利用该人脸肤色模型P(L,a,b)＝PL(L)Pa(a)Pb(b)计算该人脸区域内的颜色(Lx,ax,bx)属于该人脸肤色的概率。采用灰度值表示属于该人脸肤色的概率，将该灰度值构成人脸肤色概率图，该灰度值的大小表示该人脸区域内每一个像素颜色属于该人脸肤色的概率大小，其中，灰度值为0，则人脸区域中的颜色属于该人脸肤色的概率为0，该灰度值为255，则人脸区域中的颜色属于该人脸肤色的概率为1。该人脸肤色概率图中越亮的部位表示该部位属于人脸肤色的概率越大。对该人脸肤色概率图进行二值化处理，二值化的阈值可以自定义设置，优选为128，如图3所示的人脸概率图，图中的人脸外接矩形为人脸区域，在该人脸区域中，白色部位表示属于该人脸肤色的概率高，黑色部分表示属于该人脸肤色的概率低。
S205、在该人脸区域内定义眼镜检测区域，并根据二值化处理后的人脸肤色概率图，在眼镜检测区域内检测眼镜。
步骤205包括：
在该人脸区域内定义眼镜检测区域；
在该人脸区域内，定义左上角定点坐标为(x,y)，长度为c，宽度为的矩形为该眼镜检测区域。
根据二值化处理后的该人脸肤色概率图，在该眼镜检测区域内检测该眼镜。
在该眼镜检测区域内对零值区进行检测，该零值区为除去与该眼镜检测区域边缘重合的零值区，如图3所示，该零值区为人脸中的黑色部位，即眉毛、眼镜、鼻子、嘴巴、鼻子两侧的阴影以及眼镜；分别确定检测到的眉毛、眼镜、鼻子、嘴巴、鼻子两侧的阴影以及眼镜的外接矩形的长度和宽度，当该外接矩形的长度大于预先设置的第一阈值以及当该外接矩形的宽度大于设置的第二阈值时，即排除眉毛、眼镜、嘴巴等其它阴影部位后，确定该零值区为眼镜。该第一阈值和第二阈值为长度数值，可以依据实际应用中眼镜的长度和宽度进行自定义设置。
本发明实施例通过获取待检测的人脸图像，并根据该人脸图像定义人脸区域；对该人脸区域采集肤色样本颜色，并确定人脸肤色，根据该人脸肤色构建人脸肤色模型，该人脸肤色模型用于计算人脸区域内的颜色属于人脸肤色的概率；通过该人脸肤色模型计算该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图；在该人脸区域内定义眼镜检测区域，根据该人脸肤色概率图，在该眼镜检测区域内对眼镜进行检测。本发明对人脸肤色建模生成人脸肤色概率图，算法简单，适用于移动应用的需要，另外，人脸颜色与眼镜颜色相差较大，通过人脸肤色概率图能准确的识别眼镜。
作为本发明的第三个实施例，如图4所示，图4为本发明实施例提供的一种人脸图像眼镜检测装置示意图，本发明提供的一种人脸图像眼镜检测装置包括：定义处理模块41、构建模块42、生成模块43和检测模块44；
其中，定义处理模块41，用于获取待检测的人脸图像，根据该人脸图像定义人脸区域；
该人脸图像为包含了人脸特征的图像，该人脸特征包括：眼镜，鼻子，嘴巴、头发等其它特征。该人脸区域为该人脸图像中的脸部区域。
构建模块42，用于根据该人脸区域内的人脸肤色构建人脸肤色模型；
该人脸肤色为该人脸区域中皮肤的颜色，该人脸肤色可以用红绿蓝颜色模式中的红、绿、蓝通道的具体值或Lab颜色模式中L、a、b颜色通道的具体值表示该人脸肤色，不同的人脸肤色，该通道的值不同。该人脸肤色还可以用其它颜色模式的通道值来表示。
该人脸肤色模型为计算该人脸区域中的颜色属于人脸肤色概率的公式。
生成模块43，用于利用该人脸肤色模型算出该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图；
通过该人脸肤色模型计算该人脸区域内每一个像素的颜色属于该人脸肤色的概率，并用表示概率大小的灰度值构成人脸肤色概率图。该灰度值的大小表示该人脸区域内每一个像素颜色属于该人脸肤色的概率大小，其中，灰度值为0，则人脸区域中的颜色属于该人脸肤色的概率为0，该灰度值为255，则人脸区域中的颜色属于该人脸肤色的概率为1。该人脸肤色概率图中越亮的部位表示该部位属于人脸肤色的概率越大。
检测模块44，用于根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。
本发明实施例的未尽细节请参照图1所示的第一实施例，在此不再赘述。
本发明实施例，第一定义模块41通过获取待检测的人脸图像，并根据该人脸图像定义人脸区域；构建模块42根据该人脸区域内的人脸肤色构建人脸肤色模型，该人脸肤色模型用于计算该人脸区域内的颜色属于人脸肤色的概率；生成模块43通过该人脸肤色模型计算该人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；检测模块44根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。本发明对人脸肤色建模生成人脸肤色概率图，算法简单，适用于移动应用的需要，另外，人脸颜色与眼镜颜色相差较大，通过人脸肤色概率图能准确的识别眼镜。
作为本发明的第四个实施例，如图5所示，图5为本发明实施例提供的一种人脸图像眼镜检测装置示意图，本发明提供的一种人脸图像眼镜检测装置包括：定义处理模块51、构建模块52、生成模块53和检测模块54；其中构建模块52包括：第一定义模块521、采集模块522、肤色确定模块523和模型生成模块524；其中，肤色确定模块523包括：计算模块5231和亮度确定模块5232；生成模块53包括：转化模块531、拟合模块532和运算模块533；检测模块54包括：处理模块541、第二定义模块542和眼镜检测模块543；其中，眼镜检测模块543包括：零值区确定模块5431和眼镜确定模块5432；
其中，第一定义模块51，用于获取待检测的人脸图像，根据该人脸图像定义人脸区域；
构建模块52，用于根据该人脸区域内的人脸肤色构建人脸肤色模型；
该人脸肤色模型用于计算任意颜色属于人脸肤色的概率；
构建模块52包括：第一定义模块521、采集模块522、肤色确定模块523和模型生成模块525；
其中，第一定义模块521，用于在该人脸区域，定义左上角定点坐标为长度为宽度为的矩形为肤色检测区域；
采集模块522，用于在该肤色检测区域内采集肤色样本颜色；
肤色确定模块523，用于根据该肤色样本颜色确定所述人脸肤色；
该人脸肤色为(R,G,B)，R表示红色通道，G表示绿色通道，B蓝色通道。
肤色确定模块523包括：
计算模块5231，用于计算该肤色样本颜色的亮度；
亮度确定模块5232，还用于确定该肤色样本颜色的亮度在预置区间的肤色样本颜色为人脸肤色。
模型生成模块524，用于根据该人脸肤色，生成该人脸肤色模型。
生成模块53，用于利用该人脸肤色模型算出该人脸区域内的颜色属于该人脸肤色的概率，生成人脸肤色概率图；
生成模块53包括：转化模块531、拟合模块532和运算模块533；
其中，转化模块531，将该人脸肤色中的红色通道转化为L通道，将该绿色通道转化为a通道，将该蓝色通道转化为b通道，则人脸肤色为(L,a,b)；
L为亮度，a为深绿色到灰色再到亮粉红色的颜色变化程度，b为亮蓝色到灰色再到黄色的颜色变化程度；
拟合模块532，用于分别对该人脸肤色的该L通道、该a通道和该b道进行拟合，生成L通道模型、a通道模型和b通道模型；
该L通道模型为计算颜色(Lx,ax,bx)中Lx属于该人脸肤色(L,a,b)中的L的概率的公式，该a通道模型为计算颜色(Lx,ax,bx)中ax属于该人脸肤色(L,a,b)中a的概率的公式，该b通道模型为计算任意颜色(Lx,ax,bx)中bx属于该人脸肤色(L,a,b)中b的概率的公式。
运算模块533，用于对该L通道模型、该a通道模型和该b通道模型进行乘法运算得到该人脸肤色模型。
检测模块54，用于根据该人脸肤色概率图，在该人脸区域内对眼镜进行检测。
检测模块54包括：处理模块541、第二定义模块542和眼镜检测模块543；
其中，处理模块541，用于对该人脸肤色概率图进行二值化处理；
第二定义模块542，用于定义左上角定点坐标为(x,y)，长度为c，宽度为的矩形为该眼镜检测区域；
眼镜检测模块543，用于根据该二值化处理后的该人脸肤色概率图，在该眼镜检测区域内检测该眼镜。
眼镜检测模块543包括：零值区确定模块5431和眼镜确定模块5432；
其中，零值区确定模块5431，用于在该眼镜检测区域内，确定零值区的外接矩形的长度和宽度；
眼镜确定模块5432，用于当该外接矩形的长度大于预设的第一阈值以及该外接矩形的宽度大于预设的的第二阈值时，确定该零值区为眼镜，该零值区为除去与该眼镜检测区域边缘重合的区域。
该定义处理模块51还用于，定义该待检测的人脸图像的外接矩形为该人脸区域；
该人脸区域左上角定点坐标为(x,y)，长度为c，宽度为d。
本发明实施例的未尽细节请参照图2所示的第二实施例，在此不再赘述。
本发明实施例第一定义模块51通过获取待检测的人脸图像，并根据该人脸图像定义人脸区域；构建模块52中的采集模块522对该人脸区域采集肤色样本颜色，肤色确定模块523确定人脸肤色，模型生成模块524根据该人脸肤色构建人脸肤色模型，该人脸肤色模型用于计算该人脸区域中的颜色属于人脸肤色的概率；生成模块53通过该人脸肤色模型计算该人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；检测模块54中的第三定义模块542在该人脸区域内定义眼镜检测区域，眼镜检测模块543根据该人脸肤色概率图，在该眼镜检测区域内对眼镜进行检测。本发明对人脸肤色建模生成人脸肤色概率图，算法简单，适用于移动应用的需要，另外，人脸颜色与眼镜颜色相差较大，通过人脸肤色概率图能准确的识别眼镜。
在本申请所提供的多个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上所述仅为本发明的较佳实施例而已，并不用以限制发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种人脸图像眼镜检测方法，其特征在于，所述方法包括：
获取待检测的人脸图像，根据所述人脸图像定义人脸区域；
根据所述人脸区域内的人脸肤色构建人脸肤色模型，所述人脸肤色模型用于计算所述人脸区域内的颜色属于人脸肤色的概率；
利用所述人脸肤色模型算出所述人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；
根据所述人脸肤色概率图，在所述人脸区域内对眼镜进行检测；
其中，所述获取待检测的人脸图像，根据所述人脸图像定义人脸区域，包括：
定义所述待检测的人脸图像的外接矩形为所述人脸区域，所述人脸区域左上角定点坐标为(x,y)，长度为c，宽度为d；
所述根据所述人脸区域内的人脸肤色构建人脸肤色模型包括：
在所述人脸区域，定义左上角定点坐标为长度为宽度为的矩形为肤色检测区域；
在所述肤色检测区域内采集肤色样本颜色；
根据所述肤色样本颜色，确定所述人脸肤色，所述人脸肤色为(R,G,B)，R表示红色通道，G表示绿色通道，B蓝色通道；
根据所述人脸肤色，生成所述人脸肤色模型；
所述根据所述人脸肤色，生成所述人脸肤色模型包括：
将所述人脸肤色中的红色通道转化为L通道，将所述绿色通道转化为a通道，将所述蓝色通道转化为b通道，则人脸肤色为(L,a,b)，其中，L为亮度，a为深绿色到灰色再到亮粉红色的颜色变化程度，b为亮蓝色到灰色再到黄色的颜色变化程度；
分别对所述人脸肤色的所述L通道、所述a通道和所述b道进行拟合，生成L通道模型、a通道模型和b通道模型，所述L通道模型为计算颜色(Lx,ax,bx)中Lx属于所述人脸肤色(L,a,b)中的L的概率的公式，所述a通道模型为计算颜色(Lx,ax,bx)中ax属于所述人脸肤色(L,a,b)中a的概率的公式，所述b通道模型为计算任意颜色(Lx,ax,bx)中bx属于所述人脸肤色(L,a,b)中b的概率的公式；
对所述L通道模型、所述a通道模型和所述b通道模型进行乘法运算得到所述人脸肤色模型。
2.如权利要求1所述的方法，其特征在于，所述根据所述肤色样本颜色，确定所述人脸肤色包括：
计算所述肤色样本颜色的亮度；
确定所述肤色样本颜色的亮度在预置区间的肤色样本颜色为人脸肤色。
3.如权利要求1所述的方法，其特征在于，所述根据所述人脸肤色概率图，在所述人脸区域内对眼镜进行检测包括：
对所述人脸肤色概率图进行二值化处理；
定义左上角定点坐标为(x,y)，长度为c，宽度为的矩形为所述眼镜检测区域；
根据所述二值化处理后的所述人脸肤色概率图，在所述眼镜检测区域内检测所述眼镜。
4.如权利要求3所述的方法，其特征在于，所述根据二值化处理后的人脸肤色概率图，在所述眼镜检测区域内检测所述眼镜，包括：
在所述眼镜检测区域内，确定零值区的外接矩形的长度和宽度；
当所述零值区的外接矩形的长度大于预设的第一阈值以及所述零值区的外接矩形的宽度大于预设的的第二阈值时，确定所述零值区为眼镜，所述零值区为除去与所述眼镜检测区域边缘重合的区域。
5.一种人脸图像眼镜检测装置，其特征在于，所述装置包括：
定义处理模块，用于获取待检测的人脸图像，根据所述人脸图像定义人脸区域；
构建模块，用于根据所述人脸区域内的人脸肤色构建人脸肤色模型，所述人脸肤色模型用于计算人脸区域内的颜色属于人脸肤色的概率；
生成模块，用于利用所述人脸肤色模型算出所述人脸区域内的颜色属于所述人脸肤色的概率，生成人脸肤色概率图；
检测模块，用于根据所述人脸肤色概率图，在所述人脸区域内对眼镜进行检测；
其中，所述定义处理模块还用于，定义所述待检测的人脸图像的外接矩形为所述人脸区域，所述人脸区域左上角定点坐标为(x,y)，长度为c，宽度为d；
所述构建模块包括：
第一定义模块，用于在所述人脸区域，定义左上角定点坐标为长度为宽度为的矩形为肤色检测区域；
采集模块，用于在所述肤色检测区域内采集肤色样本颜色；
肤色确定模块，用于根据所述肤色样本颜色确定所述人脸肤色，所述人脸肤色为(R,G,B)，R表示红色通道，G表示绿色通道，B蓝色通道；
模型生成模块，用于根据所述人脸肤色，生成所述人脸肤色模型；
所述生成模块包括：
转化模块，将所述人脸肤色中的红色通道转化为L通道，将所述绿色通道转化为a通道，将所述蓝色通道转化为b通道，则人脸肤色为(L,a,b)，其中，L为亮度，a为深绿色到灰色再到亮粉红色的颜色变化程度，b为亮蓝色到灰色再到黄色的颜色变化程度；
拟合模块，用于分别对所述人脸肤色的所述L通道、所述a通道和所述b道进行拟合，生成L通道模型、a通道模型和b通道模型，所述L通道模型为计算颜色(Lx,ax,bx)中Lx属于所述人脸肤色(L,a,b)中的L的概率的公式，所述a通道模型为计算颜色(Lx,ax,bx)中ax属于所述人脸肤色(L,a,b)中a的概率的公式，所述b通道模型为计算任意颜色(Lx,ax,bx)中bx属于所述人脸肤色(L,a,b)中b的概率的公式；
运算模块，用于对所述L通道模型、所述a通道模型和所述b通道模型进行乘法运算得到所述人脸肤色模型。
6.如权利要求5所述的装置，其特征在于，所述肤色确定模块包括：
计算模块，用于计算所述肤色样本颜色的亮度；
亮度确定模块，用于确定所述肤色样本颜色的亮度在预置区间的肤色样本颜色为人脸肤色。
7.如权利要求5所述的装置，其特征在于，所述检测模块包括：
处理模块，用于对所述人脸肤色概率图进行二值化处理；
第二定义模块，用于定义左上角定点坐标为(x,y)，长度为c，宽度为的矩形为所述眼镜检测区域；
眼镜检测模块，用于根据所述二值化处理后的人脸肤色概率图，在所述眼镜检测区域内检测所述眼镜。
8.如权利要求7所述的装置，其特征在于，所述眼镜检测模块包括：
零值区确定模块，用于在所述眼镜检测区域内，确定零值区的外接矩形的长度和宽度；
眼镜确定模块，用于当所述外接矩形的长度大于预设的第一阈值以及所述外接矩形的宽度大于预设的的第二阈值时，确定所述零值区为眼镜，所述零值区为除去与所述眼镜检测区域边缘重合的区域。
CN201610576798.3A 2016-07-20 2016-07-20 一种人脸图像眼镜检测方法及装置 Active CN106067016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610576798.3A CN106067016B (zh) 2016-07-20 2016-07-20 一种人脸图像眼镜检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610576798.3A CN106067016B (zh) 2016-07-20 2016-07-20 一种人脸图像眼镜检测方法及装置

Publications (2)

Publication Number Publication Date
CN106067016A CN106067016A (zh) 2016-11-02
CN106067016B true CN106067016B (zh) 2017-06-23

Family

ID=57207057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610576798.3A Active CN106067016B (zh) 2016-07-20 2016-07-20 一种人脸图像眼镜检测方法及装置

Country Status (1)

Country Link
CN (1) CN106067016B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274452B (zh) * 2017-05-31 2020-07-24 成都品果科技有限公司 一种痘痘自动检测方法
CN107610201A (zh) * 2017-10-31 2018-01-19 北京小米移动软件有限公司 基于图像处理的润唇方法及装置
WO2019095117A1 (zh) 2017-11-14 2019-05-23 华为技术有限公司 一种人脸图像检测方法及终端设备
CN107945126B (zh) * 2017-11-20 2022-02-18 杭州登虹科技有限公司 一种图像中眼镜框消除方法、装置和介质
CN109584507B (zh) * 2018-11-12 2020-11-13 深圳佑驾创新科技有限公司 驾驶行为监测方法、装置、系统、交通工具和存储介质
CN116473501B (zh) * 2023-04-28 2023-12-05 北京云柿信息技术有限公司 一种插片式主观验光结果自动记录方法、装置及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102163277B (zh) * 2010-02-24 2013-03-20 中国科学院自动化研究所 一种基于区域的肤色分割方法
CN103020579B (zh) * 2011-09-22 2015-11-25 上海银晨智能识别科技有限公司 人脸识别方法及系统、人脸图像的眼镜框去除方法与装置
CN103077368A (zh) * 2011-10-25 2013-05-01 上海银晨智能识别科技有限公司 人脸图像的嘴部定位方法与装置、嘴形识别方法及系统
GB2516512B (en) * 2013-10-23 2015-10-14 Imagination Tech Ltd Face detection
CN104331160A (zh) * 2014-10-30 2015-02-04 重庆邮电大学 一种基于唇部状态识别的智能轮椅人机交互系统及方法

Also Published As

Publication number Publication date
CN106067016A (zh) 2016-11-02

Similar Documents

Publication Publication Date Title
CN106067016B (zh) 一种人脸图像眼镜检测方法及装置
CN103914699B (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
CN104992402B (zh) 一种美颜处理方法及装置
CN106548165B (zh) 一种基于图像分块加权的卷积神经网络的人脸识别方法
CN105359162B (zh) 用于图像中的与脸部有关的选择和处理的图像掩模
CN104268583B (zh) 基于颜色区域特征的行人重识别方法及系统
WO2018036462A1 (zh) 图像分割的方法、计算机设备及存储介质
CN107545536A (zh) 一种智能终端的图像处理方法及图像处理系统
CN103473564B (zh) 一种基于敏感区域的正面人脸检测方法
CN110348322A (zh) 基于多特征融合的人脸活体检测方法及设备
CN106485222A (zh) 一种基于肤色分层的人脸检测方法
CN105139404A (zh) 一种可检测拍摄质量的证照相机及拍摄质量检测方法
CN108416268A (zh) 一种基于双机器人视觉沟通的动作识别方法
CN106203399A (zh) 一种图像处理方法、装置和计算设备
CN108320274A (zh) 一种基于双通道循环生成对抗网络的红外视频彩色化方法
CN106778785A (zh) 构建图像特征提取模型的方法及图像识别的方法、装置
KR20080110064A (ko) 음란성 이미지의 판별 방법과 그 장치
CN103218615B (zh) 人脸判定方法
CN109766828A (zh) 一种车辆目标分割方法、装置及通信设备
CN108734126B (zh) 一种美颜方法、美颜装置及终端设备
CN106650606A (zh) 人脸图像的匹配及处理方法、人脸图像模型构建系统
CN110533732A (zh) 图像中肤色的识别方法、装置、电子设备及存储介质
CN112818938B (zh) 一种自适应光照干扰环境的人脸识别算法及人脸识别装置
CN110298893A (zh) 一种行人衣着颜色识别模型的生成方法及装置
CN108416304A (zh) 一种利用上下文信息的三分类人脸检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: A1-603, Building A, Kexing Science Park, No. 15 Keyuan Road, Science Park Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518035

Patentee after: Shenzhen 666 Network Service Co.,Ltd.

Address before: 518000 Science and Technology Building 401K, No. 9 Scientific Research Road, Nanshan Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN PIAOPIAO BAOBEI CO.,LTD.