CN107784625B - 电子装置、虚拟样本生成方法及存储介质 - Google Patents
电子装置、虚拟样本生成方法及存储介质 Download PDFInfo
- Publication number
- CN107784625B CN107784625B CN201710929640.4A CN201710929640A CN107784625B CN 107784625 B CN107784625 B CN 107784625B CN 201710929640 A CN201710929640 A CN 201710929640A CN 107784625 B CN107784625 B CN 107784625B
- Authority
- CN
- China
- Prior art keywords
- facial image
- wavelet coefficient
- wavelet
- average
- face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000001815 facial effect Effects 0.000 claims abstract description 260
- 230000009466 transformation Effects 0.000 claims abstract description 63
- 238000005286 illumination Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000005520 cutting process Methods 0.000 claims description 34
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000012549 training Methods 0.000 abstract description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种电子装置、虚拟样本生成方法及存储介质,其中,所述方法包括:对第一人脸图像进行小波变换处理,获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数;对第一光照条件下的平均人脸图像进行小波变换处理,获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应的灰度值中高频部分的第四小波系数;将第一小波系数替换为第三小波系数,再将第三小波系数与第二小波系数进行小波逆变换处理,得到第一人脸图像在第一光照条件下的样本。本发明通过上述方式解决了采集训练样本过程繁琐的问题、节省了大量的人力、且生成样本的效率高。
Description
技术领域
本发明涉人脸识别领域,尤其涉及一种电子装置、虚拟样本生成方法及存储介质。
背景技术
随着科技的进步和社会认同度的提高,人脸识别技术的应用越来越广泛,例如,人脸识别门禁考勤系统应用在企业管理中,人脸识别防盗门应用在住宅安全管理中,人脸识别系统和网络被公安、司法或刑侦部门用来在全国范围内搜捕逃犯等。
目前,在企业或住宅安全管理中,应用人脸识别技术进行人脸识别时,人脸识别的准确率与被识别人员所处方位的光照强度有关,因此,为了提高人脸识别的准确率,需要采集在不同光照强度下拍摄的图片作为训练样本集。而通常采集不同人员在多个不同光照条件下的图片存在一定的困难,且在需要的训练样本数量较多的情况下,例如,通常需要的样本数量为几万或者几十万张,采集训练样本的过程繁琐,不仅导致浪费大量的人力、且采集效率低。
发明内容
有鉴于此,本发明提出一种电子装置、虚拟样本生成方法及存储介质,能够根据预先确定的光照条件下的平均人脸图像生成对应光照条件下的虚拟样本,解决了采集训练样本过程繁琐的问题、节省了大量的人力、且生成样本的效率高。
首先,为实现上述目的,本发明提出一种电子装置,所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的虚拟样本生成程序,所述虚拟样本生成程序被所述处理器执行时实现如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
B、利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应的灰度值中低频部分的第三小波系数、及所述平均人脸图像对应的灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的所述第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节;
C、获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
D、利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
优选地,在所述步骤B中,所述平均人脸图像的生成过程包括如下步骤:
F、采用预先确定的裁剪规则分别对各个所述第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
G、分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像。
优选地,所述预先确定的裁剪规则为:
识别出待裁剪的第二人脸图像的所有人脸特征点;
确定包含识别出的所有人脸特征点的预设形状的最小包围框;
确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;
利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
优选地,在所述步骤A之前,还包括如下步骤:
检测所述第一人脸图像包含的面部轮廓;
采用预先确定的裁剪规则对所述第一人脸图像进行裁剪,使得裁剪后的所述第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与所述平均人脸图像的尺寸规格一致。
优选地,所述小波变换规则包括3层2维小波变换,所述小波变换规则的逆变换规则为所述3层2维小波变换的逆变换。
此外,为实现上述目的,本发明还提供一种虚拟样本生成方法,所述方法包括如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
B、利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应灰度值中低频部分的第三小波系数、及所述平均人脸图像对应灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节;
C、获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
D、利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
优选地,在所述步骤B中,所述平均人脸图像的生成过程包括如下步骤:
E、分别获取预设数量的人员在所述第一光照条件下拍摄的第二人脸图像,并分别检测每张所述第二人脸图像包含的面部轮廓;
F、采用预先确定的裁剪规则分别对各个所述第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
G、分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像。
优选地,所述预先确定的裁剪规则为:
识别出待裁剪的第二人脸图像的所有人脸特征点;
确定包含识别出的所有人脸特征点的预设形状的最小包围框;
确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;
利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
优选地,在所述步骤A之前,还包括如下步骤,包括:
检测所述第一人脸图像包含的面部轮廓;
采用预先确定的裁剪规则对所述第一人脸图像进行裁剪,使得裁剪后的所述第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与所述平均人脸图像的尺寸规格一致。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有虚拟样本生成程序,所述虚拟样本生成程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的虚拟样本生成方法的步骤。
相较于现有技术,本发明所提出的电子装置、虚拟样本生成方法及存储介质,首先通过利用预先确定的小波变换规则将第一人脸图像进行小波变换处理,以获取第一人脸图像对应灰度值中低频部分的第一小波系数、及第一人脸图像对应灰度值中高频部分的第二小波系数;然后将预先确定的第一光照条件下的平均人脸图像进行小波变换处理,以获取平均人脸图像对应灰度值中低频部分的第三小波系数、及平均人脸图像对应灰度值中高频部分的第四小波系数;最后将第一小波系数替换为第三小波系数,保持第二小波系数不变,并利用小波变换规则的逆变换将第三小波系数与第二小波系数进行融合,得到第一人脸图像在预先确定的第一光照条件下的虚拟人脸图像样本。能够将第一光照条件下的平均人脸图像及第二光照条件下的第一人脸图像根据预先确定的小波变换规则进行处理,获得第一人脸图像在第一光照条件下的虚拟样本,解决了采集训练样本过程繁琐的问题、节省了大量的人力、且生成样本的效率高。
附图说明
图1是本发明提出的电子装置一可选的硬件架构的示意图;
图2是本发明电子装置中虚拟样本生成系统的计算机程序的虚拟功能模块示意图;
图3是本发明虚拟样本生成方法较佳实施例的实施流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明提出的电子装置一可选的硬件架构示意图。本实施例中,电子装置10可包括,但不仅限于,可通过系统总线相互通信连接的存储器101、处理器102、网络接口103、及通信总线104。需要指出的是,图1仅示出了具有组件101-104的电子装置10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,存储器101至少包括一种类型的计算机可读存储介质,计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器101可以是电子装置10的内部存储单元,例如电子装置10的硬盘或内存。在另一些实施例中,存储器101也可以是电子装置10的外部存储设备,例如电子装置10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器101还可以既包括电子装置10的内部存储单元也包括其外部存储设备。本实施例中,存储器101通常用于存储安装于电子装置10的操作系统和各类应用软件,例如虚拟样本生成程序等。此外,存储器101还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器102在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器102通常用于控制电子装置10的总体操作。本实施例中,处理器102用于运行存储器101中存储的程序代码或者处理数据,例如运行的虚拟样本生成程序等。
网络接口103可包括无线网络接口或有线网络接口,网络接口103通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线104用于实现组件101-103之间的连接通信。
存储器101中存储的虚拟样本生成系统200的计算机程序被处理器102执行,以实现本申请各个实施例的虚拟样本生成方法的步骤。
在图1所示的电子装置的实施例中,存储器101中存储的虚拟样本生成程序被处理器102执行时实现如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将第一人脸图像进行小波变换处理,以获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,第一小波系数对应在第一人脸图像中反映的第二光照条件,第二小波系数对应在第一人脸图像中反映的第一人脸轮廓细节;
B、利用小波变换规则,将预先确定的第一光照条件下的平均人脸图像进行小波变换处理,以获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应灰度值中高频部分的第四小波系数,其中,第三小波系数对应在平均人脸图像中反映的第一光照条件,第四小波系数对应在平均人脸图像中反映的第二人脸轮廓细节;
C、获取第三小波系数,并将第一小波系数替换为第三小波系数;
D、利用小波变换规则的逆变换规则将第三小波系数与第二小波系数进行融合处理,得到第一人脸图像在第一光照条件下的虚拟人脸图像样本。
本实施例中,以获取第一光照条件下的样本为例,对本发明的方案进行解释。当需要获得第一人脸图像在第一光照条件下的样本时,利用小波变换规则将第一人脸图像进行小波变换处理。可以理解的是,在人脸识别技术中,作为训练样本的人脸图片中需要包含面部的轮廓,所以为了保证得到的样本的使用价值,在利用小波变换规则将第一人脸图像进行小波变换处理之前,最好检测第一人脸图像包含的面部轮廓,确定第一人脸图像包括面部轮廓的所有人脸特征点。
其中,每张人脸图像都是由一定数据的像素组成的,例如,128×68个像素,每个像素坐标的像素点都对应一个灰度值,可以利用小波变换规则,将一张人脸图像的灰度值根据图像频率分布进行低频部分与高频部分的分离,获得灰度值中低频部分对应的小波系数及高频部分对应的小波系数。在本实施例中,利用3层2维小波变换规则将第一人脸图像进行小波变换处理,以获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数。
在利用小波变换规则将第一人脸图像进行小波变换处理之后,继续利用该小波变换规则,将第一光照条件下的平均人脸图像进行小波变换处理,以获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应灰度值中高频部分的第四小波系数。
其中,第一光照条件下的平均人脸图像的生成过程包括如下步骤:
E、分别获取预设数量的人员(例如,2000人或500人)在第一光照条件下拍摄的第二人脸图像,并分别检测每张第二人脸图像包含的面部轮廓;
F、采用预先确定的裁剪规则分别对各个第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
G、分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像。
具体地,分别计算每张第二人脸图像的每个相同像素点的灰度值的平均值的步骤包括:
分别扫描各个第二人脸图像中所有的像素点;
获取扫描得到的各个第二人脸图像中每个相同像素点的灰度值,求所获取的像素灰度值的平均值。
需要说明的是,预先确定的裁剪规则为:识别出待裁剪的第二人脸图像的所有人脸特征点;确定包含识别出的所有人脸特征点的预设形状,例如,长方形,的最小包围框,例如,所述最小包围框指的是包含识别出的所有人脸特征点的预设形状的包围框中,面积最小的包围框。接下来确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框,例如,在本实施例中,预设尺寸规格的裁剪框可以为x像素*y像素大小的裁剪框,的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;最后利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
可以理解的是,为了进一步确保识别的准确性,在利用预先确定的小波变换规则将第一人脸图像进行小波变换处理之前,需要检测第一人脸图像包含的面部轮廓;采用预先确定的裁剪规则,及上述裁剪各个第二人脸图像的裁剪规则,对第一人脸图像进行裁剪,使得裁剪后的第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与平均人脸图像的尺寸规格一致。
上述实施例提出的电子装置,对第一人脸图像进行小波变换处理,获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数,对第一光照条件下的平均人脸图像进行小波变换处理,获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应的灰度值中高频部分的第四小波系数,将第一小波系数替换为第三小波系数,再将第三小波系数与第二小波系数进行小波逆变换处理,得到第一人脸图像在第一光照条件下的样本。本发明通过上述方式解决了采集训练样本过程繁琐的问题、节省了大量的人力、且生成样本的效率高。
进一步需要说明的是,如下面图2所示的实施例,虚拟样本生成系统的计算机程序依据其各部分所实现的功能不同,还可以被分割为不同的逻辑部分,且不同的逻辑部分可以用具有不同功能的虚拟的功能模块进行描述。
例如,请参阅图2所示,是本发明电子装置中虚拟样本生成系统的计算机程序的虚拟功能模块示意图。
本实施例中,虚拟样本生成系统的计算机程序的各个虚拟功能模块是依据虚拟样本生成系统的计算机程序各部分所实现的功能进行命名的。例如,在图2中,虚拟样本生成系统的计算机程序可以被分割成第一处理模块201、第二处理模块202、替换模块203、以及虚拟样本生成模块204。其中,模块201-204所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如,其中:
第一处理模块201用于若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
第二处理模块202用于利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应的灰度值中低频部分的第三小波系数、及所述平均脸图像对应的灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的所述第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节;
替换模块203用于获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
虚拟样本生成模块204用于利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
此外,本发明还提供一种虚拟样本生成方法。请参阅图3所示,是本发明虚拟样本生成方法较佳实施例的实施流程图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,虚拟样本生成方法包括:
步骤S301,若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
步骤S302,利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应的灰度值中低频部分的第三小波系数、及所述平均人脸图像对应的灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的所述第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节;
步骤S303,获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
步骤S304,利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
本实施例中,以获取第一光照条件下的样本为例,对本发明的方案进行解释。当需要获得第一人脸图像在第一光照条件下的样本时,利用小波变换规则将第一人脸图像进行小波变换处理。可以理解的是,在人脸识别技术中,作为训练样本的人脸图片中需要包含面部的轮廓,所以为了保证得到的样本的使用价值,在利用小波变换规则将第一人脸图像进行小波变换处理之前,最好检测第一人脸图像包含的面部轮廓,在检测到第一人脸图像包含的面部轮廓中的所有人脸特征点之后,对第一人脸图像根据预设的裁剪规则进行裁剪,得到包含所有人脸特征点的第一人脸图像。
每张人脸图像都是由一定数据的像素组成的,例如,128×68个像素,每个像素点都对应一个灰度值,可以利用小波变换规则,将一张人脸图像的灰度值根据图像频率分布进行低频部分与高频部分的分离,获得灰度值中低频部分对应的小波系数及高频部分对应的小波系数。在本实施例中,利用3层2维小波变换规则将第一人脸图像进行小波变换处理,以获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数。
在利用小波变换规则将第一人脸图像进行小波变换处理之后,继续利用该小波变换规则,将第一光照条件下的平均人脸图像进行小波变换处理,以获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应灰度值中高频部分的第四小波系数。
其中,第一光照条件下的平均人脸图像的生成过程包括如下步骤:
E、分别获取预设数量的人员(例如,2000人或500人)在第一光照条件下拍摄的第二人脸图像,并分别检测每张第二人脸图像包含的面部轮廓;
F、采用预先确定的裁剪规则分别对各个第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
G、分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像。
具体地,分别计算每张第二人脸图像的每个相同像素点的灰度值的平均值的步骤包括:
分别扫描各个第二人脸图像中所有的像素点;
获取扫描得到的各个第二人脸图像中每个相同像素点的灰度值,求所获取的像素灰度值的平均值。
需要说明的是,预先确定的裁剪规则为:识别出待裁剪的第二人脸图像的所有人脸特征点;确定包含识别出的所有人脸特征点的预设形状,例如,长方形,的最小包围框,例如,所述最小包围框指的是包含识别出的所有人脸特征点的预设形状的包围框中,面积最小的包围框。接下来确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框,例如,在本实施例中,预设尺寸规格的裁剪框可以为x像素*y像素大小的裁剪框,的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;最后利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
可以理解的是,为了进一步确保识别的准确性,在利用预先确定的小波变换规则将第一人脸图像进行小波变换处理之前,需要检测第一人脸图像包含的面部轮廓;采用预先确定的裁剪规则,及上述裁剪各个第二人脸图像的裁剪规则,对第一人脸图像进行裁剪,使得裁剪后的第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与平均人脸图像的尺寸规格一致。
上述实施例提出的虚拟样本生成方法,对第一人脸图像进行小波变换处理,获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数,对第一光照条件下的平均人脸图像进行小波变换处理,获取平均人脸图像对应的灰度值中低频部分的第三小波系数、及平均人脸图像对应的灰度值中高频部分的第四小波系数,将第一小波系数替换为第三小波系数,再将第三小波系数与第二小波系数进行小波逆变换处理,得到第一人脸图像在第一光照条件下的样本。本发明通过上述方式解决了采集训练样本过程繁琐的问题、节省了大量的人力、且生成样本的效率高。
此外,本发明实施例还提出一种计算机可读存储介质,该计算机可读存储介质上存储有虚拟样本生成程序,该虚拟样本生成程序可被至少一个处理器执行,以实现如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将第一人脸图像进行小波变换处理,以获取第一人脸图像对应的灰度值中低频部分的第一小波系数、及第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,第一小波系数对应在第一人脸图像中反映的第二光照条件,第二小波系数对应在第一人脸图像中反映的第一人脸轮廓细节;
B、利用小波变换规则,将预先确定的第一光照条件下的平均人脸图像进行小波变换处理,以获取平均人脸图像对应灰度值中低频部分的第三小波系数、及平均人脸图像对应灰度值中高频部分的第四小波系数,其中,第三小波系数对应在平均人脸图像中反映的第一光照条件,第四小波系数对应在平均人脸图像中反映的第二人脸轮廓细节;
C、获取第三小波系数,并将第一小波系数替换为第三小波系数;
D、利用小波变换规则的逆变换规则将第三小波系数与第二小波系数进行融合处理,得第一人脸图像在第一光照条件下的虚拟人脸图像样本。
进一步地,该虚拟样本生成程序可被至少一个处理器执行时,还实现如下步骤:
E、分别获取预设数量的人员在所述第一光照条件下拍摄的第二人脸图像,并分别检测每张所述第二人脸图像包含的面部轮廓;
F、采用预先确定的裁剪规则分别对各个所述第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
G、分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像。
进一步地,该虚拟样本生成程序可被至少一个处理器执行时,还实现如下步骤:
检测所述第一人脸图像包含的面部轮廓;
采用预先确定的裁剪规则对所述第一人脸图像进行裁剪,使得裁剪后的所述第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与所述平均人脸图像的尺寸规格一致。
本发明计算机可读存储介质具体实施方式与上述虚拟样本生成方法各实施例基本相同,在此不作累述。
可以理解的是,上述各实施例中涉及到的预先确定的第一光照条件、预设数量、预设的尺寸规格等需要预先设置的参数,用户可以根据实际情况进行设置。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种电子装置,其特征在于,所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的虚拟样本生成程序,所述虚拟样本生成程序被所述处理器执行时实现如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
B、利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应的灰度值中低频部分的第三小波系数、及所述平均人脸图像对应的灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的所述第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节,所述平均人脸图像是按以下方式得到的:
分别获取预设数量的人员在所述第一光照条件下拍摄的第二人脸图像,并分别检测每张所述第二人脸图像包含的面部轮廓;
采用预先确定的裁剪规则分别对各个所述第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像;
C、获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
D、利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
2.如权利要求1所述的电子装置,其特征在于,所述预先确定的裁剪规则为:
识别出待裁剪的第二人脸图像的所有人脸特征点;
确定包含识别出的所有人脸特征点的预设形状的最小包围框;
确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;
利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
3.如权利要求2所述的电子装置,其特征在于,在所述步骤A之前,还包括如下步骤:
检测所述第一人脸图像包含的面部轮廓;
采用预先确定的裁剪规则对所述第一人脸图像进行裁剪,使得裁剪后的所述第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与所述平均人脸图像的尺寸规格一致。
4.如权利要求1-3任一项所述的电子装置,其特征在于,所述小波变换规则包括3层2维小波变换,所述小波变换规则的逆变换规则为所述3层2维小波变换的逆变换。
5.一种虚拟样本生成方法,其特征在于,所述方法包括如下步骤:
A、若需要获得第一人脸图像在预先确定的第一光照条件下的样本,则利用预先确定的小波变换规则将所述第一人脸图像进行小波变换处理,以获取所述第一人脸图像对应的灰度值中低频部分的第一小波系数、及所述第一人脸图像对应的灰度值中高频部分的第二小波系数,其中,所述第一小波系数对应在所述第一人脸图像中反映的第二光照条件,所述第二小波系数对应在所述第一人脸图像中反映的第一人脸轮廓细节;
B、利用所述小波变换规则,将预先确定的所述第一光照条件下的平均人脸图像进行小波变换处理,以获取所述平均人脸图像对应灰度值中低频部分的第三小波系数、及所述平均人脸图像对应灰度值中高频部分的第四小波系数,其中,所述第三小波系数对应在所述平均人脸图像中反映的第一光照条件,所述第四小波系数对应在所述平均人脸图像中反映的第二人脸轮廓细节,所述平均人脸图像是按以下方式得到的:
分别获取预设数量的人员在所述第一光照条件下拍摄的第二人脸图像,并分别检测每张所述第二人脸图像包含的面部轮廓;
采用预先确定的裁剪规则分别对各个所述第二人脸图像进行裁剪,使得裁剪后的各个第二人脸图像均包含检测到的面部轮廓,且使得裁剪后的各个第二人脸图像的尺寸规格均相同;
分别计算所有裁剪后的第二人脸图像的各个相同像素坐标的像素点的灰度值的平均值,将计算的各个相同像素坐标的灰度值的平均值进行高斯滤波,得到所述平均人脸图像;
C、获取所述第三小波系数,并将所述第一小波系数替换为所述第三小波系数;
D、利用所述小波变换规则的逆变换规则将所述第三小波系数与所述第二小波系数进行融合处理,得到所述第一人脸图像在所述第一光照条件下的虚拟人脸图像样本。
6.如权利要求5所述的虚拟样本生成方法,其特征在于,所述预先确定的裁剪规则为:
识别出待裁剪的第二人脸图像的所有人脸特征点;
确定包含识别出的所有人脸特征点的预设形状的最小包围框;
确定该最小包围框的几何中心点,并将确定的几何中心点作为预设尺寸规格的裁剪框的几何中心点,确定针对该第二人脸图像进行裁剪的裁剪框的大小和区域位置;
利用确定了大小和区域位置的裁剪框对该第二人脸图像进行裁剪。
7.如权利要求6所述的虚拟样本生成方法,其特征在于,在所述步骤A之前,还包括如下步骤,包括:
检测所述第一人脸图像包含的面部轮廓;
采用预先确定的裁剪规则对所述第一人脸图像进行裁剪,使得裁剪后的所述第一人脸图像包含检测到的面部轮廓,且使得裁剪后的第一人脸图像的尺寸规格与所述平均人脸图像的尺寸规格一致。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有虚拟样本生成程序,所述虚拟样本生成程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求5-7中任一项所述的虚拟样本生成方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710929640.4A CN107784625B (zh) | 2017-10-09 | 2017-10-09 | 电子装置、虚拟样本生成方法及存储介质 |
PCT/CN2017/108775 WO2019071663A1 (zh) | 2017-10-09 | 2017-10-31 | 电子装置、虚拟样本生成方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710929640.4A CN107784625B (zh) | 2017-10-09 | 2017-10-09 | 电子装置、虚拟样本生成方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107784625A CN107784625A (zh) | 2018-03-09 |
CN107784625B true CN107784625B (zh) | 2019-03-08 |
Family
ID=61434160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710929640.4A Active CN107784625B (zh) | 2017-10-09 | 2017-10-09 | 电子装置、虚拟样本生成方法及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107784625B (zh) |
WO (1) | WO2019071663A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765265B (zh) * | 2018-05-21 | 2022-05-24 | 北京微播视界科技有限公司 | 图像处理方法、装置、终端设备和存储介质 |
CN110838084B (zh) * | 2019-09-24 | 2023-10-17 | 咪咕文化科技有限公司 | 一种图像的风格转移方法、装置、电子设备及存储介质 |
CN114898410B (zh) * | 2022-07-14 | 2022-10-11 | 安徽云森物联网科技有限公司 | 一种基于小波变换的跨分辨率行人重识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430759A (zh) * | 2008-12-04 | 2009-05-13 | 上海大学 | 优化的人脸识别预处理方法 |
CN102637302A (zh) * | 2011-10-24 | 2012-08-15 | 北京航空航天大学 | 一种图像编码方法 |
CN106022241A (zh) * | 2016-05-12 | 2016-10-12 | 宁波大学 | 一种基于小波变换及稀疏表示的人脸识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100624481B1 (ko) * | 2004-11-17 | 2006-09-18 | 삼성전자주식회사 | 형판 기반 얼굴 검출 방법 |
-
2017
- 2017-10-09 CN CN201710929640.4A patent/CN107784625B/zh active Active
- 2017-10-31 WO PCT/CN2017/108775 patent/WO2019071663A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430759A (zh) * | 2008-12-04 | 2009-05-13 | 上海大学 | 优化的人脸识别预处理方法 |
CN102637302A (zh) * | 2011-10-24 | 2012-08-15 | 北京航空航天大学 | 一种图像编码方法 |
CN106022241A (zh) * | 2016-05-12 | 2016-10-12 | 宁波大学 | 一种基于小波变换及稀疏表示的人脸识别方法 |
Non-Patent Citations (5)
Title |
---|
Research for Face Recognition Based on Gabor Wavelet and Sparse Representation;Xiaohong Hu;《2014 Fifth International Conference on Intelligent Systems Design and Engineering Applications》;20141208;第764-767页 |
基于多光谱图像融合的人脸识别方法研究;何睿;《中国优秀硕士学位论文全文数据库 信息科技辑》;20070215(第2期);第I138-642页 |
基于小波变换和稀疏表示的人脸识别方法研究;王国权 等;《中国科技信息》;20140415(第08期);第155-158页 |
基于小波变换的单样本人脸识别方法研究;黄艳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100815(第8期);第I138-639页 |
结合向导滤波与复轮廓波变换的多聚焦图像融合算法;刘帅奇 等;《信号处理》;20160325;第32卷(第3期);第276-286页 |
Also Published As
Publication number | Publication date |
---|---|
WO2019071663A1 (zh) | 2019-04-18 |
CN107784625A (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784625B (zh) | 电子装置、虚拟样本生成方法及存储介质 | |
CN111160434B (zh) | 目标检测模型的训练方法、装置及计算机可读存储介质 | |
CN105335722A (zh) | 一种基于深度图像信息的检测系统及方法 | |
CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
CN109583299A (zh) | 电子装置、证件识别方法及存储介质 | |
CN112750162B (zh) | 一种目标识别定位方法和装置 | |
CN112102402B (zh) | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 | |
CN105405130A (zh) | 基于聚类的证照图像高光检测方法及装置 | |
CN106203553B (zh) | 一种证件识别方法、装置及一种设备 | |
CN108021863A (zh) | 电子装置、基于图像的年龄分类方法及存储介质 | |
CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
CN112085721A (zh) | 基于人工智能的水淹车定损方法、装置、设备及存储介质 | |
CN112149570A (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN109271982A (zh) | 多个识别区域识别方法、识别终端及可读存储介质 | |
CN108805001B (zh) | 电子装置、基于证件图片的身份识别方法及存储介质 | |
CN112633200A (zh) | 基于人工智能的人脸图像比对方法、装置、设备及介质 | |
CN112967226A (zh) | 一种基于人工智能的高反光制品检测系统、方法及介质 | |
US7440636B2 (en) | Method and apparatus for image processing | |
CN114463685B (zh) | 行为识别方法、装置、电子设备及存储介质 | |
CN111241918A (zh) | 一种基于人脸识别的车用防跟踪方法及系统 | |
CN116168377A (zh) | 车牌识别方法、装置、计算机设备以及存储介质 | |
CN110222571A (zh) | 黑眼圈智能判断方法、装置及计算机可读存储介质 | |
CN112633183B (zh) | 影像遮挡区域自动检测方法、装置及存储介质 | |
KR970029156A (ko) | 인감 자동 대조 시스템 및 그의 제어방법 | |
CN112507921B (zh) | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |