CN107944393A - 人脸鼻尖定位方法 - Google Patents

人脸鼻尖定位方法 Download PDF

Info

Publication number
CN107944393A
CN107944393A CN201711204733.7A CN201711204733A CN107944393A CN 107944393 A CN107944393 A CN 107944393A CN 201711204733 A CN201711204733 A CN 201711204733A CN 107944393 A CN107944393 A CN 107944393A
Authority
CN
China
Prior art keywords
nose
image
pixel
face
estimate
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.)
Granted
Application number
CN201711204733.7A
Other languages
English (en)
Other versions
CN107944393B (zh
Inventor
于力
邹见效
徐红兵
钱晨
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201711204733.7A priority Critical patent/CN107944393B/zh
Publication of CN107944393A publication Critical patent/CN107944393A/zh
Application granted granted Critical
Publication of CN107944393B publication Critical patent/CN107944393B/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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人脸鼻尖定位方法，基于鼻子结构的先验知识，设计了一种类似鼻子结构的鼻尖检测算子，从原始人脸图像中获取鼻子区域图像并进行二值化处理后，采用鼻尖检测算子对二值化图像进行遍历，即依次将二值化图像中每个像素作为鼻尖检测算子的中心点，计算出每个像素的评价值，根据评价值最大值对应的中心点坐标得到鼻尖坐标，然后换算至原始人脸图像，完成鼻尖定位。采用本发明可以快速地进行人脸鼻尖的检测定位。

Description

人脸鼻尖定位方法
技术领域
本发明属于人脸识别技术领域，更为具体地讲，涉及一种人脸鼻尖定位方法。
背景技术
随着计算机技术的发展，人工智能和模式识别技术近年来得到快速的发展。其中人脸识别技术发展迅猛，大量基于人脸识别技术的产品已经走向市场，取得了良好的市场反馈。人脸识别的核心就是面部特征的有效提取，只有在图像中较好的检测出人脸并正确的提取人脸面部特征，才能实现人脸的正确识别。人脸的面部特征主要是集中在眼睛，鼻子，嘴巴区域，因此正确快速的定位这些区域对于特征的提取有着至关重要的意义。
现有的鼻尖的检测方法主要有以下几类：1.基于模板匹配的方法，这类方法主要利用先验知识构造鼻子形状的形变模板以及对应的能量函数，通过优化能量函数获取最终的区域，因此这类方法对参数的初始值依赖性很强，另外计算时间较长。2，基于模型的鼻尖检测方法，主要有ASM，Snake等方法，这类方法需要手工标定初始区域，另外需要的参数较多，也比较耗时。3，基于学习的方法，此类方法需要海量的样本进行学习，训练过程耗时较久，且对参数的调整非常依赖。
发明内容
本发明的目的在于克服现有技术的不足，提供一种人脸鼻尖定位方法，根据鼻子形状的先验知识设计一种鼻尖检测算子，从而能够快速实现鼻尖的检测和定位。
为实现上述发明目的，本发明人脸鼻尖定位方法包括以下步骤：
S1：从原始人脸图像中获取鼻子区域图像；
S2：对鼻子区域图像进行二值化处理，得到二值化图像；
S3：定义“凹”字结构的鼻尖检测算子，中心凹进去的区域对应区块编号为0，“凹”字上半部分左右凸起对应区域编号分别为1和2，“凹”字下半部分的矩形区域对应区块编号为3；采用鼻尖检测算子对二值化图像进行遍历，即依次将二值化图像中每个像素作为鼻尖检测算子的中心点，采用以下公式计算每个像素的评价值C(i,j)：
其中，(i,j)表示中心像素的坐标，k为区域编号，k＝0,1,2,3，wk表示编号为k的区域预设的权重系数，Dk表示编号为k的区域中像素值为0的像素数量；
筛选评价值中的最大值；
S4：当步骤S3得到的评价值最大值数量为1时，将评价值对应的中心点坐标作为鼻尖坐标，否则将这些评价值对应的中心点坐标的均值作为鼻尖坐标；根据鼻子区域图像在原始人脸图像中的位置，将得到的鼻尖坐标换算至原始人脸图像，完成鼻尖定位。
本发明人脸鼻尖定位方法，基于鼻子结构的先验知识，设计了一种类似鼻子结构的鼻尖检测算子，从原始人脸图像中获取鼻子区域图像并进行二值化处理后，采用鼻尖检测算子对二值化图像进行遍历，即依次将二值化图像中每个像素作为鼻尖检测算子的中心点，计算出每个像素的评价值，根据评价值最大值对应的中心点坐标得到鼻尖坐标，然后换算至原始人脸图像，完成鼻尖定位。采用本发明能够快速地进行人脸鼻尖的检测定位，具有实时性，与传统的基于模型或者模板的检测算法相比，本发明算法简单，不需要大量的学习过程，执行速度快，准确率较高。
附图说明
图1是本发明人脸鼻尖定位方法的具体实施方式流程图；
图2是本实施例中鼻子区域图像在自适应图像增强处理前后的对比图；
图3是本实施例中鼻子区域图像的二值化图像；
图4是本发明中鼻尖检测算子的结构示意图；
图5是本实施例中鼻尖定位结果示意图；
图6是本实施例中部分实验结果示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明人脸鼻尖定位方法的具体实施方式流程图。如图1所示，本发明人脸鼻尖定位方法的具体步骤包括：
S101：获取鼻子区域图像：
为了缩小鼻尖检测的区域大小，提高定位效率，因此本发明首先从原始人脸图像中获取鼻子区域图像，其具体方法为：利用人脸检测算法获取到人脸图像以后，根据先验知识，鼻子是位于人脸区域的中央部分，因此剪裁出人脸区域的中心部分，作为鼻子区域图像。
本实施例中，利用基于Adaboost方法训练出来的人脸分类器进行人脸的检测，获取到的归一化的人脸图像大小为256*256，选取中心点左右和上下各42个像素的宽度，经过裁剪，使得处理的图像大小由原来的256*256变成85*85，即为鼻子区域图像。
一般来说，为了提高后续处理的效率和准确性，可以对鼻子区域图像进行自适应图像增强处理，可以提高鼻尖区域同周围区域的对比度，使得鼻尖区域图像更加突出，同时去除部分光照不均匀的影响。图2是本实施例中鼻子区域图像在自适应图像增强处理前后的对比图。如图2所示，经过自适应图像增强处理后，鼻尖区域更加突出。
S102：图像二值化：
对鼻子区域图像进行二值化处理，得到二值化图像。
由先验知识得知，鼻尖作为鼻子的突出部分在图像上的灰度值较高，而两侧鼻翼及鼻孔下方灰度较暗，因此采用二值化处理以后，鼻尖大部分区域将作为二值化的白色区域，而鼻翼和鼻孔下方将变成黑色。
本实施例中，采用阈值法对鼻子区域图像进行二值化处理，二值化的阈值T＝0.3Max，其中Max表示鼻子区域图像的最大灰度值。也就是说，鼻子区域图像中灰度值小于T的像素点的像素值为0，大于等于T的像素点的像素值为1。图3是本实施例中鼻子区域图像的二值化图像。
S103：鼻尖搜索：
得到鼻子区域图像的二值化图像以后，本发明提出一种鼻尖检测算子对二值化图像进行遍历搜索操作。考虑到鼻尖中间灰度值较高，下侧及周围灰度值较低的先验知识，本发明设计的鼻尖检测算子类似一个“凹”字结构。图4是本发明中鼻尖检测算子的结构示意图。如图4所示，本发明的鼻尖检测算子，由四部分组成，其中中心凹进去的区域对应区块编号为0，“凹”字上半部分左右凸起对应区域编号分别为1和2，“凹”字下半部分的矩形区域对应区块编号为3。具体各个区域的大小可以根据实际情况来设置，本实施例中设置如下：0号区域的宽度为2p、高度为r，1号和2号区域大小相同，宽度为p、高度为r，3号区域的宽度为3p、高度为r，即整个鼻尖检测算子覆盖区域大小为3p×2r。对于本实施例中大小为85*85的鼻子区域图像而言，设置p＝10，r＝10。
采用鼻尖检测算子对二值化图像进行遍历，即依次将二值化图像中每个像素作为鼻尖检测算子的中心点，采用以下公式计算每个像素的评价值C(i,j)：
其中，(i,j)表示中心像素的坐标，k为区域编号，k＝0,1,2,3，wk表示编号为k的区域预设的权重系数，Dk表示编号为k的区域中像素值为0的像素数量。
4个权重系数wk的取值应当满足当鼻尖检测算子的中心点与鼻尖区域重合时，评价值C(i,j)最大。本实施例中w0＝5，w1＝w2＝w3＝-1。
当鼻尖检测算子的中心点正好和鼻尖区域重合时，评价值应该为最大。因此的遍历整个二值化图像以后，筛选出评价值中的最大值，其中心点坐标即为鼻尖附近坐标。
S104：鼻尖定位：
当步骤S103得到的评价值最大值数量为1时，将评价值对应的中心点坐标作为鼻尖坐标，否则将这些评价值对应的中心点坐标的均值作为鼻尖坐标。根据鼻子区域图像在原始人脸图像中的位置，将得到的鼻尖坐标换算至原始人脸图像，完成鼻尖定位。图5是本实施例中鼻尖定位结果示意图。如图5所示，即使在存在眼镜反光干扰的情况下，本专利的鼻尖定位效果仍然较好。
为了验证本专利的有效性，本实施例在日本表情人脸识别库jaffe上进行了实验验证。图6是本实施例中部分实验结果示意图。如图6所示，即使样本存在肤色亮暗、光照强弱、表情不同等区别，本发明所提出的人脸鼻尖定位方法也都能很好地定位出鼻尖所在的位置。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (4)

1.一种人脸鼻尖定位方法，其特征在于，包括以下步骤：
S1：从原始人脸图像中获取鼻子区域图像；
S2：对鼻子区域图像进行二值化处理，得到二值化图像；
S3：定义“凹”字结构的鼻尖检测算子，中心凹进去的区域对应区块编号为0，“凹”字上半部分左右凸起对应区域编号分别为1和2，“凹”字下半部分的矩形区域对应区块编号为3；采用鼻尖检测算子对二值化图像进行遍历，即依次将二值化图像中每个像素作为鼻尖检测算子的中心点，采用以下公式计算每个像素的评价值C(i,j)：
<mrow> <mi>C</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>w</mi> <mi>k</mi> </msub> <mo>*</mo> <msub> <mi>D</mi> <mi>k</mi> </msub> </mrow>
其中，(i,j)表示中心像素的坐标，k为区域编号，k＝0,1,2,3，wk表示编号为k的区域预设的权重系数，Dk表示编号为k的区域中像素值为0的像素数量；
筛选评价值中的最大值；
S4：当步骤S3得到的评价值最大值数量为1时，将评价值对应的中心点坐标作为鼻尖坐标，否则将这些评价值对应的中心点坐标的均值作为鼻尖坐标。根据鼻子区域图像在原始人脸图像中的位置，将得到的鼻尖坐标换算至原始人脸图像，完成鼻尖定位。
2.根据权利要求1所述的人脸鼻尖定位方法，其特征在于，所述步骤S2中采用采用阈值法对鼻子区域图像进行二值化处理，二值化的阈值T＝0.3Max，其中Max表示鼻子区域图像的最大灰度值，鼻子区域图像中灰度值小于T的像素点的像素值为0，大于等于T的像素点的像素值为1。
3.根据权利要求1所述的人脸鼻尖定位方法，其特征在于，所述步骤S3中0号区域的宽度为2p、高度为r，1号和2号区域大小相同，宽度为p、高度为r，3号区域的宽度为3p、高度为r。
4.根据权利要求1所述的人脸鼻尖定位方法，其特征在于，所述步骤S3中权重系数w0＝5，w1＝w2＝w3＝-1。
CN201711204733.7A 2017-11-27 2017-11-27 人脸鼻尖定位方法 Active CN107944393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711204733.7A CN107944393B (zh) 2017-11-27 2017-11-27 人脸鼻尖定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711204733.7A CN107944393B (zh) 2017-11-27 2017-11-27 人脸鼻尖定位方法

Publications (2)

Publication Number Publication Date
CN107944393A true CN107944393A (zh) 2018-04-20
CN107944393B CN107944393B (zh) 2021-03-30

Family

ID=61949970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711204733.7A Active CN107944393B (zh) 2017-11-27 2017-11-27 人脸鼻尖定位方法

Country Status (1)

Country Link
CN (1) CN107944393B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241822A (zh) * 2018-07-13 2019-01-18 上海斐讯数据通信技术有限公司 一种基于mtcnn的多方位人脸检测方法及系统
CN110051384A (zh) * 2018-01-17 2019-07-26 珠海艾博罗生物技术股份有限公司 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN110659564A (zh) * 2019-08-12 2020-01-07 万翼科技有限公司 区域内用户追踪方法、装置、计算机设备以及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040017472A1 (en) * 2002-07-25 2004-01-29 National Research Council Method for video-based nose location tracking and hands-free computer input devices based thereon
US20060045382A1 (en) * 2004-08-27 2006-03-02 Aisin Seiki Kabushiki Kaisha Facial parts position detection device, method for detecting facial parts position, and program for detecting facial parts position
US20080232650A1 (en) * 2007-03-19 2008-09-25 Aisin Seiki Kabushiki Kaisha Face region detecting device, method, and computer readable recording medium
CN101840509A (zh) * 2010-04-30 2010-09-22 深圳华昌视数字移动电视有限公司 人眼观察视角的测量方法及装置
CN103632136A (zh) * 2013-11-11 2014-03-12 北京天诚盛业科技有限公司 人眼定位方法和装置
CN104680135A (zh) * 2015-02-09 2015-06-03 浙江大学 一种抗表情、姿态和遮挡变化的三维人脸标记点检测方法
CN106909874A (zh) * 2016-07-07 2017-06-30 湖南拓视觉信息技术有限公司 一种鼻尖定位方法和装置
CN107122054A (zh) * 2017-04-27 2017-09-01 青岛海信医疗设备股份有限公司 一种人脸偏转角度和俯仰角度的检测方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040017472A1 (en) * 2002-07-25 2004-01-29 National Research Council Method for video-based nose location tracking and hands-free computer input devices based thereon
US20060045382A1 (en) * 2004-08-27 2006-03-02 Aisin Seiki Kabushiki Kaisha Facial parts position detection device, method for detecting facial parts position, and program for detecting facial parts position
US20080232650A1 (en) * 2007-03-19 2008-09-25 Aisin Seiki Kabushiki Kaisha Face region detecting device, method, and computer readable recording medium
CN101840509A (zh) * 2010-04-30 2010-09-22 深圳华昌视数字移动电视有限公司 人眼观察视角的测量方法及装置
CN103632136A (zh) * 2013-11-11 2014-03-12 北京天诚盛业科技有限公司 人眼定位方法和装置
CN104680135A (zh) * 2015-02-09 2015-06-03 浙江大学 一种抗表情、姿态和遮挡变化的三维人脸标记点检测方法
CN106909874A (zh) * 2016-07-07 2017-06-30 湖南拓视觉信息技术有限公司 一种鼻尖定位方法和装置
CN107122054A (zh) * 2017-04-27 2017-09-01 青岛海信医疗设备股份有限公司 一种人脸偏转角度和俯仰角度的检测方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PARAMA BAGCHI 等: "A novel approach for nose tip detection using smoothing by weighted median filtering applied to 3D face images in variant poses", 《INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION, INFORMATICS AND MEDICAL ENGINEERING (PRIME-2012)》 *
王洪群 等: "采用动态 HMM 概率分布模型的人眼精确定位", 《中国图象图形学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110051384A (zh) * 2018-01-17 2019-07-26 珠海艾博罗生物技术股份有限公司 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN110051384B (zh) * 2018-01-17 2021-11-12 珠海艾博罗生物技术股份有限公司 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN109241822A (zh) * 2018-07-13 2019-01-18 上海斐讯数据通信技术有限公司 一种基于mtcnn的多方位人脸检测方法及系统
CN110659564A (zh) * 2019-08-12 2020-01-07 万翼科技有限公司 区域内用户追踪方法、装置、计算机设备以及存储介质

Also Published As

Publication number Publication date
CN107944393B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN107610087B (zh) 一种基于深度学习的舌苔自动分割方法
CN103093215B (zh) 人眼定位方法及装置
CN107506693B (zh) 畸变人脸图像校正方法、装置、计算机设备和存储介质
CN109800648A (zh) 基于人脸关键点校正的人脸检测识别方法及装置
CN103996018B (zh) 基于4dlbp的人脸识别方法
CN103810490B (zh) 一种确定人脸图像的属性的方法和设备
CN105740945B (zh) 一种基于视频分析的人群计数方法
CN104598885B (zh) 街景图像中的文字标牌检测与定位方法
CN106709450A (zh) 一种指纹图像识别方法及系统
US20160253550A1 (en) Eye location method and device
CN103810491B (zh) 融合深度和灰度图像特征点的头姿估计兴趣点检测方法
CN107506770A (zh) 糖尿病视网膜病变眼底照相标准图像生成方法
CN102567744B (zh) 基于机器学习的虹膜图像质量确定方法
CN106228161A (zh) 一种指针式表盘自动读数方法
CN103824090B (zh) 一种自适应的人脸低层特征选择方法及人脸属性识别方法
CN103186901A (zh) 全自动图像分割方法
CN107944393A (zh) 人脸鼻尖定位方法
CN110580466A (zh) 婴儿踢被子行为识别方法、装置、计算机设备及存储介质
CN104091173B (zh) 一种基于网络摄像机的性别识别方法及装置
CN108629762B (zh) 一种骨龄评测模型减少干扰特征的图像预处理方法及系统
CN105930798A (zh) 基于学习的面向手机应用的舌像快速检测分割方法
CN109490306A (zh) 一种基于色泽和气味数据融合的猪肉新鲜度检测方法
CN110781976A (zh) 训练图像的扩充方法、训练方法及相关装置
CN108416304B (zh) 一种利用上下文信息的三分类人脸检测方法
CN107679469A (zh) 一种基于深度学习的非极大值抑制方法

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