CN107944393B - 人脸鼻尖定位方法 - Google Patents
人脸鼻尖定位方法 Download PDFInfo
- Publication number
- CN107944393B CN107944393B CN201711204733.7A CN201711204733A CN107944393B CN 107944393 B CN107944393 B CN 107944393B CN 201711204733 A CN201711204733 A CN 201711204733A CN 107944393 B CN107944393 B CN 107944393B
- Authority
- CN
- China
- Prior art keywords
- nose
- nose tip
- image
- region
- pixel
- 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
Images
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
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,本发明 的鼻尖定位效果仍然较好。
为了验证本发明 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):
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。
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 CN107944393A (zh) | 2018-04-20 |
CN107944393B true 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) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6925122B2 (en) * | 2002-07-25 | 2005-08-02 | National Research Council | Method for video-based nose location tracking and hands-free computer input devices based thereon |
JP4180027B2 (ja) * | 2004-08-27 | 2008-11-12 | 株式会社豊田中央研究所 | 顔部品位置検出装置及び方法並びにプログラム |
JP4307496B2 (ja) * | 2007-03-19 | 2009-08-05 | 株式会社豊田中央研究所 | 顔部位検出装置及びプログラム |
-
2017
- 2017-11-27 CN CN201711204733.7A patent/CN107944393B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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)
Title |
---|
A novel approach for nose tip detection using smoothing by weighted median filtering applied to 3D face images in variant poses;Parama Bagchi 等;《International Conference on Pattern Recognition, Informatics and Medical Engineering (PRIME-2012)》;20160128;全文 * |
采用动态 HMM 概率分布模型的人眼精确定位;王洪群 等;《中国图象图形学报》;20060131;第11卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107944393A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960245B (zh) | 轮胎模具字符的检测与识别方法、装置、设备及存储介质 | |
CN108918536B (zh) | 轮胎模具表面字符缺陷检测方法、装置、设备及存储介质 | |
CN109035163B (zh) | 一种基于深度学习的自适应图像去噪方法 | |
CN110032938B (zh) | 一种藏文识别方法、装置及电子设备 | |
CN109902584B (zh) | 一种口罩缺陷的识别方法、装置、设备及存储介质 | |
CN112949564A (zh) | 一种基于深度学习的指针式仪表自动读数方法 | |
CN107516316B (zh) | 一种在fcn中引入聚焦机制对静态人体图像进行分割的方法 | |
CN109919160B (zh) | 验证码识别方法、装置、终端及存储介质 | |
CN110930390B (zh) | 基于半监督深度学习的芯片管脚缺失检测方法 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
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 | |
CN110728185B (zh) | 一种判别驾驶人存在手持手机通话行为的检测方法 | |
CN110046565B (zh) | 一种基于Adaboost算法的人脸检测方法 | |
CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
WO2019232870A1 (zh) | 手写字训练样本获取方法、装置、计算机设备及存储介质 | |
CN109872326B (zh) | 基于深度强化网络跳跃连接的轮廓检测方法 | |
CN111882555B (zh) | 基于深度学习的网衣检测方法、装置、设备及存储介质 | |
CN113159045A (zh) | 一种结合图像预处理与卷积神经网络的验证码识别方法 | |
CN108154496B (zh) | 一种适用于电力作业机器人的电力设备外观变化识别方法 | |
CN107944393B (zh) | 人脸鼻尖定位方法 | |
CN108520261B (zh) | 一种花生果仁数量的识别方法和装置 | |
CN114359199A (zh) | 一种基于深度学习的鱼类计数方法、装置、设备和介质 | |
CN106033609B (zh) | 仿生物跳跃眼动信息处理机制的目标轮廓检测方法 | |
CN111310754A (zh) | 一种分割车牌字符的方法 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 |
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 |