CN108647590A - 一种智能头像处理算法 - Google Patents
一种智能头像处理算法 Download PDFInfo
- Publication number
- CN108647590A CN108647590A CN201810376835.5A CN201810376835A CN108647590A CN 108647590 A CN108647590 A CN 108647590A CN 201810376835 A CN201810376835 A CN 201810376835A CN 108647590 A CN108647590 A CN 108647590A
- Authority
- CN
- China
- Prior art keywords
- face
- size
- target size
- width
- head portrait
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 20
- 238000000034 method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 210000000887 face Anatomy 0.000 description 3
- 230000036544 posture Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
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 Analysis (AREA)
Abstract
本发明公开了一种智能头像处理算法，包括以下步骤：S1获取人脸训练模型；S2利用所述人脸训练模型检测目标图片，当检测到人脸时，获取人脸的中心位置及矩形坐标；S3根据目标尺寸的大小与人脸矩形的大小进行计算，按照宽高比的最大适当倍率进行放大，按照宽高比的最小适当倍率进行缩小；S4对S3中计算结果进行分析比对，优化目标尺寸。本发明的有益效果：通过借助于现有的机器学习算法，对人脸检测中的头像处理方式进行优化，提高头像处理效率及质量，减少人工劳动及人工成本。
Description
技术领域
本发明涉及图像处理领域，具体来说，涉及一种智能头像处理算法。
背景技术
人脸检测(Face Detection)是指在图像中确定所有存在的人脸的位置与大小。人脸检测装置以可能包括人脸的图像作为输入，输出关于图像中是否存在人脸以及人脸的数目、位置、尺度、姿态等信息的参数化描述。
国内外提出的人脸检测方法主要采用基于人脸模型的方法、基于人脸特征的方法和基于统计的方法。其中，基于人脸模型的方法一般通过训练人脸样本，分别获得不同姿态的人脸检测模型，然后通过人脸检测模型对输入图像进行人脸检测；基于人脸特征的方法利用整体的肤色、形状等特征检测出人脸候选区域，然后使用局部的眼睛、嘴等特征进行人脸特征的验证，从而检测出人脸；基于统计的方法是通过搜集大量的人脸和非人脸样本作为训练集，再经过各种分类方法进行人脸与非人脸的分类。
在检测到人脸后，往往需要进行的操作是剪裁、缩放头像，在背景图像较为复杂的情况下很容易出现头像失真，同时不合理的剪裁尺寸会将头像裁剪为一部分。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种智能头像处理算法，能够提高头像处理效率。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种智能头像处理算法，包括以下步骤：
S1 获取人脸训练模型；
S2 利用所述人脸训练模型检测目标图片，当检测到人脸时，获取人脸的中心位置及矩形坐标；
S3 根据目标尺寸的大小与人脸矩形的大小进行计算，按照宽高比的最大适当倍率进行放大，按照宽高比的最小适当倍率进行缩小；
S4 对S3中计算结果进行分析比对，优化目标尺寸，进一步包括:
S41与人脸完整性轮廓进行分析比对，以保证人脸完整性为原则进行目标尺寸优化，
S42 与缩放后的原图尺寸进行分析比对，以保证不变形、不失真为原则进行目标尺寸优化。
作为优选，该算法进一步包括：S5 根据优化后的目标尺寸对图片进行裁剪，并保存。
进一步的，S2中若未检测到人脸，则对图片按照目标尺寸进行裁剪，保存。
进一步的，S1中的人脸训练模型为开源人脸模型，或者利用开源人脸图片集合对现有模型进一步优化。
进一步的，S2中根据人脸最小范围的长、宽、最高点、最左侧点信息计算人脸中心位置坐标及人脸矩形区域的坐标值。
进一步的，S3具体包括：
S31 根据目标尺寸与人脸矩形的大小判断人脸区域能否完全显示；
S32 当不能正常显示时，分别计算目标尺寸与人脸矩形尺寸宽度比和高度比，具体包括:
S321 如果人脸大于目标尺寸，则按照宽度比与高度比的最小适当比例缩小人脸区域；
S322 当人脸小于目标尺寸且目标尺寸大于头像原始尺寸，则同时按照宽度比与高度比的最大适当比例进行原始图片以及人脸区域的放大。
进一步的，S41具体包括：根据分析后的目标尺寸覆盖面、原图覆盖面及人脸覆盖面，以人脸中心点为中心进行计算，以保证能够正确的完整的显示出人脸区域，如果目标尺寸失调，则以人脸的宽高比来调整目标尺寸的比例，使其可以完整显示人脸。
进一步的，S42具体包括：根据目标尺寸与缩放后的原图进行宽高对比，如果目标尺寸的宽或者高大于原始图片的宽或者高，则将目标尺寸优化为原始图片的宽或者高。
本发明的有益效果：通过借助于现有的机器学习算法，对人脸检测中的头像处理方式进行优化，提高头像处理效率及质量，减少人工劳动及人工成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的一种智能头像处理算法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的一种智能头像处理算法，包括以下步骤：
S1 获取人脸训练模型；
S2 利用所述人脸训练模型检测目标图片，当检测到人脸时，获取人脸的中心位置及矩形坐标；
S3 根据目标尺寸的大小与人脸矩形的大小进行计算，按照宽高比的最大适当倍率进行放大，按照宽高比的最小适当倍率进行缩小；
S4 对S3中计算结果进行分析比对，优化目标尺寸，进一步包括:
S41与人脸完整性轮廓进行分析比对，以保证人脸完整性为原则进行目标尺寸优化，
S42 与缩放后的原图尺寸进行分析比对，以保证不变形、不失真为原则进行目标尺寸优化。
作为优选，该算法进一步包括：S5 根据优化后的目标尺寸对图片进行裁剪，并保存。
进一步的，S2中若未检测到人脸，则对图片按照目标尺寸进行裁剪，保存。
进一步的，S1中的人脸训练模型为开源人脸模型，或者利用开源人脸图片集合对现有模型进一步优化。
进一步的，S2中根据人脸最小范围的长、宽、最高点、最左侧点信息计算人脸中心位置坐标及人脸矩形区域的坐标值。
进一步的，S3具体包括：
S31 根据目标尺寸与人脸矩形的大小判断人脸区域能否完全显示；
S32 当不能正常显示时，分别计算目标尺寸与人脸矩形尺寸宽度比和高度比，具体包括:
S321 如果人脸大于目标尺寸，则按照宽度比与高度比的最小适当比例缩小人脸区域；
S322 当人脸小于目标尺寸且目标尺寸大于头像原始尺寸，则同时按照宽度比与高度比的最大适当比例进行原始图片以及人脸区域的放大。
进一步的，S41具体包括：根据分析后的目标尺寸覆盖面、原图覆盖面及人脸覆盖面，以人脸中心点为中心进行计算，以保证能够正确的完整的显示出人脸区域，如果目标尺寸失调，则以人脸的宽高比来调整目标尺寸的比例，使其可以完整显示人脸。
进一步的，S42具体包括：根据目标尺寸与缩放后的原图进行宽高对比，如果目标尺寸的宽或者高大于原始图片的宽或者高，则将目标尺寸优化为原始图片的宽或者高。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，根据本发明所述的一种智能头像处理算法，包括以下步骤：
1、训练人脸模型：
采用现有开源人脸图片集合，以及训练后的模型进行二次优化训练，或者直接使用比较精确的训练模型。
当采用现有开源人脸图片集合，以及训练后的模型进行二次优化训练时,需要准备多角度，多光线等情况下的人脸图片,这些图片是原有训练集合中没有的。然后将图片转为灰度图片，更改图像大小为64 * 64，并标注人脸的矩形区域位置，创建并生成pos.txt文件，创建向量文件，训练完成之后生成的haar分类器并保存在data目录中。
2、根据人脸模型，检测识别人脸
首先加载分类器，将训练好的人脸模型数据加载到内存中，读取图片信息，把图片进行BGR灰度处理，每次搜索图片依次扩大10%。检测目标的相邻矩形的数量，小于3个就忽略，使用Canny边缘检测来排除边缘过多或过少的区域，对头像进行人脸检测与识别，如果检测并识别出人脸，返回状态值以及人脸最小范围的left,top,width,height等信息。
3、如果没有检测识别到人脸，就按照正常图片进行裁剪处理。
4、如果检测识别到人脸，获取人脸的中心位置及矩形坐标
根据人脸最小范围的left,top,width,height等值，计算出人脸中心位置坐标以及矩形区域的坐标值。
5、根据目标尺寸的大小与人脸矩形的大小等进行计算分析，本着最大适当倍率的放大，最小适当倍率的缩小原则
根据目标尺寸与人脸矩形的大小，来判断人脸区域能否在目标尺寸大小的区域内完全显示。
如果不能正常显示，分别计算目标尺寸与人脸矩形尺寸宽度比和高度比，其中，如果人脸大于目标尺寸，则按照宽度比与高度比的最小适当比例缩小人脸区域，采用使用象素关系重采样的方式进行图片的缩小处理，避免波纹出现；如果人脸比目标尺寸小且目标尺寸大于头像原始尺寸，则同时采用宽度比与高度比的最大适当比例进行头像原始图以及人脸区域的同时放大，采用立方差值的方式进行处理，避免锯齿的出现，最后返回分析的目标合适的尺寸。
6、根据分析结果以及人脸完整性轮廓进行对比，以保证人脸完整性为首要前提，对目标尺寸进行纠正
根据分析后的目标尺寸覆盖面、原图覆盖面及人脸覆盖面已人脸中心点为中心进行计算，以保证能够正确的完整的显示出人脸区域。如果目标尺寸失调，即宽度远远大于高度或者宽度远远小于高度等，则以人脸的宽高比，来调整目标尺寸的比例，使其可以完整显示人脸。
7、对目标尺寸与缩放后的原图尺寸进行分析对比，以保证不变形，不失真的前提下，对目标尺寸进行纠正
根据上面修正后的目标尺寸与缩放后的原图进行宽、高对比，如果目标尺寸的宽或者高大于原始图片的宽或者高，就纠正为原始图片的宽或者高。
8、根据纠正的目标尺寸进行裁剪
通过opencv技术对图片进行裁剪处理，获取裁剪后的bitarray数据。
9、把目标图片保存为指定的文件中
打开文件，根据文件扩展名获取保存格式，如jpg、png等，根据bitarray数据以及图片格式，获取图片流数据，将图片流数据写入到文件中，最后关闭文件。
综上所述，借助于本发明的上述技术方案，通过借助于现有的机器学习算法，对人脸检测中的头像处理方式进行优化，提高头像处理效率及质量，减少人工劳动及人工成本。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种智能头像处理算法，其特征在于，包括以下步骤：
S1 获取人脸训练模型；
S2 利用所述人脸训练模型检测目标图片，当检测到人脸时，获取人脸的中心位置及矩形坐标；
S3 根据目标尺寸的大小与人脸矩形的大小进行计算，按照宽高比的最大适当倍率进行放大，按照宽高比的最小适当倍率进行缩小；
S4 对S3中计算结果进行分析比对，优化目标尺寸，进一步包括：
S41与人脸完整性轮廓进行分析比对，以保证人脸完整性为原则进行目标尺寸优化，
S42 与缩放后的原图尺寸进行分析比对，以保证不变形、不失真为原则进行目标尺寸优化。
2.根据权利要求1所述的智能头像处理算法，其特征在于，该算法进一步包括：S5 根据优化后的目标尺寸对图片进行裁剪，并保存。
3.根据权利要求1所述的智能头像处理算法，其特征在于，S2中若未检测到人脸，则对图片按照目标尺寸进行裁剪，保存。
4.根据权利要求1所述的智能头像处理算法，其特征在于，S1中的人脸训练模型为开源人脸模型，或者利用开源人脸图片集合对现有模型进一步优化。
5.根据权利要求1所述的智能头像处理算法，其特征在于，S2中根据人脸最小范围的长、宽、最高点、最左侧点信息计算人脸中心位置坐标及人脸矩形区域的坐标值。
6.根据权利要求1所述的智能头像处理算法，其特征在于，S3具体包括：
S31 根据目标尺寸与人脸矩形的大小判断人脸区域能否完全显示；
S32 当不能正常显示时，分别计算目标尺寸与人脸矩形尺寸宽度比和高度比，具体包括:
S321 如果人脸大于目标尺寸，则按照宽度比与高度比的最小适当比例缩小人脸区域；
S322 当人脸小于目标尺寸且目标尺寸大于头像原始尺寸，则同时按照宽度比与高度比的最大适当比例进行原始图片以及人脸区域的放大。
7.根据权利要求1所述的智能头像处理算法，其特征在于，S41具体包括：根据分析后的目标尺寸覆盖面、原图覆盖面及人脸覆盖面，以人脸中心点为中心进行计算，以保证能够正确的完整的显示出人脸区域，如果目标尺寸失调，则以人脸的宽高比来调整目标尺寸的比例。
8.根据权利要求7所述的智能头像处理算法，其特征在于，S42具体包括：根据目标尺寸与缩放后的原图进行宽高对比，如果目标尺寸的宽或者高大于原始图片的宽或者高，则将目标尺寸优化为原始图片的宽或者高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810376835.5A CN108647590A (zh) | 2018-04-25 | 2018-04-25 | 一种智能头像处理算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810376835.5A CN108647590A (zh) | 2018-04-25 | 2018-04-25 | 一种智能头像处理算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108647590A true CN108647590A (zh) | 2018-10-12 |
Family
ID=63747676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810376835.5A Pending CN108647590A (zh) | 2018-04-25 | 2018-04-25 | 一种智能头像处理算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647590A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111476201A (zh) * | 2020-04-29 | 2020-07-31 | Oppo广东移动通信有限公司 | 一种证件照制作方法及终端、存储介质 |
| CN113837195A (zh) * | 2021-10-19 | 2021-12-24 | 维沃移动通信有限公司 | 图像处理方法、装置、设备和存储介质 |
| US11914850B2 (en) | 2019-06-30 | 2024-02-27 | Huawei Technologies Co., Ltd. | User profile picture generation method and electronic device |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903221A (zh) * | 2012-12-24 | 2014-07-02 | 腾讯科技（深圳）有限公司 | 一种图片生成方法、装置和系统 |
| CN104952027A (zh) * | 2014-10-11 | 2015-09-30 | 腾讯科技（北京）有限公司 | 一种包含人脸信息的图片剪裁方法及装置 |
| WO2015154516A1 (zh) * | 2014-04-09 | 2015-10-15 | 百度在线网络技术（北京）有限公司 | 基于人脸识别的图片裁剪方法、装置、设备和存储介质 |
| US20170083762A1 (en) * | 2015-06-22 | 2017-03-23 | Photomyne Ltd. | System and Method for Detecting Objects in an Image |
| WO2017080158A1 (zh) * | 2015-11-11 | 2017-05-18 | 乐视控股（北京）有限公司 | 图片处理方法、设备及系统 |
-
2018
- 2018-04-25 CN CN201810376835.5A patent/CN108647590A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903221A (zh) * | 2012-12-24 | 2014-07-02 | 腾讯科技（深圳）有限公司 | 一种图片生成方法、装置和系统 |
| WO2015154516A1 (zh) * | 2014-04-09 | 2015-10-15 | 百度在线网络技术（北京）有限公司 | 基于人脸识别的图片裁剪方法、装置、设备和存储介质 |
| CN104952027A (zh) * | 2014-10-11 | 2015-09-30 | 腾讯科技（北京）有限公司 | 一种包含人脸信息的图片剪裁方法及装置 |
| US20170083762A1 (en) * | 2015-06-22 | 2017-03-23 | Photomyne Ltd. | System and Method for Detecting Objects in an Image |
| WO2017080158A1 (zh) * | 2015-11-11 | 2017-05-18 | 乐视控股（北京）有限公司 | 图片处理方法、设备及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11914850B2 (en) | 2019-06-30 | 2024-02-27 | Huawei Technologies Co., Ltd. | User profile picture generation method and electronic device |
| CN111476201A (zh) * | 2020-04-29 | 2020-07-31 | Oppo广东移动通信有限公司 | 一种证件照制作方法及终端、存储介质 |
| CN113837195A (zh) * | 2021-10-19 | 2021-12-24 | 维沃移动通信有限公司 | 图像处理方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111401257B (zh) | 一种基于余弦损失在非约束条件下的人脸识别方法 | |
| Dehshibi et al. | A new algorithm for age recognition from facial images | |
| CN104408462B (zh) | 面部特征点快速定位方法 | |
| US7643659B2 (en) | Facial feature detection on mobile devices | |
| US7953253B2 (en) | Face detection on mobile devices | |
| CN105740780B (zh) | 人脸活体检测的方法和装置 | |
| CN106446779B (zh) | 身份识别方法和装置 | |
| CN106529448A (zh) | 利用聚合通道特征进行多视角人脸检测的方法 | |
| CN108647590A (zh) | 一种智能头像处理算法 | |
| CN109858435A (zh) | 一种基于脸部图像的小熊猫个体识别方法 | |
| CN104318262A (zh) | 通过人脸照片更换皮肤的方法及系统 | |
| CN106203284B (zh) | 基于卷积神经网络和条件随机场的人脸检测方法 | |
| CN104318603A (zh) | 从手机相册调取照片生成3d模型的方法及系统 | |
| CN103413119A (zh) | 基于人脸稀疏描述子的单样本人脸识别方法 | |
| CN106940791B (zh) | 一种基于低维方向梯度直方图的行人检测方法 | |
| US20090245575A1 (en) | Method, apparatus, and program storage medium for detecting object | |
| TW200929008A (en) | Multi-direction human face detection method | |
| CN105046278B (zh) | 基于Haar特征的Adaboost检测算法的优化方法 | |
| CN105930798A (zh) | 基于学习的面向手机应用的舌像快速检测分割方法 | |
| CN104318266A (zh) | 一种图像智能分析处理预警方法 | |
| CN109359577A (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN111914761A (zh) | 一种热红外人脸识别的方法及系统 | |
| CN111079625A (zh) | 一种摄像头自动跟随人脸转动的控制方法 | |
| CN103218615B (zh) | 人脸判定方法 | |
| CN108446642A (zh) | 一种快速人脸识别系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |
|
| RJ01 | Rejection of invention patent application after publication |