CN108921143A - 一种面部仪态的评估方法及装置 - Google Patents
一种面部仪态的评估方法及装置 Download PDFInfo
- Publication number
- CN108921143A CN108921143A CN201810961728.9A CN201810961728A CN108921143A CN 108921143 A CN108921143 A CN 108921143A CN 201810961728 A CN201810961728 A CN 201810961728A CN 108921143 A CN108921143 A CN 108921143A
- Authority
- CN
- China
- Prior art keywords
- facial
- eyes
- image
- score value
- facial characteristics
- 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
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
- G06V40/174—Facial expression recognition
-
- 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 Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种面部仪态的评估方法及装置。该方法,包括:获取待进行面部仪态的评估的图像,判断待进行面部评估的图像中是否包含有人脸图像;如果有,提取人脸图像中的面部特征;根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的面部特征的分值;根据提取的所述面部特征的权重和所述提取的面部特征的分值进行加权求和,计算得到所述人脸图像的仪态的评估值。如此,可以自动进行图像中人脸面部仪态的评估。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种面部仪态的评估方法及装置。
背景技术
在一些特殊的场合,比如拍证件照、从教学视频中对视频进行截图生成教学课件或者宣传片时,需要保证获取的图像中的人物图像的面部仪态处于端正的状态,以避免影响人物的形象。
现有技术中,都是由人工逐一查看图像,并进行主观判断图像中的人物面部仪态是否端正,效率较低。
发明内容
有鉴于此,本发明的目的在于提供一种面部仪态的评估方法和装置,以实现对图像中的人物面部的仪态进行评估。
第一方面,本申请实施例提供了一种面部仪态的评估方法,包括:
获取待进行面部仪态评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像;
如果有,提取所述人脸图像中的面部特征;
根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值;
根据所述提取的面部特征的分值和所述面部特征的权重,进行加权求和,得到计算得到所述人脸图像的仪态的评估值。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述面部特征,包括:所述人脸图像中两个瞳孔的连线与水平线的夹角,所述水平线为所述待识别人脸图像的水平线;
所述提取所述人脸图像中的面部特征,包括:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,确定所述眼睛的瞳孔的位置坐标;
根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值,包括:
根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
结合第一方面或者第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述面部特征,还包括:眼间距和/或眼睛睁开的面积,所述提取所述人脸图像中的面部特征,还包括:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和/或眼睛睁开的面积;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值;
和/或,
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
结合第一方面或者第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述面部特征,还包括:嘴巴的张开面积,所述提取人脸图像中的面部特征,包括:
提取所述人脸图像中的嘴巴的轮廓特征点和该轮廓特征点的坐标;
基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括:
根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到所述嘴巴的张开面积的第四分值。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的瞳孔的位置坐标,包括:
选取所述眼睛轮廓特征点的坐标所对应的目标方程a为第一系数,b为第二系数,x、y为坐标;
从所述眼睛的轮廓特征点中选取标记点,所述标记点的坐标为已知;
通过所述标记点的坐标和选取的第一系数和第二系数,对所述目标方程进行随机迭代优化,得到使所述目标方程的计算值与实际值之间的均方误差最小的目标方程的第一系数和第二系数;
根据所述第一系数和第二系数,确定所述眼睛的瞳孔的位置坐标。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述获取待进行面部仪态的评估的图像包括:
对视频进行循环采样得到视频帧图像,对所述视频帧图像进行图像转换得到灰度图,将所述灰度图作为待进行面部仪态的评估的图像。
本申请上述实施例提供的一种面部仪态的计算方法,通过对包含有人脸图像的待评估图像进行提取面部特征,对该面部特征进行打分,得到该面部特征的分值,并根据面部特征的分值和面部特征的权重进行加权求和得到最终的面部仪态的评估值,进而实现了对人物图像的面部仪态进行评估,相对于现有技术中通过人工进行观看检测的方式相比,具有效率高的积极效果。
第二方面,本申请实施例还提供了一种面部仪态的评估装置,包括:
获取模块,用于获取待进行面部仪态的评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像;
提取模块,用于如果所述待进行面部仪态的评估的图像中包含有人脸图像时,提取所述人脸图像中的面部特征;
匹配模块,用于根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值;
计算模块,用于根据所述提取的面部特征的权重和所述提取的面部特征的分值进行加权求和,计算得到所述人脸图像的仪态的评估值。
结合第二方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述提取模块,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的瞳孔的位置坐标;
根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角;
所述匹配模块,具体用于:
根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
结合第二方面或者第二方面的第一种可能的实施方式,本申请实施例提供了第二方面的第二种可能的实施方式,其中,所述提取模块,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和/或眼睛睁开的面积;
所述匹配模块,具体用于:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值;
和/或,
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
结合第二方面的第一种可能的实施方式,本申请实施例还提供了第二方面的第三种可能的实施方式,其中,所述提取模块,具体用于:
提取所述人脸图像中的嘴巴的轮廓特征点;
基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,得到所述提取的面部特征的分值,包括:
根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到所述嘴巴的张开面积的第四分值。
本申请上述实施例提供的一种面部仪态的计算装置,通过对包含有人脸图像的待评估图像进行提取面部特征,对该面部特征进行打分,得到该面部特征的分值,并根据面部特征的分值和面部特征的权重进行加权求和得到最终的面部仪态的评估值,进而实现了对人物图像的面部仪态进行评估,相对于现有技术中通过人工进行观看检测的方式相比,具有效率高的积极效果。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请一个实施例所提供的一种面部仪态的评估方法的流程示意图;
图2示出了本申请另一个实施例所提供的提取人脸图像中面部特征的流程示意图;
图3示出了本申请又一个实施例所提供的提取人脸图像中面部特征的流程示意图;
图4示出了本申请另一个实施例所提供的一种面部仪态的评估装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
图1给出了本申请一个实施例提供的一种面部仪态的评估方法的示意图。参照图1所示,该方法包括以下步骤:
S101、获取待进行面部仪态的评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像。
在一个具体的应用场景中,如果是从视频中进行截取的图像,上述获取待进行面部仪态的评估的图像可以是包括如下步骤:
A10、利用OpenCV读取视频,加载视频进入内存。
A12、针对存储的视频进行降采样。
因为视频的帧率一般是在25帧/秒或者更高,此处进行降采样到5帧/ 秒,在不影响计算质量的前提下可以减小图像的计算量。
A14、对采样得到的视频帧图像进行处理,得到灰度图。
上述将视频帧图像进行处理成为灰度图,可以节省内存的占用,并且可以提高后续图像处理的速度。
S102、如果有,提取所述人脸图像中的面部特征。
在得到灰度图以后,可以是通过现有技术中的人脸识别算法(例如dlib model等),进行检测灰度图中是否包含有人脸图像,并标记人脸中的面部特征器官(如眼睛、嘴巴等)的轮廓特征点。
S103、根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值。
S104、根据提取的所述面部特征的权重和所述提取的面部特征的分值进行加权求和,得到计算得到所述人脸图像的仪态的评估值。
本申请一个实施例中,上述的人脸图像中的面部特征,包括:所述人脸图像中两个瞳孔的连线与水平线的夹角,其中,该水平线为图片的上边缘或者下边缘,该上边缘与下边缘与地面平行。
本实施例中,上述步骤S102中,所述提取所述人脸图像中的面部特征,具体包括:
S201、提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标。
利用现有技术在得到眼睛的轮廓特征点以后,就可以得到该轮廓特征点的坐标。
S202、基于所述眼睛的轮廓特征点的坐标,确定所述眼睛的瞳孔的位置坐标。
本申请一实施例中,上述的基于眼睛的轮廓特征点的坐标,确定眼睛的瞳孔位置的过程,具体包括如下步骤:
B10、设定所述眼睛轮廓特征点的坐标所对应的目标方程 a为第一系数,b为第二系数,x、y为坐标。
本实施例中,将眼睛的轮廓形状近似为椭圆,因此将椭圆的方程作为眼睛的轮廓特征点的坐标所对应的目标方程。
B12、从所述眼睛的轮廓特征点中选取标记点,所述标记点的坐标为已知。
在通过现有技术识别图像中所包含的人脸图像,并提取了该人脸图像中的眼睛的轮廓特征点以及该轮廓特征点的坐标以后,从所有的轮廓特征点中选取特定的轮廓特征点作为标记点,该标记点的坐标为已知状态。
B14、通过所述标记点的坐标和选取的第一系数和第二系数,对所述目标方程进行测试,得到使所述目标方程的计算值与实际值之间的均方误差最小的目标方程的第一系数和第二系数。
具体的,通过上述的标记点的坐标和选取的第一系数和第二系数进行拟合,基于最小二乘法进行定义损失函数f_loss=∑(y’-y)2,其中y’是通过将坐标点的横坐标x’和选取的第一系数和第二系数和上述的目标方程计算得到的结果值,其中y为标记点的实际坐标,通过利用SGD优化算法,来迭代逼近f_loss函数的最优解,最终得到的最优解就是最好的第一系数a(短轴),第二系数b(长轴)。
B16、根据所述第一系数和第二系数,确定所述眼睛的瞳孔的位置坐标。
将该眼睛的瞳孔的位置坐标看作是椭圆方程中长轴与短轴的交点的位置坐标;进而在确定上述的目标方程的第一系数和第二系数以后就可以得眼睛的瞳孔的位置坐标。
S203、根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角。
本实施例中,上述步骤S103中,所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值,包括:
B20、根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
本实施例中,根据夹角的大小预先设置有对应的第一分值,在确定人脸图像中该两个瞳孔的连线与水平线的夹角以后既可以根据预设的夹角与第一分值的对应关系,得到该夹角的第一分值。
本实施中通过个瞳孔的连线与水平线的夹角进行判断图像中的人体是否出现倾斜。
本申请另一个实施例中,上述的面部特征,还包括:眼间距和/或眼睛睁开的面积,上述步骤S102中,所述提取所述人脸图像中的面部特征,还包括:
S301、提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标。
S302、基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和 /或眼睛睁开的面积。
具体的,本实施例中也可以是通过上述的方法进行计算得到眼睛的轮廓特征点的坐标所属的上述的目标方程,根据该目标方程的第一系数a进行计算眼睛的眼间距,以及根据上述的第一系数a和第二系数b计算得到目标方程对应的曲线所组成的图像的面积,进而可以计算出该眼睛睁开的面积大小。
本实施例中,上述步骤S103中,所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值。
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
本申请又一个实施例中,上述的面部特征,还包括:嘴巴的张开面积,本实施例中,上述步骤S102中,所述提取人脸图像中的面部特征,包括:
C10、提取所述人脸图像中的嘴巴的轮廓特征点和该轮廓特征点的坐标。
C12、基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积。
上述步骤S103中,所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括步骤C16:
C16、根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到所述嘴巴的张开面积的第四分值。
本申请一个实施例中,在得到上述的两个瞳孔的连线与水平线之间的夹角对应的第一分值A1、眼睛的睁开面积对应的第三分值A2和嘴巴的张开面积对应的第四分值A3以后,可以是根据预先设定的权值进行加权求和得到最终的仪态的得分值,即仪态的评估值。此处以两个瞳孔的连线与水平线之间的夹角、眼睛的睁开面积和嘴巴的张开面积分别对应的权重为 4、3、3为例,上述最终得到的仪态的得分值A为:A=4/A1+3*A2+3/A3。也可以是通过在得到上述的两个瞳孔的连线与水平线之间的夹角对应的第一分值、眼睛的眼间距对应的第二分值和嘴巴的张开面积对应的第四分值以后和各自对应的权重进行计算得到最终的仪态的得分值。
需要说明的是,此处仅为举例说明,不应当看作是对本发明的限制。
在具体应用时,在进行评估过程中,筛选出最终的得分值A大于特定数值的图像,进而可以自动筛选出图像中人脸面部仪态端正的图像。
上述实施例中,在进行面部仪态的评估时,以两眼瞳孔连线越水平越好,眼睛面积越大越好,嘴巴面积越小越好作为规则,进行筛选出图像中人脸面部仪态端正的图像。相对于现有技术中的人工逐一筛选的方式相比具有更加高效的积极效果。
图4示出了本申请另一个实施例所提供的一种面部仪态的评估装置的结构示意图。参照图4所示,该面部仪态的评估装置,包括:
获取模块10,用于获取待进行面部仪态的评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像;
提取模块20,用于如果所述待进行面部仪态的评估的图像中包含有人脸图像时,提取所述人脸图像中的面部特征;
匹配模块30,用于根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值;
计算模块40,用于根据所述提取的面部特征的权重和所述提取的面部特征的分值进行加权求和,计算得到所述人脸图像的仪态的评估值。
本申请一可选的实施例中,上述的提取模块20,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的瞳孔的位置坐标;
根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角;
上述的匹配模块30,具体用于:
根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
本申请一可选的实施例中,上述的提取模块20,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和/或眼睛睁开的面积;
上述的匹配模块30,具体用于:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值;
和/或,
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
本申请一可选的实施例中,上述的提取模块20,具体用于:
提取所述人脸图像中的嘴巴的轮廓特征点;
基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积;
上述的匹配模块30,具体用于:
根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到多数嘴巴的张开面积的第四分值。
本申请实施例所提供的进行面部仪态的评估的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
本申请实施例所提供的一种面部仪态的评估装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种面部仪态的评估方法,其特征在于,包括:
获取待进行面部仪态评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像;
如果有,提取所述人脸图像中的面部特征;
根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值;
根据所述提取的面部特征的分值和所述面部特征的权重,进行加权求和,计算得到所述人脸图像的仪态的评估值。
2.根据权利要求1所述的方法,其特征在于,所述面部特征,包括:所述人脸图像中两个瞳孔的连线与水平线的夹角,所述水平线为所述待识别人脸图像的水平线;
所述提取所述人脸图像中的面部特征,包括:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,确定所述眼睛的瞳孔的位置坐标;
根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出提取的所述面部特征的分值,包括:
根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
3.根据权利要求1或2所述的方法,其特征在于,所述面部特征,还包括:眼间距和/或眼睛睁开的面积,所述提取所述人脸图像中的面部特征,还包括:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和/或眼睛睁开的面积;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值;
和/或,
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
4.根据权利要求1或2所述的方法,其特征在于,所述面部特征,还包括:嘴巴的张开面积,所述提取人脸图像中的面部特征,包括:
提取所述人脸图像中的嘴巴的轮廓特征点和该轮廓特征点的坐标;
基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积;
所述根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值,包括:
根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到所述嘴巴的张开面积的第四分值。
5.根据权利要求2所述的方法,其特征在于,所述基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的瞳孔的位置坐标,包括:
选取所述眼睛轮廓特征点的坐标所对应的目标方程a为第一系数,b为第二系数,x、y为坐标;
从所述眼睛的轮廓特征点中选取标记点,所述标记点的坐标为已知;
通过所述标记点的坐标和选取的第一系数和第二系数,对所述目标方程进行随机迭代优化,得到使所述目标方程的计算值与实际值之间的均方误差最小的目标方程的第一系数和第二系数;
根据所述第一系数和第二系数,确定所述眼睛的瞳孔的位置坐标。
6.根据权利要求1所述的方法,其特征在于,所述获取待进行面部仪态的评估的图像包括:
对视频进行循环采样得到视频帧图像,对所述视频帧图像进行图像转换得到灰度图,将所述灰度图作为待进行面部仪态的评估的图像。
7.一种面部仪态的评估装置,其特征在于,包括:
获取模块,用于获取待进行面部仪态的评估的图像,判断所述待进行面部评估的图像中是否包含有人脸图像;
提取模块,用于如果所述待进行面部仪态的评估的图像中包含有人脸图像时,提取所述人脸图像中的面部特征;
匹配模块,用于根据提取的面部特征和预先设定的面部特征与分值的对应关系,匹配出所述提取的面部特征的分值;
计算模块,用于根据所述提取的面部特征的权重和所述提取的面部特征的分值进行加权求和,计算得到所述人脸图像的仪态的评估值。
8.根据权利要求7所述的装置,其特征在于,所述提取模块,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的瞳孔的位置坐标;
根据所述人脸图像中确定的两个瞳孔的位置坐标,计算两个瞳孔的连线与水平线的夹角;
所述匹配模块,具体用于:
根据所述夹角和预先设定的夹角与第一分值的对应关系,得到所述夹角对应的第一分值。
9.根据权利要求7或8所述的装置,其特征在于,所述提取模块,具体用于:
提取所述人脸图像中的眼睛的轮廓特征点和该轮廓特征点的坐标;
基于所述眼睛的轮廓特征点的坐标,计算所述眼睛的眼间距和/或眼睛睁开的面积;
所述匹配模块,具体用于:
根据所述眼睛的眼间距和预先设定的眼间距与第二分值的对应关系,得到所述眼睛的眼间距对应的第二分值;
和/或,
根据所述眼睛睁开的面积和预先设定的眼睛睁开的面积与第三分值的对应关系,得到所述眼睛睁开的面积对应的第三分值。
10.根据权利要求7所述的装置,其特征在于,所述提取模块,具体用于:
提取所述人脸图像中的嘴巴的轮廓特征点;
基于所述嘴巴的轮廓特征点的坐标,计算所述嘴巴的张开面积;
所述匹配模块,具体用于:
根据所述嘴巴的张开面积与预设的嘴巴的张开面积与第四分值的对应关系,得到所述嘴巴的张开面积的第四分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961728.9A CN108921143A (zh) | 2018-08-22 | 2018-08-22 | 一种面部仪态的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961728.9A CN108921143A (zh) | 2018-08-22 | 2018-08-22 | 一种面部仪态的评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921143A true CN108921143A (zh) | 2018-11-30 |
Family
ID=64405317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810961728.9A Pending CN108921143A (zh) | 2018-08-22 | 2018-08-22 | 一种面部仪态的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921143A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670473A (zh) * | 2018-12-28 | 2019-04-23 | 深圳英飞拓智能技术有限公司 | 基于人脸抓图的优选方法及装置 |
CN109858343A (zh) * | 2018-12-24 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的控制方法、装置及存储介质 |
CN110598555A (zh) * | 2019-08-12 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 一种图像的处理方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219640B1 (en) * | 1999-08-06 | 2001-04-17 | International Business Machines Corporation | Methods and apparatus for audio-visual speaker recognition and utterance verification |
EP1187055A2 (en) * | 2000-09-06 | 2002-03-13 | Hitachi, Ltd. | Personal identification device and method |
CN101706955A (zh) * | 2009-09-11 | 2010-05-12 | 桂林康实电子科技有限公司 | 形象评分系统 |
CN102496002A (zh) * | 2011-11-22 | 2012-06-13 | 上海大学 | 基于图像的人脸美貌度评价方法 |
CN102930252A (zh) * | 2012-10-26 | 2013-02-13 | 广东百泰科技有限公司 | 一种基于神经网络头部运动补偿的视线跟踪方法 |
CN105975935A (zh) * | 2016-05-04 | 2016-09-28 | 腾讯科技(深圳)有限公司 | 一种人脸图像处理方法和装置 |
CN108304811A (zh) * | 2018-02-07 | 2018-07-20 | 人加智能机器人技术(北京)有限公司 | 基于rgbd信息的三维人脸颜值评分方法、装置及系统 |
-
2018
- 2018-08-22 CN CN201810961728.9A patent/CN108921143A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219640B1 (en) * | 1999-08-06 | 2001-04-17 | International Business Machines Corporation | Methods and apparatus for audio-visual speaker recognition and utterance verification |
EP1187055A2 (en) * | 2000-09-06 | 2002-03-13 | Hitachi, Ltd. | Personal identification device and method |
CN101706955A (zh) * | 2009-09-11 | 2010-05-12 | 桂林康实电子科技有限公司 | 形象评分系统 |
CN102496002A (zh) * | 2011-11-22 | 2012-06-13 | 上海大学 | 基于图像的人脸美貌度评价方法 |
CN102930252A (zh) * | 2012-10-26 | 2013-02-13 | 广东百泰科技有限公司 | 一种基于神经网络头部运动补偿的视线跟踪方法 |
CN105975935A (zh) * | 2016-05-04 | 2016-09-28 | 腾讯科技(深圳)有限公司 | 一种人脸图像处理方法和装置 |
CN108304811A (zh) * | 2018-02-07 | 2018-07-20 | 人加智能机器人技术(北京)有限公司 | 基于rgbd信息的三维人脸颜值评分方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
HYUNG-IL KIM等: "FACE IMAGE ASSESSMENT LEARNED WITH OBJECTIVE AND RELATIVE FACE IMAGE QUALITIES FOR IMPROVED FACE RECOGNITION", 《IEEE》 * |
赵景卓: "《现代礼仪》", 31 August 1998, 北京:中国物资出版社 * |
高修峰等: "人脸图像质量评估标准", 《小型微型计算机系统》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858343A (zh) * | 2018-12-24 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的控制方法、装置及存储介质 |
CN109858343B (zh) * | 2018-12-24 | 2021-07-06 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的控制方法、装置及存储介质 |
CN109670473A (zh) * | 2018-12-28 | 2019-04-23 | 深圳英飞拓智能技术有限公司 | 基于人脸抓图的优选方法及装置 |
CN110598555A (zh) * | 2019-08-12 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 一种图像的处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346422B (zh) | 一种基于眨眼检测的活体人脸识别方法 | |
CN106295522A (zh) | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 | |
CN110945522B (zh) | 一种学习状态的判断方法、装置及智能机器人 | |
CN110135282B (zh) | 一种基于深度卷积神经网络模型的考生回头抄袭作弊检测方法 | |
CN108921143A (zh) | 一种面部仪态的评估方法及装置 | |
CN110634116B (zh) | 一种面部图像评分方法及摄像机 | |
CN110223322B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN108615226A (zh) | 一种基于生成式对抗网络的图像去雾方法 | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
CN109685713B (zh) | 化妆模拟控制方法、装置、计算机设备及存储介质 | |
CN105224285A (zh) | 眼睛开闭状态检测装置和方法 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
CN107798279A (zh) | 一种人脸活体检测方法及装置 | |
CN109522775A (zh) | 人脸属性检测方法、装置及电子设备 | |
CN114333046A (zh) | 舞蹈动作评分方法、装置、设备和存储介质 | |
CN112017212A (zh) | 人脸关键点跟踪模型的训练、跟踪方法及系统 | |
CN109522865A (zh) | 一种基于深度神经网络的特征加权融合人脸识别方法 | |
CN115546861A (zh) | 一种在线课堂专注度识别方法、系统、设备及介质 | |
CN109558797B (zh) | 基于视觉刺激下的重心面积模型区分人体平衡障碍的方法 | |
CN107633527B (zh) | 基于全卷积神经网络的目标追踪方法及装置 | |
CN107368817A (zh) | 人脸识别方法和装置 | |
CN110175553A (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
CN109194952B (zh) | 头戴式眼动追踪设备及其眼动追踪方法 | |
CN105518715A (zh) | 活体检测方法及设备、计算机程序产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |