CN108985249A - 人脸检测方法、装置、电子设备以及存储介质 - Google Patents
人脸检测方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN108985249A CN108985249A CN201810837078.7A CN201810837078A CN108985249A CN 108985249 A CN108985249 A CN 108985249A CN 201810837078 A CN201810837078 A CN 201810837078A CN 108985249 A CN108985249 A CN 108985249A
- Authority
- CN
- China
- Prior art keywords
- area
- skin color
- face
- face datection
- screening
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 238000012216 screening Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 abstract description 4
- 238000005286 illumination Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸检测方法、装置、电子设备以及存储介质，包括对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。本发明实施例通过图像白平衡处理、肤色模型、外接矩形框长宽比的初步筛选、基于直线检测的角度旋转等，避免特征尺寸由小到大逐级缩放，减少检测人脸所用的Haar特征数量，缩短了人脸检测时间，从而实现降低整体的人脸检测时间和提高人脸检测准确度。
Description
技术领域
本发明涉及计算机技术领域，特别是指一种人脸检测方法、装置、电子设备以及存储介质。
背景技术
目前，人脸识别技术在很多领域中展开应用，人脸检测作为人脸识别过程中最关键的一个步骤，其检测的准确度能够直接影响人脸识别的结果。图像处理方法是一种常见的人脸检测方式，主要根据人脸的某些特征进行检测，包括传统的肤色模型方法以及近年来逐渐发展成熟的Haar特征检测方法和深度学习方法。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
虽然Haar特征和深度学习方法在检测准确度方面表现较好，但是传统的Haar特征法与深度学习方法进行人脸检测时所需时间较长，Haar特征检测人脸方法需要使用数量较多的特征数量并且特征尺寸由小到大逐级缩放，还需要用到多种Haar特征模型检测不同角度的人脸，因此检测人脸所需时间较长。在传统的人脸检测算法中，基于肤色模型方法检测速度较快，但其人脸检测准确度不高，因为这种方法只能检测出肤色区域而无法区分人脸与非人脸，此外，这种方法受外界环境光照条件(色温、色调等)影响较大。而且，目前大多数人脸识别考勤机中在进行人脸识别时，需要使用者将其脸部移动至指定区域中才可以正常使用，这种方法大大降低了用户体验。
发明内容
有鉴于此，本发明的目的在于提出一种人脸检测方法、装置、电子设备以及存储介质，以解决检测速度与准确率无法兼顾的问题。
根据本发明第一方面，其提供了一种人脸检测方法，包括：
对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；
检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；
通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，检测所述肤色区域的外接矩形框的长宽比，筛选肤色区域的外接矩形框符合预设长宽比阈值的肤色区域，包括：
计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
在本发明的一些实施例中，通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果，包括：
通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；
通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果，包括：
利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；
对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；
根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；
通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果，包括：
通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
在本发明的一些实施例中，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域，包括：
通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
根据本发明第二方面，其提供了一种人脸检测装置，包括：
预处理模块被配置为：对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；
筛选模块被配置为：检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；
检测模块被配置为：通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述筛选模块还被配置为：
计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
在本发明的一些实施例中，所述检测模块还被配置为：
通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；
通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述检测模块还被配置为：
利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；
对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；
根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；
通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述检测模块还被配置为：
通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
在本发明的一些实施例中，所述预处理模块还被配置为：
通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
根据本发明第三方面，其提供了一种电子设备，包括处理器和存储器，所述存储器用于存储计算机指令，其中，所述计算机指令被所述处理器运行时执行上述任一实施例中所述的人脸检测方法。
根据本发明第四方面，其提供了一种存储介质，存储有适于由处理器运行的计算机指令，所述计算机指令被处理器运行时执行根据上述任一实施例中所述的人脸检测方法。
本发明实施例首先对摄像头采集到的图像进行白平衡处理，然后利用肤色模型进行二值化得到肤色区域，检测二值图像中每个肤色区域的外接矩形框，计算外接矩形的长宽比，对符合人脸比例的肤色区域使用直线检测方法确定主方向和旋转角度，然后通过旋转使其处于竖直状态，接着对肤色矩形区域缩放至指定尺寸，最后再利用Haar特征进行人脸检测。该方法可以降低外界环境光照条件对肤色区域检测的干扰，减少检测人脸所用的Haar特征数量以及Haar特征的缩放尺寸，降低人脸检测所需时间，提高人脸检测速度和准确度。
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，下面将对实施例或现有技术描述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为本发明一个实施例中人脸检测方法的流程图；
图2为本发明实施例中人脸检测的示意图；
图3为本发明又一个实施例中人脸检测方法的流程图；
图4为本发明一个实施例中人脸检测装置的结构示意图；
图5为本发明另一个实施例中人脸检测的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在一个实施例中，如图1所示，本发明实施例提供了一种人脸检测方法，该方法包括：
步骤101，对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域。
在该步骤中，首先对摄像头采集的图像进行白平衡处理，使图像中的肤色区域还原回本来的颜色，降低外界环境光照条件对肤色检测的影响；然后利用肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域，这样可以提高肤色区域检测的准确率。
可选地，在步骤101中，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域，包括：通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。图像二值化处理可以将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。如图2所示，先对采集的图像进行白平衡处理，然后对白平衡处理后的图像进行二值化处理，从而得到灰度值为255的肤色区域和灰度值为0的非肤色区域。因此，本发明实施例结合白平衡处理和二值化处理，并以图像中像素点的灰度值为255的区域作为肤色区域，可以有效避免因外界环境光照等原因导致采集的人脸图像肤色区域色调有偏差，从而准确地确定出图像中的肤色区域。
需要指出的是，在现有技术中，由于没有进行白平衡处理，外界环境光照条件会对肤色检测产生影响，导致经过肤色模型处理的结果不准确，因此传统的肤色模型方法无法准确识别图像中的肤色区域。
步骤102，检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域。
经过步骤101的处理后，能够得到图像中的多个肤色区域，但是这些肤色区域中包含了人脸区域，同时也可能包含手臂、手掌以及背景中与肤色相同色调的景物等非人脸区域，为了更进一步降低后续的人脸检测时间，需要通过步骤102剔除这些肤色区域中的非人脸区域。
作为本发明的另一个实施例，所述步骤102可以包括：首先计算每个肤色区域的外接矩形框的长宽比，然后根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
需要指出的是，在本发明的实施例中，外接矩形框的长宽比是指外接矩形框在长度方向的长度/外接矩形框在宽度方向的长度，其中长度方向与宽度方向互相垂直。在一个实施例中，长度方向可以是沿着水平方向，那么宽度方向则是沿着竖直方向。在另一个实施例中，长度方向可以是沿着竖直方向，那么宽度方向则是沿着水平方向。还需要指出的是，长宽比阈值可以根据人脸比例来确定，可以预先设置长宽比阈值范围，基于该阈值范围进行筛选，本发明实施例对此不作限制。
因此，可以根据每个肤色区域的外接矩形框的长宽比进行人脸初步判断，对于不符合人脸比例的肤色区域(即外接矩形框)进行舍弃，如图2b所示，对于比例满足阈值的肤色区域(即外接矩形框)进一步执行步骤103，从而可以剔除掉显著的非人脸区域，缩短人脸检测时间。
步骤103，通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
在剔除显著的非人脸区域后，通过人脸检测算法对筛选后的肤色区域进一步进行人脸检测，从而得到最终的人脸检测结果。
作为本发明的再一个实施例，所述步骤103可以包括：首先，通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；然后，通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。由于步骤102筛选得到的肤色区域是经过二值化处理的，因此需要以未经过二值化处理的图像作为人脸检测算法的检测对象，也就是通过肤色区域旋转前在摄像头采集的图像(也可以是白平衡处理后的图像)中的位置，得到与所述筛选后的肤色区域对应的人脸区域，该人脸区域即为人脸检测算法的检测对象。
可选地，通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果，包括：首先，利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；然后，对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸，如图2c所示；接着，根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放，如图2d所示；最后，通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。在该实施例中，可以通过旋转后的肤色区域外接矩形框的长宽比确定缩放尺寸，从而可以将人脸区域缩放至合适的特征尺寸，避免特征尺寸由小到大逐级缩放，因此本发明实施例可以减少检测人脸所用的Haar特征数量，进一步地缩短人脸检测时间。
可选地，通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果，包括：通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。可选地，也可以通过深度学习算法(比如神经网络方法)，得到人脸检测结果。该步骤中，将人脸区域旋转、缩放后，利用Haar特征进行人脸精确检测(通过Haar特征就可以确认缩放后的图像是不是人脸了，也就是可以得到人脸检测结果)，以降低Haar特征缩放的范围，减少人脸检测时间，再通过Adaboost算法确定最终的人脸检测结果(Adaboost算法是根据Haar特征检测得到的特征值进行判断是否为人脸)。
本发明实施例提供的人脸检测方法首先对摄像头采集到的图像进行白平衡处理，然后利用肤色模型进行二值化得到肤色区域，检测二值图像中每个肤色区域的外接矩形框，计算外接矩形的长宽比，对符合人脸比例的肤色区域使用直线检测方法确定主方向和旋转角度，然后通过旋转使其处于竖直状态，接着对肤色矩形区域缩放至指定尺寸，最后再利用Haar特征进行人脸检测。该方法可以降低外界环境光照条件对肤色区域检测的干扰，减少检测人脸所用的Haar特征数量以及Haar特征的缩放尺寸，降低人脸检测所需时间，提高人脸检测速度和准确度。
可见，本发明实施例提供的人脸检测方法通过图像白平衡处理、肤色模型、外接矩形框长宽比的初步筛选、基于直线检测的角度旋转等，避免特征尺寸由小到大逐级缩放，减少检测人脸所用的Haar特征数量，缩短了人脸检测时间，从而实现降低整体的人脸检测时间和提高人脸检测准确度。
如图3所示，其为本发明又一个实施例中人脸检测方法的流程图。在该实施例中，所述人脸检测方法可以包括以下步骤：
步骤301，对图像进行白平衡处理；
步骤302，通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域；
步骤303，计算每个肤色区域的外接矩形框的长宽比，筛选得到外接矩形框符合预设长宽比阈值的肤色区域；
步骤304，通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；
步骤305，利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；
步骤306，对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；
步骤307，根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；
步骤308，通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
因此，本发明实施例提供的人脸检测方法首先对摄像头采集到的图像进行白平衡处理，然后利用肤色模型进行二值化得到肤色区域，检测二值图像中每个肤色区域的外接矩形框，计算外接矩形的长宽比，对符合人脸比例的肤色区域使用直线检测方法确定主方向和旋转角度，然后通过旋转使其处于竖直状态，接着对肤色矩形区域缩放至指定尺寸，最后再利用Haar特征进行人脸检测。该方法可以降低外界环境光照条件对肤色区域检测的干扰，减少检测人脸所用的Haar特征数量以及Haar特征的缩放尺寸，降低人脸检测所需时间，提高人脸检测速度和准确度。
在一个实施例中，如图4所示，提供了一种人脸检测装置，该人脸检测装置40包括预处理模块41、筛选模块42和检测模块43，所述预处理模块41被配置为对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；所述筛选模块42被配置为检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；所述检测模块43被配置为通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述筛选模块42还被配置为：计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域在本发明的一些实施例中，所述检测模块43还被配置为：通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述检测模块43还被配置为：利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
在本发明的一些实施例中，所述检测模块43还被配置为：通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
在本发明的一些实施例中，所述预处理模块41还被配置为：通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
本发明实施例提供的人脸检测装置首先对摄像头采集到的图像进行白平衡处理，然后利用肤色模型进行二值化得到肤色区域，检测二值图像中每个肤色区域的外接矩形框，计算外接矩形的长宽比，对符合人脸比例的肤色区域使用直线检测方法确定主方向和旋转角度，然后通过旋转使其处于竖直状态，接着对肤色矩形区域缩放至指定尺寸，最后再利用Haar特征进行人脸检测。该装置可以降低外界环境光照条件对肤色区域检测的干扰，减少检测人脸所用的Haar特征数量以及Haar特征的缩放尺寸，降低人脸检测所需时间，提高人脸检测速度和准确度。
可见，本发明实施例提供的人脸检测装置通过图像白平衡处理、肤色模型、外接矩形框长宽比的初步筛选、基于直线检测的角度旋转等，避免特征尺寸由小到大逐级缩放，减少检测人脸所用的Haar特征数量，缩短了人脸检测时间，从而实现降低整体的人脸检测时间和提高人脸检测准确度。
本领域技术人员可以理解的是，上述人脸检测装置中各个模块和单元的划分仅用于举例说明，在其他实施例中，可将人脸检测装置按照需要划分为不同的模块和单元，以完成上述人脸检测装置的全部或部分功能。
根据本发明实施例，还提供了一种电子设备，如图5所示，该电子设备包括处理器51以及存储器52，该存储器52配置为存储计算机程序指令，计算机程序指令适于由处理器加载并执行如下方法：对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
该处理器可以为各种适用的处理器，例如实现为中央处理器、微处理器、嵌入处理器等形式，可以采用X86、X76、ARM等架构；存储器52可以为各种适用的存储装置，包括但不限于磁存储装置、半导体存储装置、光存储装置等，本发明的实施例对这些不作限制。
本发明所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
此外，根据本发明的一个实施例，处理器还可以加载并执行：计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
此外，根据本发明的一个实施例，处理器还可以加载并执行：通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
此外，根据本发明的一个实施例，处理器还可以加载并执行：利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
此外，根据本发明的一个实施例，处理器还可以加载并执行：通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
此外，根据本发明的一个实施例，处理器还可以加载并执行：通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
由此可见，本发明实施例首先对摄像头采集到的图像进行白平衡处理，然后利用肤色模型进行二值化得到肤色区域，检测二值图像中每个肤色区域的外接矩形框，计算外接矩形的长宽比，对符合人脸比例的肤色区域使用直线检测方法确定主方向和旋转角度，然后通过旋转使其处于竖直状态，接着对肤色矩形区域缩放至指定尺寸，最后再利用Haar特征进行人脸检测。本发明实施例可以降低外界环境光照条件对肤色区域检测的干扰，减少检测人脸所用的Haar特征数量以及Haar特征的缩放尺寸，降低人脸检测所需时间，提高人脸检测速度和准确度。
需要说明的是，对于上述的系统、方法和电子设备实施例，为了简单描述，故将其都表述为一系列的动作或模块组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序或模块连接的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行，某些模块可以采用其他连接方式。
本领域技术人员也应该知悉，说明书中所描述的实施例均属于一种实施例，上述实施例序号仅仅为了描述，所涉及的动作和模块并不一定是本发明所必须的。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明各个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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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(可为个人计算机、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易失性存储介质或非易失性存储介质，例如U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种人脸检测方法，其特征在于，包括：
对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；
检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；
通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
2.根据权利要求1所述的人脸检测方法，其特征在于，检测所述肤色区域的外接矩形框的长宽比，筛选肤色区域的外接矩形框符合预设长宽比阈值的肤色区域，包括：
计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
3.根据权利要求1所述的人脸检测方法，其特征在于，通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果，包括：
通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；
通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
4.根据权利要求3所述的人脸检测方法，其特征在于，通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果，包括：
利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；
对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；
根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；
通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
5.根据权利要求4所述的人脸检测方法，其特征在于，通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果，包括：
通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
6.根据权利要求1所述的人脸检测方法，其特征在于，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域，包括：
通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
7.一种人脸检测装置，其特征在于，包括：
预处理模块被配置为：对图像进行白平衡处理，通过肤色模型对白平衡处理后的图像进行肤色区域检测，从而确定所述图像中的肤色区域；
筛选模块被配置为：检测所述肤色区域的外接矩形框的长宽比，筛选外接矩形框符合预设长宽比阈值的肤色区域；
检测模块被配置为：通过人脸检测算法对筛选后的肤色区域进行人脸检测，得到人脸检测结果。
8.根据权利要求6所述的人脸检测装置，其特征在于，所述筛选模块还被配置为：
计算每个肤色区域的外接矩形框的长宽比，根据预设长宽比阈值，剔除外接矩形框不符合预设长宽比阈值的肤色区域，从而筛选得到外接矩形框符合预设长宽比阈值的肤色区域。
9.根据权利要求6所述的人脸检测装置，其特征在于，所述检测模块还被配置为：
通过筛选后的肤色区域旋转前在图像中的位置，在图像中匹配与所述筛选后的肤色区域对应的人脸区域；
通过人脸检测算法对所述人脸区域进行人脸检测，得到人脸检测结果。
10.根据权利要求9所述的人脸检测装置，其特征在于，所述检测模块还被配置为：
利用基于直线检测的方法，确定筛选后的每个肤色区域的主方向，分别计算所述每个肤色区域的旋转角度；
对所述每个肤色区域进行旋转，使其主方向与竖直方向重合，从而确定缩放尺寸；
根据旋转角度和缩放尺寸，将每个肤色区域对应的人脸区域进行旋转和缩放；
通过人脸检测算法对缩放后的人脸区域进行人脸检测，得到人脸检测结果。
11.根据权利要求10所述的人脸检测装置，其特征在于，所述检测模块还被配置为：
通过Haar特征对缩放后的人脸区域进行特征检测，并利用Adaboost算法得到最终的人脸检测结果。
12.根据权利要求7所述的人脸检测装置，其特征在于，所述预处理模块还被配置为：
通过肤色模型对白平衡处理后的图像进行二值化处理，将处理后的图像中像素点的灰度值为255的区域作为肤色区域。
13.一种电子设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机指令，其中，所述计算机指令被所述处理器运行时执行1-6中任一项权利要求所述的人脸检测方法。
14.一种存储介质，存储有适于由处理器运行的计算机指令，所述计算机指令被处理器运行时执行根据权利要求1-6任一所述的人脸检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810837078.7A CN108985249A (zh) | 2018-07-26 | 2018-07-26 | 人脸检测方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810837078.7A CN108985249A (zh) | 2018-07-26 | 2018-07-26 | 人脸检测方法、装置、电子设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108985249A true CN108985249A (zh) | 2018-12-11 |
Family
ID=64551214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810837078.7A Pending CN108985249A (zh) | 2018-07-26 | 2018-07-26 | 人脸检测方法、装置、电子设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108985249A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109754661A (zh) * | 2019-03-18 | 2019-05-14 | 北京一维大成科技有限公司 | 一种在线学习方法、装置、设备及介质 |
| CN110232351A (zh) * | 2019-06-12 | 2019-09-13 | 京东方科技集团股份有限公司 | 一种电子设备、asic芯片及其人脸检测方法和装置 |
| CN112101063A (zh) * | 2019-06-17 | 2020-12-18 | 福建天晴数码有限公司 | 歪斜人脸检测方法及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060029265A1 (en) * | 2004-08-04 | 2006-02-09 | Samsung Electronics Co., Ltd. | Face detection method based on skin color and pattern match |
| CN102096823A (zh) * | 2011-02-12 | 2011-06-15 | 厦门大学 | 基于高斯模型和最小均方差的人脸检测方法 |
| CN104504383A (zh) * | 2015-01-14 | 2015-04-08 | 东南大学 | 一种基于肤色和Adaboost算法的人脸检测方法 |
| CN107220624A (zh) * | 2017-05-27 | 2017-09-29 | 东南大学 | 一种基于Adaboost算法的人脸检测方法 |
| US20170339409A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Fast and robust human skin tone region detection for improved video coding |
| CN108256440A (zh) * | 2017-12-27 | 2018-07-06 | 长沙学院 | 一种眉毛图像分割方法和系统 |
-
2018
- 2018-07-26 CN CN201810837078.7A patent/CN108985249A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060029265A1 (en) * | 2004-08-04 | 2006-02-09 | Samsung Electronics Co., Ltd. | Face detection method based on skin color and pattern match |
| CN102096823A (zh) * | 2011-02-12 | 2011-06-15 | 厦门大学 | 基于高斯模型和最小均方差的人脸检测方法 |
| CN104504383A (zh) * | 2015-01-14 | 2015-04-08 | 东南大学 | 一种基于肤色和Adaboost算法的人脸检测方法 |
| US20170339409A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Fast and robust human skin tone region detection for improved video coding |
| CN107220624A (zh) * | 2017-05-27 | 2017-09-29 | 东南大学 | 一种基于Adaboost算法的人脸检测方法 |
| CN108256440A (zh) * | 2017-12-27 | 2018-07-06 | 长沙学院 | 一种眉毛图像分割方法和系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109754661A (zh) * | 2019-03-18 | 2019-05-14 | 北京一维大成科技有限公司 | 一种在线学习方法、装置、设备及介质 |
| CN110232351A (zh) * | 2019-06-12 | 2019-09-13 | 京东方科技集团股份有限公司 | 一种电子设备、asic芯片及其人脸检测方法和装置 |
| CN112101063A (zh) * | 2019-06-17 | 2020-12-18 | 福建天晴数码有限公司 | 歪斜人脸检测方法及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11176393B2 (en) | Living body recognition method, storage medium, and computer device | |
| US11487966B2 (en) | Image processing method and apparatus for target recognition | |
| CN109389135B (zh) | 一种图像筛选方法及装置 | |
| CN108345818B (zh) | 一种人脸活体检测方法及装置 | |
| US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
| CN109558864A (zh) | 人脸关键点检测方法、装置及存储介质 | |
| CN107958235B (zh) | 一种人脸图像检测方法、装置、介质和电子设备 | |
| CN109492638A (zh) | 文本检测方法、装置及电子设备 | |
| CN106845406A (zh) | 基于多任务级联卷积神经网络的头肩检测方法及装置 | |
| Lucio et al. | Fully convolutional networks and generative adversarial networks applied to sclera segmentation | |
| CN107851195A (zh) | 利用神经网络进行目标检测 | |
| CN108124486A (zh) | 基于云端的人脸活体检测方法、电子设备和程序产品 | |
| CN109522790A (zh) | 人体属性识别方法、装置、存储介质及电子设备 | |
| CN108985249A (zh) | 人脸检测方法、装置、电子设备以及存储介质 | |
| CN109829448A (zh) | 人脸识别方法、装置及存储介质 | |
| CN110059546A (zh) | 基于频谱分析的活体识别方法、装置、终端及可读介质 | |
| CN108734283A (zh) | 神经网络系统 | |
| CN111753782B (zh) | 一种基于双流网络的假脸检测方法、装置及电子设备 | |
| CN108241821A (zh) | 图像处理设备和方法 | |
| CN111414858B (zh) | 人脸识别方法、目标图像的确定方法、装置和电子系统 | |
| CN113302619B (zh) | 目标区域评估和特征点评估的系统和方法 | |
| CN111339884B (zh) | 图像识别方法以及相关设备、装置 | |
| CN109271930A (zh) | 微表情识别方法、装置与存储介质 | |
| CN111191521B (zh) | 人脸活体检测方法、装置、计算机设备及存储介质 | |
| CN109829510A (zh) | 一种产品品质分级的方法、装置和设备 |
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 |