CN109033987A - 一种人脸图像阴阳脸的处理方法及系统 - Google Patents

一种人脸图像阴阳脸的处理方法及系统 Download PDF

Info

Publication number
CN109033987A
CN109033987A CN201810706403.6A CN201810706403A CN109033987A CN 109033987 A CN109033987 A CN 109033987A CN 201810706403 A CN201810706403 A CN 201810706403A CN 109033987 A CN109033987 A CN 109033987A
Authority
CN
China
Prior art keywords
facial image
image
component
yin
level
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
CN201810706403.6A
Other languages
English (en)
Other versions
CN109033987B (zh
Inventor
鲁海荣
毛亮
林焕凯
朱婷婷
黄仝宇
汪刚
宋兵
宋一兵
侯玉清
刘双广
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.)
Gosuncn Technology Group Co Ltd
Original Assignee
Gosuncn Technology Group Co Ltd
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 Gosuncn Technology Group Co Ltd filed Critical Gosuncn Technology Group Co Ltd
Priority to CN201810706403.6A priority Critical patent/CN109033987B/zh
Publication of CN109033987A publication Critical patent/CN109033987A/zh
Application granted granted Critical
Publication of CN109033987B publication Critical patent/CN109033987B/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
    • G06V40/164—Detection; Localisation; Normalisation using holistic features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal

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 Processing (AREA)

Abstract

本发明提供了一种人脸图像阴阳脸的处理方法及系统，其方法包括，获取第一人脸图像，并对所述第一人脸图像进行阴阳脸判断；若所述第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像；对所述第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将所述第一人脸图像的LBP直方图应用到所述第二人脸图像中，获得第三人脸图像；将所述第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。解决了人脸图像识别现有技术无法有效去除阴阳脸，无法有效完成阴阳脸修正的技术问题。

Description

一种人脸图像阴阳脸的处理方法及系统
技术领域
本发明涉及人脸图像处理技术和计算机视觉领域，尤其涉及一种人脸图像阴阳脸的处理方法及系统。
背景技术
近年来，随着计算机技术的迅速发展，市场对人脸图像识别信息技术的需求不断创新高，人脸图像识别领域的研究得到了长足的发展。人脸图像识别以单活体生物学特征的特殊性和唯一性广泛应用于资金支付、门禁系统、考勤系统、目标人物追踪等领域。
在人脸识别算法已经得到了广泛的应用的同时，其性能仍然受光照、视角、遮挡、年龄等众多因素的影响。光照变化作为影响系统识别性能的关键因素，是由于人脸的三维结构，光照投射出的阴影，会加强或减弱原有的人脸特征。所谓的阴阳脸，是指在强光源或者单侧光源的照射下，人体面部不同区域因光照分布不均匀或受到头发、胳膊、衣服等影像覆盖等因素的影响，导致人体面部不同区域颜色、亮度反差较大，形成的非受光面与受光面的亮度对比。例如在夜晚，由于光线不足造成的面部阴影会导致识别率的急剧下降，使得系统难以满足实用要求在单侧光照射面部的情况下,因为面部的另外一面比较暗,就造成极高概率的误识别,这种时候面部暗部因为无法被识别为皮肤,就导致阴阳脸的情况。而且，经理论和实验证明，同一个体因光照不同引起的差异，大于同一光照下不同个体之间的差异。
然而现有技术解决人脸图像阴阳脸问题，主要有：光照变化建模：在一个合适的子空间中表示光照引起的变化，然后根据人脸的特性估计模型参数，如子空间投影法、商函数法、光照锥法和基于球面谐波基图像的方法，该方法易于实现且正确率较高，但其性能依赖于训练图像的光照条件；3D模型：即对人脸的3D形状和表面反射率等分别进行统计建模，但该方法在非受控环境下的识别依然不理想；基于小波光照补偿方法，可以有效去除光照成分，但同时也去掉了部分图像细节信息，造成图像特征减弱。
发明内容
本技术方案提出了一种人脸图像阴阳脸的处理方法及系统，解决了人脸图像识别现有技术无法有效去除阴阳脸，无法有效完成阴阳脸修正的技术问题。
本发明提供的一种人脸图像阴阳脸的处理方法，包括：
获取第一人脸图像，并对所述第一人脸图像进行阴阳脸判断；
若所述第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像；
对所述第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将所述第一人脸图像的LBP直方图应用到所述第二人脸图像中，获得第三人脸图像；
将所述第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
更进一步，所述对第一人脸图像进行阴阳脸判断具体包括，
将所述第一人脸图像转化为彩色图像；
通过定位关键特征点将所述彩色图像划分成M个相互对称的小区域，其中M为正偶数；
分别计算所述M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数，x、y为相互对称的区域；
计算相互对称的两个区域G(x)、G(y)的差值，统计所述差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
返回N/M与预先设定的阈值Q的比较结果。
更进一步，所述通过定位关键特征点具体为，采用DLIB算法的人脸关键点定位。
更进一步，所述启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像具体包括，
对所述第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)；
对所述对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对所述第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
提取所述第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
将f1减去f2，得到f1光照补偿图像；
对所述f1光照补偿图像进行反对数变换，得到第二人脸图像。
本发明提供的一种人脸图像阴阳脸的处理系统，包括，
获取判断单元，用于获取第一人脸图像，并对所述第一人脸图像进行阴阳脸判断；
第一修正单元，用于若所述第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像；
第二修正单元，用于对所述第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将所述第一人脸图像的LBP直方图应用到所述第二人脸图像中，获得第三人脸图像；
小波融合单元：用于将所述第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
更进一步，所述获取判断单元具体包括，
转化模块，用于将所述第一人脸图像转化为彩色图像；
对称区域划分模块，用于通过定位关键特征点将所述彩色图像划分成M个相互对称的小区域，其中M为正偶数；
第一计算模块，用于分别计算所述M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数，x、y为相互对称的区域；
第二计算模块，用于计算相互对称的两个区域G(x)、G(y)的差值，统计所述差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
判断模块，用于返回N/M与预先设定的阈值Q的比较结果。
更进一步，所述第一修正单元具体包括，
对数变换模块，用于对所述第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)；
小波分解模块，用于对所述对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对所述第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
提取重构模块，用于提取所述第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
修正输出模块，用于将f1减去f2，得到f1光照补偿图像，并对所述f1光照补偿图像进行反对数变换，得到第二人脸图像。
本发明提供的一种人脸图像阴阳脸的处理设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行本发明提及的任一种所述的人脸图像阴阳脸的处理方法。
本发明提供了一种可读存储介质，所述可读存储介质用于存储程序代码，所述程序代码用于执行本发明提及的任一种所述的人脸图像阴阳脸的处理方法。
本发明提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得所述计算机执行本发明提及的任一种所述的人脸图像阴阳脸的处理方法。
根据以上技术方案，本发明首先通过人脸检测、特征点定位、切分人脸对称区域，根据灰度值完成对人脸图像阴阳脸的判断；其次，启动小波光照补偿与LBP结合的方法完成对人脸图像的修正；再次，对减弱的图像特征进行增强。解决了人脸图像识别现有技术无法有效去除阴阳脸，无法有效完成阴阳脸修正的技术问题。
附图说明
图1为本发明实施例1的流程示意图；
图2至图5为本发明实施例1子流程示意图；
图6为本发明实施例2的结构示意图；
图7至图8为本发明实施例2的子模块结构示意图。
具体实施方式
为使得本申请实施例的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请实施例一部分实施例，而非全部的实施例。基于本申请实施例中的实施例，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它实施例，都属于本申请实施例保护的范围。
实施例1：
图1为本实施例流程示意图，一种人脸图像阴阳脸的处理方法，包括，
步骤101，获取第一人脸图像，并对第一人脸图像进行阴阳脸判断；
需要说明的是，在对人脸图像阴阳脸进行处理之前，首先需要确认阴阳脸问题的存在，为提高阴阳脸的检测率，本实施例对阴阳脸的检测步骤还包括：
图2为本实施例步骤101的子流程示意图，图3为本实施例步骤101的另一子流程示意图，其中，
步骤1011，获取人脸图像信息，并将第一人脸图像转化为彩色图像；
需要说明的是，本步骤获取人脸图像信息，是采用深度学习的人脸识别模型，能够提高人脸识别的识别率减少误识率。
步骤1012，通过定位第一人脸图像的关键特征点将彩色图像划分成M个相互对称的小区域，其中M为正偶数；
需要说明的是，本实施例采用DLIB的关键特征点定位方法，对人脸进行精确定位，有利于将第一人脸图像划分为对称区域，本实施例中，将经过彩色转化的第一人脸图像划分为M个相互对称的小区域，这里的M为正偶数，且M越大判定阴阳脸的准确率越高。
步骤1013，分别计算M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数，x、y为相互对称的区域；
需要说明的是，G(x，y)为一组相互对称的小区域各自的平均灰度值，x≥1，y≥1，x+y＝M。
步骤1014，计算相互对称的两个区域G(x)、G(y)的差值，统计差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
需要说明的是，本步骤在获取互对称小区域的平均灰度值后，对相互对称的小区域的平均灰度值并进行比较，如果相互对称的两个小区域的平均灰度值之差大于一定阀值，则认为这两个区域有明显亮度反差。
作为本实施例的一种优选方式，将预设阈值P的最小值设置为80。
步骤1015，返回N/M与预先设定的阈值Q的比较结果；
需要说明的是，如果亮度反差区域的个数N与总区域个数M比例超过一定阀值，则认为该人脸图像有阴阳脸的情况，本实施例优选N/M大于0.4时，判定为阴阳脸。
当然，本实施例也可以通过对N设定阈值，来判断阴阳脸的情况，具体的，可以将N的最小值设置为2，也就是说，当至少两个对称区域的平均灰度值大于设定阈值时，判定该人脸图像为阴阳脸，从而对阴阳脸进行处理。
本步骤对阴阳脸判定，可以有效地处理在人脸识别时候阴阳脸的误识别情况。
步骤102，若第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对第一人脸图像进行修正，得到第二人脸图像；
需要说明的是，本实施例针对小波方法在去除光照成分的同时也去掉了部分细节信息造成图像的特征减弱的不足，在小波光照补偿方法的基础上，结合LBP(Local BinaryPatterns,局部二值模式)，提出了一种改进的小波光照补偿方法，该方法首先利用二维离散小波变换的分解与重构算法将低频成分去除，达到去除光照的目的；然后结合LBP算法，利用LBP直方图将原图像的特征直方图映射到小波光照补偿后的图像中，从而增强小波光照补偿后图像的特征。
图4为本实施例步骤102的子流程示意图，图5为本实施例步骤102的另一子流程示意图，其中，
步骤1021，对第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)
需要说明的是，对数变换主要有两个方面的作用，一是可以将乘性朗伯光照模型转化为对数域加性模型,这样便于采用信号处理的方法将图像的反射成分和光照成分进行分离，二是对数变换作为一种非线性变换可以将图像的低灰度区域进行大幅拉伸,将图像的高灰度区域进行压缩,提高图像的对比度。
步骤1022，对步骤1021获得的对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量。
对第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
需要说明的是，采用小波分解,一幅给定的图像被分解成多个频率成分，使用不同的小波函数和不同级数的小波变换可以得到不同的分解结果。低频分量包含了原始图像的绝大部分信息，即原始图像的近似图像；水平分量，包含了人的眼睛和嘴巴等反应人脸表情的信息；垂直分量，包含了人的鼻子、耳朵和边缘轮廓信息；对角线分量，包含的原图像的信息量比较少。
步骤1023，提取第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
步骤1024，将f1减去f2，得到f1光照补偿图像；
步骤1025，对f1光照补偿图像进行反对数变换，得到第二人脸图像。
图5是本实施例步骤103、步骤104的具体流程示意图。
步骤103，对第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将第一人脸图像的LBP直方图应用到第二人脸图像中，获得第三人脸图像；
上述步骤103介绍了本实施例小波光照补偿算法的具体实现原理及过程，但是上述方法依然存在一些问题，最主要的就是光照补偿后得到的图像特征被减弱，通过学习LBP的算法的原理，本实施例通过将该方法与小波光照补偿算法进行结合，从而对小波光照补偿后的图像进行图像增强。
需要说明的是，对第一人脸图像计算旋转不便均匀模式的LBP直方图，得到的第一人脸图像的LBP直方图，描述了第一人脸图像中的各个微小特征的分布情况，如边缘，点等细小特征，所以将第一人脸图像的LBP直方图应用到经过小波光照补偿后的第二人脸图像中，得到的第三人脸图像的特征较第二人脸图像明显增强。
步骤104，将第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
需要说明的是，经过步骤104获得的第三人脸图像，虽然特征图像增强了，但在第一人脸图像进行直方图规定化的同时也会引入一定的噪声，因此本实施例将第二人脸图像和第三人脸图像进行小波融合，得到第四人脸图像，该图像弥补了第二人脸图像和第三人脸图像的不足之处，不仅特征较小波光照补偿后的图像有了明显的增强，而且也没有图像C中融入的噪声。
本实施例提供了一种针对阴阳脸判断、阴阳脸处理的方法，首先通过人脸检测、特征点定位、切分人脸对称区域，根据灰度值完成对人脸图像阴阳脸的判断；其次，启动小波光照补偿与LBP结合的方法完成对人脸图像的修正；再次，对减弱的图像特征进行增强。解决了人脸图像识别现有技术无法有效去除阴阳脸，无法有效完成阴阳脸修正的技术问题。
实施例2：
图6为本发明提供的一种人脸图像阴阳脸的处理系统的结构示意图，包括，
获取判断单元201，用于获取第一人脸图像，并述第一人脸图像进行阴阳脸判断；
第一修正单元202，用于若第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对第一人脸图像进行修正，得到第二人脸图像；
第二修正单元203，用于对第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将第一人脸图像的LBP直方图应用到第二人脸图像中，获得第三人脸图像；
小波融合单元204：用于将第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
图7为本发明提供的一种人脸图像阴阳脸的处理系统获取判断单元201的子模块结构示意图，包括，
转化模块2011，用于将所述第一人脸图像转化为彩色图；
对称区域划分模块2012，用于通过定位关键特征点将所述彩色图像划分成M个相互对称的小区域，其中M为正偶数；
第一计算模块2013，用于分别计算所述M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数；
第二计算模块2014，用于计算相互对称的两个区域G(x)、G(y)的差值，统计所述差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
判断模块2015，用于返回N/M与预先设定的阈值Q的比较结果。
图8为本发明提供的一种人脸图像阴阳脸的处理系统第一修正单元201的子模块结构示意图，包括，
2021对数变换模块，用于对所述第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)；
2022小波分解模块，用于对所述对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对所述第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
提取重构模块2023，用于提取所述第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
修正输出模块2024，用于将f1减去f2，得到f1光照补偿图像，并对所述f1光照补偿图像进行反对数变换，得到第二人脸图像。
一种人脸图像阴阳脸的处理设备，包括处理器以及存储器：
存储器用于存储程序代码，并将所述程序代码传输给处理器；
处理器用于根据程序代码中的指令执行人实施例1及不超过本发明技术方案的任意一种人脸图像阴阳脸的处理方法。
一种可读存储介质，用于存储程序代码，该程序代码用于执行前述实施例1及不超过本发明技术方案的任意一种人脸图像阴阳脸的处理方法。
一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行实施例1及不超过本发明技术方案的任意一种人脸图像阴阳脸的处理方法。
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，上述描述的系统，设备、存储介质及计算机程序产品的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种人脸图像阴阳脸的处理方法，其特征在于，包括，
获取第一人脸图像，并对所述第一人脸图像进行阴阳脸判断；
若所述第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像；
对所述第一人脸图像计算旋转不变均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将所述第一人脸图像的LBP直方图应用到所述第二人脸图像中，获得第三人脸图像；
将所述第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
2.根据权利要求1所述的人脸图像阴阳脸的处理方法，其特征在于，所述对第一人脸图像进行阴阳脸判断具体包括，
将所述第一人脸图像转化为彩色图像；
通过定位关键特征点将所述彩色图像划分成M个相互对称的小区域，其中M为正偶数；
分别计算所述M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数，x、y为相互对称的区域；
计算相互对称的两个区域G(x)、G(y)的差值，统计所述差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
返回N/M与预先设定的阈值Q的比较结果。
3.根据权利要求2所述的人脸图像阴阳脸的处理方法，其特征在于，所述通过定位关键特征点具体为，采用DLIB算法的人脸关键点定位。
4.根据权利要求1所述的人脸图像阴阳脸的处理方法，其特征在于，所述启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像具体包括，
对所述第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)；
对所述对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对所述第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
提取所述第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
将f1减去f2，得到f1光照补偿图像；
对所述f1光照补偿图像进行反对数变换，得到第二人脸图像。
5.一种人脸图像阴阳脸的处理系统，其特征在于，包括，
获取判断单元，用于获取第一人脸图像，并对所述第一人脸图像进行阴阳脸判断；
第一修正单元，用于若所述第一人脸图像被判定为阴阳脸，启动小波光照补偿与LBP结合的方法对所述第一人脸图像进行修正，得到第二人脸图像；
第二修正单元，用于对所述第一人脸图像计算旋转不便均匀模式的LBP直方图，得到第一人脸图像的LBP直方图，并将所述第一人脸图像的LBP直方图应用到所述第二人脸图像中，获得第三人脸图像；
小波融合单元：用于将所述第二人脸图像与所述第三人脸图像进行小波融合，得到第四人脸图像。
6.根据权利要求5所述的人脸图像阴阳脸的处理系统，其特征在于，所述获取判断单元具体包括，
转化模块，用于将所述第一人脸图像转化为彩色图像；
对称区域划分模块，用于通过定位关键特征点将所述彩色图像划分成M个相互对称的小区域，其中M为正偶数；
第一计算模块，用于分别计算所述M个区域的平均灰度值G(x，y)，其中x，y为小于M的正整数，x、y为相互对称的区域；
第二计算模块，用于计算相互对称的两个区域G(x)、G(y)的差值，统计所述差值大于预设阈值P的数量N，其中N为正整数，G(x)、G(y)为相互对称的两个区域的平均灰度值；
判断模块，用于返回N/M与预先设定的阈值Q的比较结果。
7.根据权利要求5所述的人脸图像阴阳脸的处理系统，其特征在于，所述第一修正单元具体包括，
对数变换模块，用于对所述第一人脸图像f进行对数变换，得到对数域中的图像f1＝log(f)；
小波分解模块，用于对所述对数域中的图像f1进行一级二维离散小波分解，得到第一级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第一级低频近似分量进行一级二维离散小波分解，得到第二级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
对所述第二级低频近似分量进行一级二维离散小波分解，得到第三级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
以此类推，对所述第n-1级低频近似分量进行一级二维离散小波分解，得到第n级低频近似分量、垂直细节分量、水平细节分量、对角细节分量；
提取重构模块，用于提取所述第n级低频近似分量，并对第n级低频近似分量进行重构，得到重建图像f2；
修正输出模块，用于将f1减去f2，得到f1光照补偿图像，并对所述f1光照补偿图像进行反对数变换，得到第二人脸图像。
8.一种人脸图像阴阳脸的处理设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-5中任一项所述的人脸图像阴阳脸的处理方法。
9.一种可读存储介质，其特征在于，所述可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5中任一项所述的人脸图像阴阳脸的处理方法。
10.一种包括指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行权利要求1-5中任一项所述的人脸图像阴阳脸的处理方法。
CN201810706403.6A 2018-07-02 2018-07-02 一种人脸图像阴阳脸的处理方法及系统 Active CN109033987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810706403.6A CN109033987B (zh) 2018-07-02 2018-07-02 一种人脸图像阴阳脸的处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810706403.6A CN109033987B (zh) 2018-07-02 2018-07-02 一种人脸图像阴阳脸的处理方法及系统

Publications (2)

Publication Number Publication Date
CN109033987A true CN109033987A (zh) 2018-12-18
CN109033987B CN109033987B (zh) 2021-09-24

Family

ID=65521195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810706403.6A Active CN109033987B (zh) 2018-07-02 2018-07-02 一种人脸图像阴阳脸的处理方法及系统

Country Status (1)

Country Link
CN (1) CN109033987B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110046573A (zh) * 2019-04-15 2019-07-23 北京迈格威科技有限公司 人脸图像的识别方法、装置、计算机设备和存储介质
CN110163811A (zh) * 2019-04-10 2019-08-23 浙江工业大学 一种人脸图像阴阳脸现象消除方法
CN110838084A (zh) * 2019-09-24 2020-02-25 咪咕文化科技有限公司 一种图像的风格转移方法、装置、电子设备及存储介质
CN112991469A (zh) * 2019-12-17 2021-06-18 上海光启智城网络科技有限公司 一种人脸亮度补偿方法、装置及计算机可读存储介质
CN113505674A (zh) * 2021-06-30 2021-10-15 上海商汤临港智能科技有限公司 人脸图像处理方法及装置、电子设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030204384A1 (en) * 2002-04-24 2003-10-30 Yuri Owechko High-performance sensor fusion architecture
CN101430759A (zh) * 2008-12-04 2009-05-13 上海大学 优化的人脸识别预处理方法
CN103077382A (zh) * 2013-01-08 2013-05-01 紫光股份有限公司 一种用于人脸识别系统的真人鉴别装置
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN104036278A (zh) * 2014-06-11 2014-09-10 杭州巨峰科技有限公司 人脸算法标准脸部图像的提取方法
US8842889B1 (en) * 2010-12-18 2014-09-23 Luxand, Inc. System and method for automatic face recognition
CN105096280A (zh) * 2015-06-17 2015-11-25 浙江宇视科技有限公司 处理图像噪声的方法及装置
CN105160633A (zh) * 2015-07-02 2015-12-16 广东欧珀移动通信有限公司 一种图像处理的方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030204384A1 (en) * 2002-04-24 2003-10-30 Yuri Owechko High-performance sensor fusion architecture
CN101430759A (zh) * 2008-12-04 2009-05-13 上海大学 优化的人脸识别预处理方法
US8842889B1 (en) * 2010-12-18 2014-09-23 Luxand, Inc. System and method for automatic face recognition
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN103077382A (zh) * 2013-01-08 2013-05-01 紫光股份有限公司 一种用于人脸识别系统的真人鉴别装置
CN104036278A (zh) * 2014-06-11 2014-09-10 杭州巨峰科技有限公司 人脸算法标准脸部图像的提取方法
CN105096280A (zh) * 2015-06-17 2015-11-25 浙江宇视科技有限公司 处理图像噪声的方法及装置
CN105160633A (zh) * 2015-07-02 2015-12-16 广东欧珀移动通信有限公司 一种图像处理的方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SANG-IL CHOI等: "Shadow Compensation Using Fourier Analysis With Application to Face Recognition", 《IEEE SIGNAL PROCESSING LETTERS》 *
梁淑芬 等: "小波变换和LBP对数域特征提取的人脸识别算法", 《信号处理》 *
欧阳宁 等: "针对光照变化的人脸识别算法研究", 《计算机技术与应用》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163811A (zh) * 2019-04-10 2019-08-23 浙江工业大学 一种人脸图像阴阳脸现象消除方法
CN110046573A (zh) * 2019-04-15 2019-07-23 北京迈格威科技有限公司 人脸图像的识别方法、装置、计算机设备和存储介质
CN110046573B (zh) * 2019-04-15 2022-04-15 北京迈格威科技有限公司 人脸图像的识别方法、装置、计算机设备和存储介质
CN110838084A (zh) * 2019-09-24 2020-02-25 咪咕文化科技有限公司 一种图像的风格转移方法、装置、电子设备及存储介质
CN110838084B (zh) * 2019-09-24 2023-10-17 咪咕文化科技有限公司 一种图像的风格转移方法、装置、电子设备及存储介质
CN112991469A (zh) * 2019-12-17 2021-06-18 上海光启智城网络科技有限公司 一种人脸亮度补偿方法、装置及计算机可读存储介质
CN113505674A (zh) * 2021-06-30 2021-10-15 上海商汤临港智能科技有限公司 人脸图像处理方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN109033987B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN109033987A (zh) 一种人脸图像阴阳脸的处理方法及系统
CN108154519B (zh) 眼底图像中血管的分割方法、装置及存储介质
Gangwar et al. IrisSeg: A fast and robust iris segmentation framework for non-ideal iris images
CN111275696B (zh) 一种医学图像处理的方法、图像处理的方法及装置
CN103578084A (zh) 基于亮通道滤波的彩色图像增强方法
CN101999900A (zh) 一种应用于人脸识别的活体检测方法及系统
CN103870808A (zh) 一种手指静脉识别方法
CN104537622B (zh) 单幅图像中去除雨滴影响的方法和系统
US11935213B2 (en) Laparoscopic image smoke removal method based on generative adversarial network
CN113989890A (zh) 基于多通道融合和轻量级神经网络的人脸表情识别方法
CN105426843A (zh) 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法
CN109583364A (zh) 图像识别方法及设备
CN112949560B (zh) 双通道特征融合下长视频表情区间连续表情变化识别方法
CN102346857B (zh) 人脸图像光照参数和去光照图的高精度同时估计方法
Alenezi Image Dehazing Based on Pixel Guided CNN with PAM via Graph Cut.
CN105631441A (zh) 一种人脸识别方法
CN110909601B (zh) 一种基于深度学习的美瞳识别方法及系统
CN110110665B (zh) 一种驾驶环境下手部区域的检测方法
Chen et al. Face recognition with masks based on spatial fine-grained frequency domain broadening
KR20020085669A (ko) 3차원 영상의 생성을 위한 2차원 영상의 특징 추출 장치및 그 방법과 그를 이용한 3차원 영상의 생성 장치 및 그방법
Toussaint et al. Fast gradient descent for surface capture via differentiable rendering
Kuang et al. An effective skeleton extraction method based on Kinect depth image
Zheng et al. Illumination normalization via merging locally enhanced textures for robust face recognition
Chen et al. Illumination processing in face recognition
CN111612712B (zh) 一种人脸端正度的确定方法、装置、设备及介质

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