CN109214363A - 一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 - Google Patents
一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 Download PDFInfo
- Publication number
- CN109214363A CN109214363A CN201811238463.6A CN201811238463A CN109214363A CN 109214363 A CN109214363 A CN 109214363A CN 201811238463 A CN201811238463 A CN 201811238463A CN 109214363 A CN109214363 A CN 109214363A
- Authority
- CN
- China
- Prior art keywords
- face
- worker
- substation
- ycbcr
- skin
- 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
- G06V40/161—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
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
本发明公开了一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,用于对变电站工人人脸的检测。通过将采集的图像数据进行光线补偿,再将光线补偿后的图像输入到建立的高斯模型中进行肤色分割,并对人脸区域进行判断和筛选从而实现人脸的检测。相比于传统的检测手段,本发明在检测效率得到了质的提高。
Description
技术领域
本发明涉及人脸识别领域,更具体地,涉及一种基于YCBCR与连通区域分析的变电站工人人脸识别方法。
背景技术
人脸识别一直是计算机视觉领域中关注的焦点,而且这些年来围绕该研究课题产生的人脸识别算法也是层出不穷,而降维思想一直是众多经典的人脸识别算法中一个主要解决技巧,它的主要目标就是要从原始的人脸图像中发现隐藏的关键结构信息。
现有的人脸是被算法包括主成分分析法、拉普拉斯特征图法、局部保值映射、稀疏表示、神经网络降维法。其中主成分分析法在发现线性结构时可以展现强大的功效,但是当面对潜在的非线性结构时,往往取得不理想的识别效果;拉普拉斯特征图法成功保留了训练数据之间小的邻域中的局部结构信息,但是当应用到测试数据集中时,不能为识别问题获得清楚的特征图;局部保值映射法可以精确地获得邻间图像的局部结构,但是却不能提取原始图像中固有的特征结构;稀疏表示法能正确地计算稀疏表达,但是需要人为的设定相关的信息,而非自动学习表示;神经网络降维法可以自动从原始图像中学习特征,但是存在低效测试精度差的问题。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种基于YCbCr与连通区域分析的变电站工人人脸识别方法。
为解决上述技术问题,本发明的技术方案如下:一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,包括以下步骤:
S1:输入采集的图像数据;
S2:对图像数据中的肤色进行光线补偿;
S3:对肤色进行建模;
S4:将光线补偿后的图像输入到模型中进行肤色分割;
S5:对检测出来的肤色进行判断和筛选,实现人脸的检测。
首先对采集的图像进行预处理,利用光线补偿去除光照带来的影响,将光线补偿后的图像输入到建立的模型中定位人脸图像的位置,再将人脸图像所在的图像块分割出来进行判断和筛选实现人脸的检测。
优选地,所述S2对图像数据中的肤色进行光线补偿是采用参考白的算法,能够更有效地让肤色能够与照片中的其他像素点区分开来。
优选地,所述所述S3对肤色进行建模具体为:
S31:选定色彩空间;
S32:统计高斯模型参数;
S33:求得肤色概率图;
S34:设置自适应阈值;
S35:对图像进行形态学处理。
优选地,所述S31中选定色彩空间具体为将非YCrCb色彩空间转换到YCrCb色彩空间。
优选地,所述S33求得肤色概率图具体为计算所有像素Cb、Cr的数量,求得所有像素数据的均值,以及对应的方差和协方差。
优选地,所述S34设置自适应概率值利用Ostu算法来设置自适应阈值。
优选地,所述S5对检测出来的肤色进行判断和筛选,实现人脸的检测具体为:通过连通区域分析确定二值图像最小外接矩形,即为人脸区块,若得到的人脸区块高度和宽度都大于20、矩形面积大于400;并且高度和宽度比率应该在范围0.6-2内则判定图像为人脸图像。
与现有技术相比,本发明技术方案的有益效果是:本发明通过对图像进行形态学处理能够更好地过滤较大的噪声,YcbCr色域空间的转换相比于其他的色域空间的转换复杂度更小,并且YcbCr色域空间应用更加广泛;利用连通区域分析能够更精确的定位人脸位置。
附图说明
图1为本发明的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的流程图,本方案的步骤流程如下:
S1:输入采集的图像数据;
S2:对图像数据中的肤色进行光线补偿;
S3:对肤色进行建模;
S4:将光线补偿后的图像输入到模型中进行肤色分割;
S5:对检测出来的肤色进行判断和筛选,实现人脸的检测。
在具体实施过程中,将采集到的图像输入到监测系统中,为了消除光照的影响,首先利用参考白的算法对肤色进行光线补偿;并且为了让肤色能够与照片中的其他像素点区分开来需要建模对图像进行处理。
建模的具体过程包括:收集大量人脸图片样本,收集的样本应多样化,包含不同性别,年龄以及种类,并剪切出人脸肤色区域做统计样本;将色彩空间转换到YCbCr色彩空间,统计所有像素的Cb、Cr的数量;计算出所需数据的均值,同时计算出数据相应的方差,以及协方差和。
将图像输入到模型中处理之后,利用二值化算法Ostu算法计算阈值,得到感兴趣区域,区分人脸区域与非人脸区域,最后再利用形态学处理的腐蚀和膨化对图像的像素点进行滤波去噪,消除物体边界并使图像更加平滑;通过连通区域分析确定二值图像最小外接矩形,即为人脸区块;若得到的人脸区块高度和宽度都大于20、矩形面积大于400;并且高度和宽度比率应该在范围0.6-2内则判定图像为人脸图像。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:包括以下步骤:
S1:输入采集的图像数据;
S2:对图像数据中的肤色进行光线补偿;
S3:对肤色进行建模;
S4:将光线补偿后的图像输入到模型中进行肤色分割;
S5:对检测出来的肤色进行判断和筛选,实现人脸的检测。
2.根据权利要求1所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:所述S2对图像数据中的肤色进行光线补偿是采用参考白的算法。
3.根据权利要求1所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:所述S3对肤色进行建模具体为:
S31:选定色彩空间;
S32:统计高斯模型参数;
S33:求得肤色概率图;
S34:设置自适应阈值;
S35:对图像进行形态学处理。
4.根据权利要求3所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:S31中选定色彩空间具体为将非YCrCb色彩空间转换到YCrCb色彩空间。
5.根据权利要求3所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:S33求得肤色概率图具体为计算所有像素Cb、Cr的数量,求得所有像素数据的均值,以及对应的方差和协方差。
6.根据权利要求3所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:S34设置自适应概率值利用Ostu算法来设置自适应阈值。
7.根据权利要求1所述的一种基于YCbCr与连通区域分析的变电站工人人脸识别方法,其特征在于:S5对检测出来的肤色进行判断和筛选,实现人脸的检测具体为:通过连通区域分析确定二值图像最小外接矩形,即为人脸区块,若得到的人脸区块高度和宽度都大于20、矩形面积大于400;并且高度和宽度比率应该在范围0.6-2内则判定图像为人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811238463.6A CN109214363A (zh) | 2018-10-23 | 2018-10-23 | 一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811238463.6A CN109214363A (zh) | 2018-10-23 | 2018-10-23 | 一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109214363A true CN109214363A (zh) | 2019-01-15 |
Family
ID=64979859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811238463.6A Pending CN109214363A (zh) | 2018-10-23 | 2018-10-23 | 一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214363A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541860A (zh) * | 2019-09-23 | 2021-03-23 | 深圳开阳电子股份有限公司 | 肤色美化校正方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063568A1 (en) * | 2003-09-24 | 2005-03-24 | Shih-Ching Sun | Robust face detection algorithm for real-time video sequence |
CN101650782A (zh) * | 2009-09-16 | 2010-02-17 | 上海电力学院 | 基于肤色模型和形状约束的正面人脸轮廓提取方法 |
CN101702234A (zh) * | 2009-11-03 | 2010-05-05 | 上海大学 | 多目摄像机视频人脸最佳视角的选择方法 |
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 |
CN102254327A (zh) * | 2011-07-29 | 2011-11-23 | 西南交通大学 | 数码照片中的人脸自动分割方法 |
-
2018
- 2018-10-23 CN CN201811238463.6A patent/CN109214363A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050063568A1 (en) * | 2003-09-24 | 2005-03-24 | Shih-Ching Sun | Robust face detection algorithm for real-time video sequence |
CN101650782A (zh) * | 2009-09-16 | 2010-02-17 | 上海电力学院 | 基于肤色模型和形状约束的正面人脸轮廓提取方法 |
CN101702234A (zh) * | 2009-11-03 | 2010-05-05 | 上海大学 | 多目摄像机视频人脸最佳视角的选择方法 |
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 |
CN102254327A (zh) * | 2011-07-29 | 2011-11-23 | 西南交通大学 | 数码照片中的人脸自动分割方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541860A (zh) * | 2019-09-23 | 2021-03-23 | 深圳开阳电子股份有限公司 | 肤色美化校正方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109154978B (zh) | 用于检测植物疾病的系统和方法 | |
CN106446952B (zh) | 一种乐谱图像识别方法及装置 | |
WO2021139258A1 (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN108710919A (zh) | 一种基于多尺度特征融合深度学习的裂缝自动化勾画方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN103034838B (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
CN105160297B (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
Sugiarto et al. | Wood identification based on histogram of oriented gradient (HOG) feature and support vector machine (SVM) classifier | |
CN108647625A (zh) | 一种表情识别方法及装置 | |
CN108830857B (zh) | 一种自适应的汉字碑帖图像二值化分割方法 | |
CN110310291A (zh) | 一种稻瘟病分级系统及其方法 | |
Monwar et al. | Pain recognition using artificial neural network | |
CN110533100A (zh) | 一种基于机器学习进行cme检测和跟踪的方法 | |
CN106909883A (zh) | 一种基于ros的模块化手部区域检测方法和装置 | |
CN109259528A (zh) | 一种基于人脸识别与肤质检测的家居智能镜子 | |
CN113537182A (zh) | 染色体中期分裂相显微图像的自动识别方法与系统 | |
CN110021019A (zh) | 一种aga临床图像的ai辅助毛发的粗细分布分析方法 | |
CN105023272A (zh) | 农作物叶子虫害检测方法和系统 | |
Khan et al. | Comparitive study of tree counting algorithms in dense and sparse vegetative regions | |
Lam et al. | Highly accurate texture-based vehicle segmentation method | |
CN108257127A (zh) | 一种应用于急性中毒安全预评价的系统 | |
CN105404682B (zh) | 一种基于数字图像内容的图书检索方法 | |
Shire et al. | A review paper on: agricultural plant leaf disease detection using image processing | |
CN109741351A (zh) | 一种基于深度学习的类别敏感型边缘检测方法 | |
CN109214363A (zh) | 一种基于YCbCr与连通区域分析的变电站工人人脸识别方法 |
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: 20190115 |
|
RJ01 | Rejection of invention patent application after publication |