CN109426775B

CN109426775B - 一种检测人脸图像中网纹的方法、装置及设备

Info

Publication number: CN109426775B
Application number: CN201710744681.6A
Authority: CN
Inventors: 谢雨来; 张杨
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2017-08-25
Filing date: 2017-08-25
Publication date: 2022-02-25
Anticipated expiration: 2037-08-25
Also published as: CN109426775A

Abstract

本发明提供一种检测人脸图像中网纹的方法、装置及设备，涉及图像处理技术领域，用以提高检测人脸图像网纹的准确性。本发明的检测人脸图像中网纹的方法，包括：基于人脸特征点对齐的数据库，获得普遍人脸信息；所述普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值；根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。本发明可提高检测人脸图像网纹的准确性。

Description

一种检测人脸图像中网纹的方法、装置及设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种检测人脸图像中网纹的方法、装置及设备。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。在人脸识别应用中，需要识别清晰的人脸。有时候，获取的人脸图像带有人造网纹，因此需要检测出人造网纹并修复图像，以获得清晰的人脸图像。

现有技术中提供的检测人脸图像中网纹的方法，通过对特定的网纹进行学习，进而识别出人脸图像中的网纹。但是，网纹通常存在的形式较多，因而，现有的方法无法满足检测出各种形式的网纹的需求，检测结果不准确。

发明内容

有鉴于此，本发明提供一种检测人脸图像中网纹的方法、装置及设备，以提高检测人脸图像网纹的准确性。

为解决上述技术问题，第一方面，本发明实施例提供一种检测人脸图像中网纹的方法，包括：

基于人脸特征点对齐的数据库，获得普遍人脸信息；所述普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值；

根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。

其中，所述根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点的步骤，包括：

对于所述输入人脸图像中的每一个像素点，获取所述每一个像素点在所述输入人脸图像中的像素值；

获取所述每一个像素点在所述数据库中的对应像素点的像素平均值；

计算所述每一个像素点在所述输入人脸图像中的像素值和所述每一个像素点所对应的像素平均值的差值；

对于所述每一个像素点中的任一目标像素点，若所述目标像素点对应的差值大于或等于第一预设阈值，则将所述目标像素点确定为网纹点；否则，将所述目标像素点确定为人脸点。

其中，在所述根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点的步骤之后，所述方法还包括：

基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点。

其中，所述基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点的步骤，包括：

对于所述网纹点中的任一目标网纹点，确定所述目标网纹点所在的邻域内的目标人脸点；

计算所述目标人脸点在所述邻域内的像素平均值；

计算所述目标网纹点在所述邻域内的像素值和所述目标人脸点在所述邻域内的像素平均值的第一差值；

若所述第一差值大于或等于第二预设阈值，则将所述目标网纹点作为最终网纹点。

其中，在所述基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点的步骤后，所述方法还包括：

对所述最终网纹点进行修正。

其中，所述对所述最终网纹点进行修正的步骤，包括：

确定所述最终网纹点在所述数据库中的对应像素点的第一像素平均值；

获取所述最终网纹点所在邻域内的人脸点的第二像素平均值；

计算所述第一像素平均值和所述第二像素平均值的第二差值；

根据所述第二差值和第三预设阈值的关系，确定所述最终网纹点对应的补偿像素值；

利用所述补偿像素值对所述最终网纹点进行修正。

其中，所述根据所述第二差值和第三预设阈值的关系，确定所述最终网纹点对应的补偿像素值的步骤，包括：

若所述第二差值的绝对值大于第三预设阈值，则确定所述补偿像素值为所述第二差值和修正系数的乘积与所述第二像素平均值的和；

若所述第二差值的绝对值小于或等于所述第三预设阈值，则确定所述补偿像素值为所述第二像素平均值。

其中，在所述基于人脸特征点对齐的数据库，获得普遍人脸信息的步骤之前，所述方法还包括：

对多张人脸图像，依照所述多张人脸图像上的特征点进行缩放与对齐，获取所述基于人脸特征点对齐的数据库。

第二方面，本发明实施例提供一种检测人脸图像中网纹的装置，包括：

信息获取模块，用于基于人脸特征点对齐的数据库，获得普遍人脸信息；所述普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值；

人脸检测模块，用于根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述计算机程序时实现如第一方面所述的方法中的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法中的步骤。

本发明的上述技术方案的有益效果如下：

在本发明实施例中，对输入人脸图像基于获得的普遍人脸信息进行检测，从而确定输入人脸图像中的网纹点。由于普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值，更能反映出普通人脸的特征，因此，利用本发明实施例的方案可检测出输入人脸图像中的存在的任意形式的网纹，从而提高了对人脸图像人脸网纹的检测准确性。

附图说明

图1为本发明实施例的检测人脸图像中网纹的方法的流程图；

图2为本发明实施例的检测人脸图像中网纹的方法的流程图；

图3为邻域示意图；

图4为本发明实施例的检测人脸图像中网纹的装置的示意图；

图5为本发明实施例的人脸检测模块的示意图；

图6为本发明实施例的检测人脸图像中网纹的装置的又一示意图；

图7为本发明实施例的确定模块的示意图；

图8为本发明实施例的检测人脸图像中网纹的装置的又一示意图；

图9为本发明实施例的修正模块的示意图；

图10为本发明实施例的检测人脸图像中网纹的装置的又一示意图；

图11为本发明实施例的电子设备的示意图。

具体实施方式

下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本发明实施例的检测人脸图像中网纹的方法，包括：

步骤101、基于人脸特征点对齐的数据库，获得普遍人脸信息。

在本发明实施例中，所述普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值。

在实际应用中，可将拥有大量清晰人脸图像的人脸数据库中的人脸图像，依照人脸上的特征点进行缩放与对齐，得到一个人脸大小一致、人脸特征点均对齐的数据库DB。其中，人脸对齐的过程可采用现有技术中的人脸对齐方法实现，在此不再赘述。

步骤102、根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。

在此步骤中，对于所述输入人脸图像中的每一个像素点，获取所述每一个像素点在所述输入人脸图像中的像素值，并基于获得的数据库，获取所述每一个像素点在所述数据库中的对应像素点的像素平均值。然后，计算所述每一个像素点在所述输入人脸图像中的像素值和所述每一个像素点所对应的像素平均值的差值。对于所述每一个像素点中的任一目标像素点，若所述目标像素点对应的差值大于或等于第一预设阈值，则将所述目标像素点确定为网纹点；否则，将所述目标像素点确定为人脸点。

其中第一预设阈值可根据利用所述数据库计算得出，或者预先设定，在此不对其获取方式进行限定。

如图2所示，本发明实施例的检测人脸图像中网纹的方法，包括：

步骤201、对多张人脸图像，依照所述多张人脸图像上的特征点进行缩放与对齐，获取基于人脸特征点对齐的数据库。

在实际应用中，可将拥有大量清晰人脸图像的人脸数据库中的人脸图像依照人脸上的特征点进行缩放与对齐，得到一个人脸大小一致，人脸特征点均对齐的数据库DB。其中，人脸对齐的过程可采用现有技术中的人脸对齐方法实现，在此不再赘述。

步骤202、基于人脸特征点对齐的数据库，获得普遍人脸信息。

步骤203、根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。

在此步骤中，对于所述输入人脸图像中的每一个像素点，获取所述每一个像素点在所述输入人脸图像中的像素值，并基于获得的数据库，获取所述每一个像素点在所述数据库中的对应像素点的像素平均值。然后，计算所述每一个像素点在所述输入人脸图像中的像素值和所述每一个像素点所对应的像素平均值的差值。对于所述每一个像素点中的任一目标像素点，若所述目标像素点对应的差值大于或等于第一预设阈值，则将所述目标像素点确定为网纹点；否则，将所述目标像素点确定为人脸点。其中，网纹点指的是人脸图像的网纹中的像素点，而人脸点则指的是构成人脸图像的像素点。

其中，第一预设阈值可根据利用所述数据库计算得出，或者预先设定，在此不对其获取方式进行限定。

具体的，基于以下公式(1)获取输入人脸图像中的像素(i，j)在数据库的对应像素点的像素平均值：

其中，{A_DB(i,j)}表示像素(i，j)在数据库的对应像素点的像素平均值；(i，j)是输入人脸图像的某个像素点的坐标，P^N(i,j)是数据库中第N张人脸图像中在(i，j)处的像素值；N是数据库中对齐的人脸照片的总数。

基于以下公式(2)确定输入人脸图像中的某个像素点是否为网纹点。

其中，I(i，j)是输入人脸图像的某个像素点的像素值，{I(i，j)}是输入人脸图像的像素点的集合，i∈[1,w],j∈[1,h]，w是输入人脸图像的高度，h是输入人脸图像的宽度，A_DB(i,j)表示像素(i，j)在数据库的对应像素点的像素平均值，N是数据库中对齐的人脸照片的总数，σ(i,j)是对齐的人脸图像数据库在像素(i，j)处的整体分布的标准差，NF是检测到的网纹点的集合，F是检测到的人脸点的集合。

根据上述公式(1)和(2)，也就是说，若某个像素点满足条件I(i,j)-A_DB(i,j)≥3σ(i,j)，则将该像素点确定为网纹点；否则，将该像素点确定为人脸点。

步骤204、基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点。

在本发明实施例中，对于确定出的网纹点，对其进行进一步检测，以确定最终的网纹点，也即最终网纹点，从而进一步提高对网纹点检测准确性。

在此步骤中，对于所述网纹点中的任一目标网纹点，确定所述目标网纹点所在的邻域内的目标人脸点。其中该邻域的大小可根据实际需要设置，例如设置为5×5，7×7大小等。在此邻域内，计算所述目标人脸点在所述邻域内的像素平均值。然后，计算所述目标网纹点在所述邻域内的像素值和所述目标人脸点在所述邻域内的像素平均值的第一差值。若所述第一差值大于或等于第二预设阈值，则将所述目标网纹点作为最终网纹点。

其中，第二预设阈值可以任意设置，其含义和大小也可与第一预设阈值相同。

如图3所示，为网纹点(i，j)的邻域示意图。图3中，用方块表示每个像素点。白色的点为人脸点，黑色的点为网纹点。在某个网纹点的邻域内，可能存在有网纹点，还有可能存在人脸点。如果存在人脸点，将该网纹点的像素值与其邻域内的人脸点的像素平均值的差值进行评估，如果差值较大，则继续判定该网纹点为最终网纹点，否则为判定为人脸点。

具体的，按照以下公式(3)、(4)确定某个网纹点是否为最终网纹点。

其中，A_local(i,j)是在网纹点(i，j)处的一个邻域(如L*L)内属于F集合(也即人脸点)的像素点的平均值，T是该邻域内人脸点的个数，(u，v)是在该邻域内的人脸点的坐标，i∈[1，L]，j∈[1，L]，L是邻域的宽度和长度。

其中，σ(u,v)是对齐的人脸图像数据库在像素(i，j)处的邻域内的点的像素值的整体分布的标准差，NF是检测到的网纹点的集合，F是检测到的人脸点的集合。

步骤205、对所述最终网纹点进行修正。

在检测出最终网纹点之后，需要对其进行修正，以获取清晰无网纹的人脸图像。

具体的，在此步骤中，确定所述最终网纹点在所述数据库中的对应像素点的第一像素平均值，获取所述最终网纹点所在邻域内的人脸点的第二像素平均值。计算所述第一像素平均值和所述第二像素平均值的第二差值，根据所述第二差值和第三预设阈值的关系，确定所述最终网纹点对应的补偿像素值，从而利用所述补偿像素值对所述最终网纹点进行修正。

若所述第二差值的绝对值大于第三预设阈值，则确定所述补偿像素值为所述第二差值和修正系数的乘积与所述第二像素平均值的和；若所述第二差值的绝对值小于或等于所述第三预设阈值，则确定所述补偿像素值为所述第二像素平均值。

其中，第三预设阈值可以任意设置，其含义和大小也可与第一预设阈值相同。

也即，在上述过程中，当最终网纹点(i，j)在所述数据库中的对应像素点的像素平均值A_DB(i,j)，与最终网纹点所在邻域内的人脸点的像素平均值A_local(i,j)的差值的绝对值小于某个阈值时，用邻域内人脸点的像素平均值填充(i，j)；否则，在填充邻域内人脸点的像素平均值的基础上，根据该最终网纹点处的像素值I(i，j)与邻域内人脸点的像素平均值填A_local(i,j)的差距，进行进一步补偿。差距越大，补偿越多。

具体的，补偿像素值表示成公式(5)的形式：

R(i,j)＝A_local(i,j)+Δ(i,j) (5)

其中，R(i,j)表示补偿像素值，A_local(i,j)表示最终网纹点(i，j)的邻域内，人脸点的像素平均值，Δ(i,j)表示修正值。

其中，所述修正值按照以下公式(6)确定：

其中，A_DB(i,j)表示最终网纹点(i，j)在所述数据库中的对应像素点的像素平均值，A_local(i,j)表示最终网纹点所在邻域内的人脸点的像素平均值，α表示修正系数，σ(i,j)是对齐的人脸图像数据库在像素(i，j)处的整体分布的标准差。

其中，修正系数α按照以下公式(7)、(8)确定：

α＝D(i,j)/255 (7)

D(i,j)＝|I(i,j)-A_local(i,j)| (8)

其中，D(i，j)是最终网纹点的像素值I(i，j)减去最终网纹点(i，j)的邻域内人脸点的像素平均值的绝对值，表示最终网纹点的像素值与其邻域内的人脸点的像素值的差异程度，255表示像素值的最大值。

如图4所示，本发明实施例的检测人脸图像中网纹的装置，包括：

信息获取模块401，用于基于人脸特征点对齐的数据库，获得普遍人脸信息；所述普遍人脸信息为所述数据库中的任一图像中的任一像素点在所述数据库中的像素平均值；人脸检测模块402，用于根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点。

如图5所示，所述人脸检测模块402包括：

第一获取子模块4021，用于对于所述输入人脸图像中的每一个像素点，获取所述每一个像素点在所述输入人脸图像中的像素值；第二获取子模块4022，用于获取所述每一个像素点在所述数据库中的对应像素点的像素平均值；计算子模块4023，用于计算所述每一个像素点在所述输入人脸图像中的像素值和所述每一个像素点所对应的像素平均值的差值；确定子模块4024，用于对于所述每一个像素点中的任一目标像素点，若所述目标像素点对应的差值大于或等于第一预设阈值，则将所述目标像素点确定为网纹点；否则，将所述目标像素点确定为人脸点。

如图6所示，为进一步提高检测的准确性，所述装置还包括：

确定模块403，用于基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点。

如图7所示，所述确定模块403包括：

第一确定子模块4031，用于对于所述网纹点中的任一目标网纹点，确定所述目标网纹点所在的邻域内的目标人脸点；第一计算子模块4032，用于计算所述目标人脸点在所述邻域内的像素平均值；第二计算子模块4033，用于计算所述目标网纹点在所述邻域内的像素值和所述目标人脸点在所述邻域内的像素平均值的第一差值；第二确定子模块4034，用于若所述第一差值大于或等于第二预设阈值，则将所述目标网纹点作为最终网纹点。

如图8所示，为获得人脸图像，所述装置还包括：

修正模块404，用于对所述最终网纹点进行修正。

如图9所示，所述修正模块404包括：

第一确定子模块4041，用于确定所述最终网纹点在所述数据库中的对应像素点的第一像素平均值；第一获取子模块4042，用于获取所述最终网纹点所在邻域内的人脸点的第二像素平均值；第一计算子模块4043，用于计算所述第一像素平均值和所述第二像素平均值的第二差值；第二确定子模块4044，用于根据所述第二差值和第三预设阈值的关系，确定所述最终网纹点对应的补偿像素值；修正子模块4045，用于利用所述补偿像素值对所述最终网纹点进行修正。

具体的，所述第二确定子模块4044具体用于，若所述第二差值的绝对值大于第三预设阈值，则确定所述补偿像素值为所述第二差值和修正系数的乘积与所述第二像素平均值的和；若所述第二差值的绝对值小于或等于所述第三预设阈值，则确定所述补偿像素值为所述第二像素平均值。

如图10所示，所述装置还可包括：

获取模块405，用于对多张人脸图像，依照所述多张人脸图像上的特征点进行缩放与对齐，获取所述基于人脸特征点对齐的数据库。

本发明所述装置的工作原理可参照前述方法实施例的描述。

如图11所示，本发明实施例提供了一种电子设备，包括：处理器1101和存储器1102，在所述存储器1102中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器1101执行以下步骤：

进一步地，如图11所示，电子设备还包括网络接口1103、输入设备1104、硬盘1105、和显示设备1106。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1101代表的一个或者多个中央处理器(CPU)，以及由存储器1102代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口1103，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘1105中。

所述输入设备1104，可以接收操作人员输入的各种指令，并发送给处理器1101以供执行。所述输入设备1104可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备1106，可以将处理器1101执行指令获得的结果进行显示。

所述存储器1102，用于存储操作系统运行所必须的程序和数据，以及处理器1101计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器1102可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器1102旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器1102存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统11021和应用程序11011。

其中，操作系统11021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序11011，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序11011中。

本发明上述实施例揭示的方法可以应用于处理器1101中，或者由处理器1101实现。处理器1101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1101可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1102，处理器1101读取存储器1102中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

具体地，处理器1101还用于读取所述计算机程序，执行如下步骤:

计算所述目标人脸点在所述邻域内的像素平均值；

对所述最终网纹点进行修正。

利用所述补偿像素值对所述最终网纹点进行修正。

此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现以下步骤：

其中，在所述根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点的步骤之后，还包括：

计算所述目标人脸点在所述邻域内的像素平均值；

其中，在所述基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点的步骤后，还包括：

对所述最终网纹点进行修正。

其中，所述对所述最终网纹点进行修正的步骤，包括：

利用所述补偿像素值对所述最终网纹点进行修正。

其中，在所述基于人脸特征点对齐的数据库，获得普遍人脸信息的步骤之前，还包括：

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，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，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。

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包括，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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种检测人脸图像中网纹的方法，其特征在于，包括：

根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点；

基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点；并且

对所述最终网纹点进行修正，

其中，所述对所述最终网纹点进行修正的步骤包括：

利用所述补偿像素值对所述最终网纹点进行修正，

2.根据权利要求1所述的方法，其特征在于，所述根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点的步骤，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点的步骤，包括：

计算所述目标人脸点在所述邻域内的像素平均值；

4.根据权利要求1所述的方法，其特征在于，在所述基于人脸特征点对齐的数据库，获得普遍人脸信息的步骤之前，所述方法还包括：

5.一种检测人脸图像中网纹的装置，其特征在于，包括：

人脸检测模块，用于根据所述普遍人脸信息，对输入人脸图像进行检测，确定所述输入人脸图像中的网纹点；

确定模块，用于基于所述网纹点的邻域信息，在所述输入人脸图像中确定最终网纹点；

修正模块，用于对所述最终网纹点进行修正，所述修正模块包括：

第一确定子模块，用于确定所述最终网纹点在所述数据库中的对应像素点的第一像素平均值；第一获取子模块，用于获取所述最终网纹点所在邻域内的人脸点的第二像素平均值；第一计算子模块，用于计算所述第一像素平均值和所述第二像素平均值的第二差值；第二确定子模块，用于根据所述第二差值和第三预设阈值的关系，确定所述最终网纹点对应的补偿像素值；修正子模块，用于利用所述补偿像素值对所述最终网纹点进行修正，

其中，所述修正模块的所述第二确定子模块用于，若所述第二差值的绝对值大于第三预设阈值，则确定所述补偿像素值为所述第二差值和修正系数的乘积与所述第二像素平均值的和；若所述第二差值的绝对值小于或等于所述第三预设阈值，则确定所述补偿像素值为所述第二像素平均值。

6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的方法中的步骤。

7.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法中的步骤。