CN109948463A - 基于色彩和数学模型实现脸部和唇部识别功能的方法 - Google Patents
基于色彩和数学模型实现脸部和唇部识别功能的方法 Download PDFInfo
- Publication number
- CN109948463A CN109948463A CN201910148850.9A CN201910148850A CN109948463A CN 109948463 A CN109948463 A CN 109948463A CN 201910148850 A CN201910148850 A CN 201910148850A CN 109948463 A CN109948463 A CN 109948463A
- Authority
- CN
- China
- Prior art keywords
- pixel
- face
- lip
- value
- pixel value
- 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
Links
Abstract
本发明涉及一种基于色彩和数学模型实现脸部和唇部识别功能的方法，包括以下步骤：(1)对输入的文件进行预处理，并读取各像素点的像素值，存储符合脸部范围的像素点；(2)将各像素点的像素值转换为YCbCr值，并存储符合脸部范围的像素点；(3)将各像素点的像素值转换为HSV值，并存储符合脸部范围的像素点；(4)计算各像素点的熵值得到脸部区域，并通过计算进一步确定唇部区域和唇部轮廓。采用了本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法，准确从输入图片中找到脸部的位置，从多个色彩模型和数学模型入手，极大地提高了脸部和唇部识别的速度，降低了数据运算和处理的时间，同时不会降低识别的精准度和有效性。
Description
技术领域
本发明涉及电子图像领域，尤其涉及电子图像脸部识别领域，具体是指一种基于色彩和数学模型实现脸部和唇部识别功能的方法。
背景技术
随着互联网技术的普及以及相关应用程序的不断涌现，越来越多的人习惯于依附互联网模式而非传统的生活方式。而人脸识别则是其中一项重要的技术发明。近年来，该项技术被广泛应用于生物识别技术领域，包括通关、金融、电信、公正、司法等多个领域。在人脸识别中，唇部识别因为牵涉到语音辨别、特征比较等方面，又显得尤为重要。目前现有的人脸和唇部识别技术包括了四种：1、基于知识的识别方法，即从以前的研究中抽取出描述要素并进行查找；2、基于特征差异的识别方法，即通过形状等特征作为过滤器筛选到可能的要素；3、模式识别方法，即对每个要素设置不同的权重值，并通过反复训练得到最可能的结果；4、基于外观的识别方法，即从不同的图片中提取外观要素，并反复训练得到结果。
但传统方法也存在一定缺陷：(1)计算速度慢，要得到准确结果往往需要反复的训练，消耗时间较长；(2)单一模式进行识别往往很难避开算法本身的缺陷。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种满足准确性、识别时间少、识别效率高的基于色彩和数学模型实现脸部和唇部识别功能的方法。
为了实现上述目的，本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法如下：
该基于色彩和数学模型实现脸部和唇部识别功能的方法，其主要特点是，所述的方法包括以下步骤：
(1)对输入的文件进行预处理，并读取各像素点的像素值，存储符合脸部范围的像素点；
(2)将各像素点的像素值转换为YCbCr值，并存储符合脸部范围的像素点；
(3)将各像素点的像素值转换为HSV值，并存储符合脸部范围的像素点；
(4)计算各像素点的熵值得到脸部区域，并通过计算进一步确定唇部区域和唇部轮廓。
较佳地，所述的步骤(1)具体包括以下步骤：
(1.1)判断输入的文件是否是视频格式，如果是，则将视频文件切割成图片文件；否则，继续步骤(1.2)；
(1.2)读取图片文件的大小，根据RGB模型依次读取并存储各像素点的红、绿、蓝三色通道的像素值；
(1.3)读取每个像素值，判断所述的像素点的红、绿、蓝通道的像素值是否在一定的范围内且最大值和最小值的绝对值差在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
较佳地，所述的步骤(2)具体包括以下步骤：
(2.1)根据YCbCr色彩模型将每个像素点的红、绿、蓝通道的像素值转换为YCbCr值；
(2.2)判断判断所述的像素点的Cb和Cr的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
较佳地，所述的步骤(3)具体包括以下步骤：
(3.1)根据色调饱和度明都色彩模型将每个像素点的红、绿、蓝通道的像素值转换为HSV值；
(3.2)判断判断所述的像素点的H、S和V的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
较佳地，所述的步骤(4)具体包括以下步骤：
(4.1)计算各像素点的熵值，排除可能性较低的像素点，得到脸部区域；
(4.2)定位坐标选择下半部分脸部区域，选中唇部区域的位置坐标；
(4.3)勾勒唇部轮廓，将唇部轮廓标黑并输出。
较佳地，所述的步骤(2)中根据YCbCr色彩模型将各像素点的像素值转换为YCbCr值。
较佳地，所述的步骤(3)中根据色调饱和度明都色彩模型将各像素点的像素值转换为HSV值。
较佳地，所述的步骤(4.2)中通过连通区域分析算法选中唇部区域的位置坐标。
较佳地，所述的步骤(4.3)中通过Canny边缘算法勾勒唇部轮廓。
采用了本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法，使用了色彩模型和包括连通性算法等在内的数学模型，准确从输入图片中找到脸部的位置，进而锁定唇部的位置和轮廓并予以标注。从多个色彩模型和数学模型入手，极大地提高了脸部和唇部识别的速度，降低了数据运算和处理的时间，同时不会降低识别的精准度和有效性。
附图说明
图1为本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法的流程图。
图2为本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法的效果示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
本发明的该基于色彩和数学模型实现脸部和唇部识别功能的方法，其中包括：
(1)对输入的文件进行预处理，并读取各像素点的像素值，存储符合脸部范围的像素点；
(1.1)判断输入的文件是否是视频格式，如果是，则将视频文件切割成图片文件；否则，继续步骤(1.2)；
(1.2)读取图片文件的大小，根据RGB模型依次读取并存储各像素点的红、绿、蓝三色通道的像素值；
(1.3)读取每个像素值，判断所述的像素点的红、绿、蓝通道的像素值是否在一定的范围内且最大值和最小值的绝对值差在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0；
(2)将各像素点的像素值转换为YCbCr值，并存储符合脸部范围的像素点；
(2.1)根据YCbCr色彩模型将每个像素点的红、绿、蓝通道的像素值转换为YCbCr值；
(2.2)判断判断所述的像素点的Cb和Cr的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0；
(3)将各像素点的像素值转换为HSV值，并存储符合脸部范围的像素点；
(3.1)根据色调饱和度明都色彩模型将每个像素点的红、绿、蓝通道的像素值转换为HSV值；
(3.2)判断判断所述的像素点的H、S和V的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0；
(4)计算各像素点的熵值得到脸部区域，并通过计算进一步确定唇部区域和唇部轮廓；
(4.1)计算各像素点的熵值，排除可能性较低的像素点，得到脸部区域；
(4.2)定位坐标选择下半部分脸部区域，选中唇部区域的位置坐标；
(4.3)勾勒唇部轮廓，将唇部轮廓标黑并输出。
作为本发明的优选实施方式，所述的步骤(2)中根据YCbCr色彩模型将各像素点的像素值转换为YCbCr值。
作为本发明的优选实施方式，所述的步骤(3)中根据色调饱和度明都色彩模型将各像素点的像素值转换为HSV值。
作为本发明的优选实施方式，所述的步骤(4.2)中通过连通区域分析算法选中唇部区域的位置坐标。
作为本发明的优选实施方式，所述的步骤(4.3)中通过Canny边缘算法勾勒唇部轮廓。
本发明的具体实施方式中，本发明的目的是克服现有技术在脸部和唇部识别技术方面的单一模式化，采用特征、外观等多种模式进行识别，不仅能够准确、有效识别出脸部和唇部的轮廓区域，而且能够减少识别时间、提高识别速度和效率，为后续的脸部和唇部识别技术研究提供可靠的基础。
本发明给出了一种基于色彩和数学模型的脸部和唇部识别方法，下面按照执行顺序对该方法的工作原理进行详细介绍。
1.对用户输入的文件进行预处理，如果输入文件是视频格式时，按帧将视频文件切割成为图片文件后再作处理。读取图片文件的大小，根据红绿蓝色彩模型(RGB模型)结构原理依次读取每个像素点中红、绿、蓝三色通道的像素值，并将其存储在相应的文件中。
2.从文件中依次读取每个像素值，如果该像素中红、绿、蓝通道的像素值落在一定的范围内，且红、绿、蓝通道的像素值最大值和最小值的绝对值差落在一定的范围内，则初步判定为脸部范围，将符合上述条件的像素的红、绿、蓝通道的像素值存储在单位文件中，其他位置值填0。
3.从上一步骤生成的文件中读取每个像素值，根据YCbCr色彩模型结构原理，按照公式将每个像素点的红、绿、蓝通道的像素值转换为YCbCr值。如果该像素中Cb、Cr通道值落在一定的范围内，则判定为脸部范围，将符合上述条件的像素的红、绿、蓝通道的像素值存储在单位文件中，其他位置值填0。
4.从上一步骤生成的文件中读取每个像素值，根据色调饱和度明都色彩模型(HSV模型)结构原理，按照公式将每个像素点的红、绿、蓝通道的像素值转换为HSV值。如果该像素中H、S、V通道值落在一定的范围内，则判定为脸部范围，将符合上述条件的像素存储在单位文件中。
5.读取上一步骤生成的文件，根据一定算法计算每个像素点的熵值，排除掉可能性较低的点，得到最后的脸部区域。
6.根据获得的脸部位置定位坐标，选择下半部分区域作为备选对象，并使用连通区域分析算法(Connected Component Algorithm)选中唇部区域的位置坐标。
7.根据获得的唇部位置定位坐标，使用Canny边缘算法(Canny edge detector)勾勒唇部轮廓，将唇部轮廓标黑并输出。
以某张照片作为输入进行面部和唇部识别，具体步骤如下：
1.随机输入以下照片作为测试图片。
2.使用R、G、B色彩模型筛选可能的面部像素点，并将其标黑；
3.使用Y、Cb、Cr色彩模型筛选可能的面部像素点，并将其标黑；
4.使用H、S、V色彩模型筛选可能的面部像素点，并将其标黑；
5.针对以上可能面部区域取交集，并将其标黑；
6.针对以上可能面部区域，计算熵值取出噪点，得到面部区域；
7.取面部区域下半部分，得到初部唇部区域；
8.针对初部唇部区域，使用CCL算法得到精细唇部区域；
9.针对精细唇部区域，使用Cany Edge Detector算法得到唇部轮廓，结果如图2所示。
采用了本发明的基于色彩和数学模型实现脸部和唇部识别功能的方法，使用了色彩模型和包括连通性算法等在内的数学模型，准确从输入图片中找到脸部的位置，进而锁定唇部的位置和轮廓并予以标注。从多个色彩模型和数学模型入手，极大地提高了脸部和唇部识别的速度，降低了数据运算和处理的时间，同时不会降低识别的精准度和有效性。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (9)
1.一种利用权利要求1所述的系统基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的方法包括以下步骤：
(1)对输入的文件进行预处理，并读取各像素点的像素值，存储符合脸部范围的像素点；
(2)将各像素点的像素值转换为YCbCr值，并存储符合脸部范围的像素点；
(3)将各像素点的像素值转换为HSV值，并存储符合脸部范围的像素点；
(4)计算各像素点的熵值得到脸部区域，并通过计算进一步确定唇部区域和唇部轮廓。
2.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(1)具体包括以下步骤：
(1.1)判断输入的文件是否是视频格式，如果是，则将视频文件切割成图片文件；否则，继续步骤(1.2)；
(1.2)读取图片文件的大小，根据RGB模型依次读取并存储各像素点的红、绿、蓝三色通道的像素值；
(1.3)读取每个像素值，判断所述的像素点的红、绿、蓝通道的像素值是否在一定的范围内且最大值和最小值的绝对值差在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
3.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(2)具体包括以下步骤：
(2.1)根据YCbCr色彩模型将每个像素点的红、绿、蓝通道的像素值转换为YCbCr值；
(2.2)判断判断所述的像素点的Cb和Cr的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
4.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(3)具体包括以下步骤：
(3.1)根据色调饱和度明都色彩模型将每个像素点的红、绿、蓝通道的像素值转换为HSV值；
(3.2)判断判断所述的像素点的H、S和V的通道值是否均在一定的范围内，如果是，则判定为脸部范围，存储符合脸部条件的像素值，继续步骤(2)；否则，其余位置的像素值记为0。
5.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(4)具体包括以下步骤：
(4.1)计算各像素点的熵值，排除可能性较低的像素点，得到脸部区域；
(4.2)定位坐标选择下半部分脸部区域，选中唇部区域的位置坐标；
(4.3)勾勒唇部轮廓，将唇部轮廓标黑并输出。
6.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(2)中根据YCbCr色彩模型将各像素点的像素值转换为YCbCr值。
7.根据权利要求1所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(3)中根据色调饱和度明都色彩模型将各像素点的像素值转换为HSV值。
8.根据权利要求5所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(4.2)中通过连通区域分析算法选中唇部区域的位置坐标。
9.根据权利要求5所述的基于色彩和数学模型实现脸部和唇部识别功能的方法，其特征在于，所述的步骤(4.3)中通过Canny边缘算法勾勒唇部轮廓。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910148850.9A CN109948463B (zh) | 2019-02-28 | 2019-02-28 | 基于色彩和数学模型实现脸部和唇部识别功能的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910148850.9A CN109948463B (zh) | 2019-02-28 | 2019-02-28 | 基于色彩和数学模型实现脸部和唇部识别功能的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109948463A true CN109948463A (zh) | 2019-06-28 |
| CN109948463B CN109948463B (zh) | 2021-02-12 |
Family
ID=67008035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910148850.9A Active CN109948463B (zh) | 2019-02-28 | 2019-02-28 | 基于色彩和数学模型实现脸部和唇部识别功能的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948463B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
| CN101882315A (zh) * | 2009-05-04 | 2010-11-10 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 肤色区域的检测方法 |
| CN102147862A (zh) * | 2011-05-26 | 2011-08-10 | 电子科技大学 | 一种基于生存指数熵的人脸特征提取方法 |
| US20130271361A1 (en) * | 2012-04-17 | 2013-10-17 | Samsung Electronics Co., Ltd. | Method and apparatus for detecting talking segments in a video sequence using visual cues |
| CN104143091A (zh) * | 2014-08-18 | 2014-11-12 | 江南大学 | 基于改进mLBP的单样本人脸识别方法 |
| CN105868735A (zh) * | 2016-04-25 | 2016-08-17 | 南京大学 | 一种跟踪人脸的预处理方法及基于视频的智慧健康监视系统 |
| CN106446812A (zh) * | 2016-09-13 | 2017-02-22 | 西安科技大学 | 基于进似熵模板匹配的驾驶状态辨识方法 |
| CN106778676A (zh) * | 2016-12-31 | 2017-05-31 | 中南大学 | 一种基于人脸识别及图像处理的注意力评估方法 |
-
2019
- 2019-02-28 CN CN201910148850.9A patent/CN109948463B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101882315A (zh) * | 2009-05-04 | 2010-11-10 | 青岛海信数字多媒体技术国家重点实验室有限公司 | 肤色区域的检测方法 |
| CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
| CN102147862A (zh) * | 2011-05-26 | 2011-08-10 | 电子科技大学 | 一种基于生存指数熵的人脸特征提取方法 |
| US20130271361A1 (en) * | 2012-04-17 | 2013-10-17 | Samsung Electronics Co., Ltd. | Method and apparatus for detecting talking segments in a video sequence using visual cues |
| CN104143091A (zh) * | 2014-08-18 | 2014-11-12 | 江南大学 | 基于改进mLBP的单样本人脸识别方法 |
| CN105868735A (zh) * | 2016-04-25 | 2016-08-17 | 南京大学 | 一种跟踪人脸的预处理方法及基于视频的智慧健康监视系统 |
| CN106446812A (zh) * | 2016-09-13 | 2017-02-22 | 西安科技大学 | 基于进似熵模板匹配的驾驶状态辨识方法 |
| CN106778676A (zh) * | 2016-12-31 | 2017-05-31 | 中南大学 | 一种基于人脸识别及图像处理的注意力评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109948463B (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682601B (zh) | 一种基于多维信息特征融合的驾驶员违规通话检测方法 | |
| JP4251719B2 (ja) | 複数人物が存在する場合の人間の顔のロバスト追跡システム | |
| CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
| CN103824059B (zh) | 一种基于视频图像序列的人脸表情识别方法 | |
| CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
| CN111402209B (zh) | 一种基于U-Net的高速铁路钢轨损伤检测方法 | |
| CN103186904B (zh) | 图片轮廓提取方法及装置 | |
| CN107220624A (zh) | 一种基于Adaboost算法的人脸检测方法 | |
| CN107066972B (zh) | 基于多通道极值区域的自然场景文本检测方法 | |
| CN102194108B (zh) | 一种聚类线性鉴别分析特征选择的笑脸表情识别方法 | |
| CN105493141B (zh) | 非结构化道路边界检测 | |
| CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
| JPH0877334A (ja) | 顔画像の特徴点自動抽出方法 | |
| CN106446952A (zh) | 一种乐谱图像识别方法及装置 | |
| CN103198304A (zh) | 一种掌纹提取识别方法 | |
| JP2007272435A (ja) | 顔特徴抽出装置及び顔特徴抽出方法 | |
| CN106503644B (zh) | 基于边缘投影及颜色特征的眼镜属性检测方法 | |
| JP2004030007A (ja) | 化粧シミュレーション装置、化粧シミュレーション方法、化粧シミュレーションプログラム及びそのプログラムを記録した記録媒体 | |
| KR100755800B1 (ko) | 얼굴색과 에이다부스트를 이용한 얼굴 검출기 및 검출방법 | |
| CN111709305A (zh) | 一种基于局部图像块的人脸年龄识别方法 | |
| CN106355596B (zh) | 一种融合均匀颜色信息和复合感受野模型的边缘检测方法 | |
| JP2006285956A (ja) | 赤目検出方法および装置並びにプログラム | |
| TWI498830B (zh) | 不均勻光線下的車牌辨識方法及系統 | |
| CN115908774B (zh) | 一种基于机器视觉的变形物资的品质检测方法和装置 | |
| CN109948463A (zh) | 基于色彩和数学模型实现脸部和唇部识别功能的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |