CN110188640B - 人脸识别方法、装置、服务器和计算机可读介质 - Google Patents

Abstract

本公开提供一种人脸识别方法及装置，先确定待处理人脸图像中的肤色区域，并确定包括每个肤色区域的最小矩形区域在待处理图像中的位置，然后将各矩形区域拼接形成第二图像，并确定各矩形区域在第二图像中的位置，利用人脸识别模型从各矩形区域中识别出人脸区域并确定出人脸区域在第二图像中的位置，最后再根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，将人脸区域的位置映射到待处理人脸图像中，从而确定人脸区域在待处理人脸图像中的位置；本公开针对仅包括肤色区域的图像进行人脸识别，可以大幅提高人脸识别的效率，提高人脸识别检测的速度。本公开还提供一种服务器和计算机可读介质。

Description

人脸识别方法、装置、服务器和计算机可读介质

技术领域

本公开涉及计算机视觉和图像处理技术领域，具体涉及一种人脸识别方法、装置、服务器和计算机可读介质。

背景技术

在物体检测视频监控场景中，由于网络带宽或服务器计算能力的限制，在摄像机端需要进行一些检测算法去分担带宽和服务器压力。但受限于摄像机嵌入式平台的计算能力，摄像机只能运行一些简单算法，且很难达到实时性。

目前人脸识别检测的方案包括：1、传统机器学习方法，如svm(Support VectorMachine，支持向量机)等；2、基于深度学习的检测算法。传统机器学习方法相对于深度学习算法精度低，而深度学习算法的计算量大，增大输入尺寸可以大幅提升检测精度，但计算量与输入尺寸成正比例关系，例如相同的SSD(Single Shot MultiBox Detector)检测网络模型，SSD500(输入图像尺寸为500x500)是SSD300(300x300)的运算量的2.78倍，则相同硬件平台的检测帧率为1/2.78倍，因此在算力有限的情况下需要在精度和帧率之间寻找平衡。

在人脸识别场景下，需要对整帧进行检测，嵌入式平台受限于内存，CPU(CentralProcessing Unit，中央处理器)主频等限制，检测速度很难达到实时。

发明内容

本公开针对现有技术中存在的上述不足，提供一种人脸识别方法、装置、服务器和计算机可读介质。

第一方面，本公开实施例提供一种人脸识别方法，所述方法包括：

确定待处理人脸图像中的肤色区域；

分别选取包括每个所述肤色区域的最小的矩形区域，并确定各所述矩形区域在所述待处理人脸图像中的位置；

将各所述矩形区域拼接形成第二图像，并确定各所述矩形区域在所述第二图像中的位置；

根据所述第二图像和预设的人脸识别模型，确定人脸区域在所述第二图像中的位置；

根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，所述将各所述矩形区域拼接形成第二图像，具体包括：将各所述矩形区域以拼接后面积最小的方式拼接形成第二图像。

优选的，所述根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置，具体包括：

根据所述人脸区域在所述第二图像中的位置和各所述矩形区域在所述第二图像中的位置，确定所述人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量；

根据所述人脸区域在相应矩形区域内的偏移量和该矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，所述确定待处理人脸图像中的肤色区域，具体包括：确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像。

进一步的，去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像之后、所述分别选取包括每个所述肤色区域的最小的矩形区域之前，所述方法还包括：生成所述第一图像的灰度图像；

所述分别选取包括每个所述肤色区域的最小的矩形区域，具体包括：分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域。

进一步的，所述生成所述第一图像的灰度图像之后、所述分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域之前，所述方法还包括：对所述灰度图像进行开运算处理；

所述分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域，具体包括：分别选取经过开运算处理后的灰度图像中包括每个所述肤色区域的最小的矩形区域。

优选的，述确定所述待处理人脸图像中的非肤色区域，具体包括：

分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件；

根据每个像素是否满足所述肤色区域判断条件的判断结果，确定所述待处理人脸图像中的非肤色区域；

其中，若像素的红色、绿色、蓝色通道的亮度值不满足所述肤色区域判断条件，则确定该像素属于非肤色区域。

优选的，所述去除待处理人脸图像中的非肤色区域，包括：将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。

另一方面，本公开实施例还提供一种人脸识别装置，包括：肤色区域确定模块、第一位置确定模块、第二位置确定模块、人脸区域识别模块和人脸位置确定模块；

所述肤色区域确定模块用于，确定待处理人脸图像中的肤色区域；

所述第一位置确定模块用于，分别选取包括每个所述肤色区域的最小的矩形区域，并确定各所述矩形区域在所述待处理人脸图像中的位置；

所述第二位置确定模块用于，将各所述矩形区域拼接形成第二图像，并确定各所述矩形区域在所述第二图像中的位置；

所述人脸区域识别模块用于，根据所述第二图像和预设的人脸识别模型，确定人脸区域在所述第二图像中的位置；

所述人脸位置确定模块用于，根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，所述第二位置确定模块具体用于，将各所述矩形区域以拼接后面积最小的方式拼接形成第二图像。

优选的，所述人脸位置确定模块包括第一处理单元和第二处理单元；

所述第一处理单元用于，根据所述人脸区域在所述第二图像中的位置和各所述矩形区域在所述第二图像中的位置，确定所述人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量；

所述第二处理单元用于，根据所述人脸区域在相应矩形区域内的偏移量和该矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，所述肤色区域确定模块具体用于，确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像。

进一步的，所述人脸识别装置还包括灰度处理模块，所述灰度处理模块用于，在所述肤色区域确定模块去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像之后、所述第一位置确定模块分别选取包括每个所述肤色区域的最小的矩形区域之前，生成所述第一图像的灰度图像；

所述第一位置确定模块具体用于，分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域。

进一步的，所述人脸识别装置还包括预处理模块，所述预处理模块用于，在所述灰度处理模块生成所述第一图像的灰度图像之后、所述第一位置确定模块分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域之前，对所述灰度图像进行开运算处理；

所述第一位置确定模块具体用于，分别选取经过开运算处理后的灰度图像中包括每个所述肤色区域的最小的矩形区域。

优选的，所述肤色区域确定模块具体用于，分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件，并根据每个像素是否满足所述肤色区域判断条件的判断结果，确定所述待处理人脸图像中的非肤色区域；其中，若像素的红色、绿色、蓝色通道的亮度值不满足所述肤色区域判断条件，则确定该像素属于非肤色区域。

优选的，所述肤色区域确定模块具体用于，将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。

又一方面，本公开实施例还提供一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的人脸识别方法。

再一方面，本公开实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如前所述的人脸识别方法。

本公开的实施例，通过先确定待处理人脸图像中的肤色区域，并确定包括每个肤色区域的最小矩形区域在待处理图像中的位置，然后将各矩形区域拼接形成第二图像，并确定各矩形区域在第二图像中的位置，利用人脸识别模型从各矩形区域中识别出人脸区域并确定出人脸区域在第二图像中的位置，最后再根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，将人脸区域的位置映射到待处理人脸图像中，从而确定人脸区域在待处理人脸图像中的位置；本公开先从整帧图像中选取出肤色区域，由各肤色区域拼接形成新的图像，针对仅包括肤色区域的图像进行人脸识别，由于人脸图像中肤色区域通常只占一小部分，因此，可以大幅提高人脸识别的效率，节省大量算力，从而在相同的硬件条件下提高人脸识别检测的速度。

附图说明

图1为本公开一实施例的人脸识别方法流程图；

图2为本公开另一实施例的人脸识别方法流程图；

图3为本公开实施例确定待处理人脸图像中非肤色区域的流程图；

图4为本公开实施例的确定人脸区域在待处理人脸图像中位置的流程图；

图3为本公开实施例确定矩形区域在待处理人脸图像中位置的流程图；

图4为本公开实施例确定待处理人脸图像中非肤色区域的流程图；

图5为本公开一实施例的人脸识别装置的结构示意图；

图6为本公开另一实施例的人脸识别装置的结构示意图；

图7为本公开另一实施例的人脸位置确定模块的结构示意图。

具体实施方式

在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。

如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。

本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。

本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。因此，实施例不限于附图中所示的实施例，而是包括基于制造工艺而形成的配置的修改。因此，附图中例示的区具有示意性属性，并且图中所示区的形状例示了元件的区的具体形状，但并不旨在是限制性的。

除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。

本公开的一个实施例提供一种人脸识别方法，以下结合图1，对所述人脸识别方法进行详细说明，如图1所示，该方法包括以下步骤：

步骤11，确定待处理人脸图像中的肤色区域。

待处理人脸图像中包括肤色区域和背景区域，肤色区域是指人脸区域以及除人脸之外的肤色区域，例如四肢区域。背景区域是指待处理人脸图像中肤色区域之外的区域，例如，环境背景区域、衣服区域等。

具体的，在本步骤中，确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像。即先确定出待处理人脸图像中的非肤色区域，再从图像中将非肤色区域去除。后续结合图3再对如何确定待处理人脸图像中的非肤色区域的具体实现方式进行详细说明。

步骤12，分别选取包括每个肤色区域的最小的矩形区域，并确定各矩形区域在待处理人脸图像中的位置。

具体的，一个肤色区域对应一个矩形区域(即矩形框)，选取包括每个肤色区域的最小的矩形区域，即矩形区域中尽量将非肤色区域去除，可以最大限度缩小后续人脸识别检测的范围，从而最大限度提高人脸识别检测速度。

矩形区域在待处理人脸图像中的位置可以通过以下两种方式表示：方式一，矩形框一个顶点的坐标加上矩形框的长度和宽度，优选以矩形框左上顶点坐标加上矩形框的长度和宽度表示；方式二，矩形框任一对角线上的两个顶点的坐标。需要说明的是，这里所说的坐标是指在一帧待处理人脸图像中的相对坐标，例如，可以以待处理人脸图像中行、列的像素位置表示。

步骤13，将各矩形区域拼接形成第二图像，并确定各矩形区域在第二图像中的位置。

具体的，将各矩形区域无缝拼接形成第二图像，拼接的方式有多种，优选的，将各矩形区域以拼接后面积最小的方式拼接形成第二图像，从而进一步提高人脸识别检测速度。由于第二图像仅包括肤色区域，因此，第二图像的尺寸小于待处理人脸图像的尺寸。

在形成第二图像后，确定其中的各个矩形区域的位置，即确定矩形区域一个顶点的坐标加上矩形区域的长度和宽度，或者，确定矩形区域任一对角线上的两个顶点的坐标。

步骤14，根据第二图像和预设的人脸识别模型，确定人脸区域在第二图像中的位置。

具体的，将第二图像输入预设的人脸识别模型，获取人脸识别模型的输出结果，所述输出结果包括人脸区域在第二图像中的位置。利用人脸识别模型确定人脸区域在图像中的位置的具体实现方式及原理属于现有技术，在此不再赘述。

步骤15，根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，确定人脸区域在待处理人脸图像中的位置。

需要说明的是，人脸区域是指人脸的长和宽，也通过矩形区域表示，因此，所述确定人脸区域在待处理人脸图像中的位置包括：确定出人脸区域一个顶点的坐标加上矩形区域的长度和宽度，或者，确定人脸区域任一对角线上的两个顶点的坐标。进一步的，还可以在待处理人脸图像中用矩形框标识出人脸区域。

根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，确定人脸区域在待处理人脸图像中的位置的具体实现方式，后续结合图4再详细说明。

通过步骤11-15可以看出，本公开通过先确定待处理人脸图像中的肤色区域，并确定包括每个肤色区域的最小矩形区域在待处理图像中的位置，然后将各矩形区域拼接形成第二图像，并确定各矩形区域在第二图像中的位置，利用人脸识别模型从各矩形区域中识别出人脸区域并确定出人脸区域在第二图像中的位置，最后再根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，将人脸区域的位置映射到待处理人脸图像中，从而确定人脸区域在待处理人脸图像中的位置；本公开先从整帧图像中选取出肤色区域，由各肤色区域拼接形成新的图像，针对仅包括肤色区域的图像进行人脸识别，由于人脸图像中肤色区域通常只占一小部分，因此，可以大幅提高人脸识别的效率，节省大量算力，从而在相同的硬件条件下提高人脸识别检测的速度。

为了保证选取包括肤色区域的最小矩形区域的准确性，在本公开另一实施例中，在去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像(即步骤11)之后、分别选取包括每个所述肤色区域的最小的矩形区域(即步骤12)之前，如图2所示，所述方法还包括以下步骤：

步骤11’，生成第一图像的灰度图像。

具体的，选取合理阈值，使用阈值对第一图像做二值化处理，从而生成灰度图像。

相应的，在步骤12中，分别选取灰度图像中包括每个肤色区域的最小的矩形区域。

为了进一步保证选取包括肤色区域的最小矩形区域的准确性，在本公开另一实施例中，在生成第一图像的灰度图像(即步骤11’)之后、分别选取包括每个肤色区域的最小的矩形区域(即步骤12)之前，如图2所示，所述方法还包括以下步骤：

步骤12’，对灰度图像进行开运算处理。

具体的，在本步骤中，对已去除非肤色区域的灰度图像进行开运算处理，即先进行腐蚀处理再进行膨胀处理。对灰度图像进行形态学处理，主要是为了能够去除孤立的小点、毛刺和小桥(即连通两块区域的小点)，消除小物体，减少对下一步处理的影响。也就是说，本步骤可以将灰度图像中不完整的线条补全，并对肤色区域中的小面积缺失进行补全(例如脸上的痣和阴影区域)，保证后续选取的包括肤色区域的最小的矩形区域准确。

相应的，在步骤12中，分别选取经过开运算处理后的灰度图像中包括每个肤色区域的最小的矩形区域。

需要说明的是，在步骤11’、12’之后执行步骤12-15，在此不再赘述。

以下结合图3，对确定待处理人脸图像中的非肤色区域进行详细说明。如图3所示，所述确定待处理人脸图像中的非肤色区域，具体包括以下步骤：

步骤31，分别判断待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件。

其中，满足肤色区域判断条件，包括以下其中之一：

(1)红色通道的亮度值大于预设的第一阈值，且绿色通道的亮度值大于预设的第二阈值，且蓝色通道的亮度值大于预设的第三阈值，且红色通道与蓝色通道的亮度值之差大于预设的第四阈值，且红色通道与绿色通道的亮度之差大于所述第四阈值。在本公开实施例中，第一阈值可以设置为95，第二阈值可以设置为40，第三阈值可以设置为20，第四阈值可以设置为15。即Pixel[R]>95&&Pixel[G]>40&&Pixel[B]>20&&Pixel[R]-Pixel[B]>15&&Pixel[R]-Pixel[G]>15。

(2)红色通道的亮度值大于预设的第五阈值，且绿色通道的亮度值大于预设的第六阈值，且蓝色通道的亮度值大于预设的第七阈值，且红色通道与蓝色通道的亮度值之差的绝对值小于或等于预设的第四阈值，且红色通道的亮度值大于蓝色通道的亮度值，且绿色像素的亮度值大于蓝色像素的亮度值。在本公开实施例中，第五阈值可以设置为200，第六阈值可以设置为210，第七阈值可以设置为170。即Pixel[R]>200&&Pixel[G]>210&&Pixel[B]>170&&abs(Pixel[R]-Pixel[B])<＝15&&Pixel[R]>Pixel[B]&&Pixel[G]>Pixel[B]。

需要说明的是，上述阈值均为经验值，可以根据场景、人种肤色不同进行调整。

步骤32，根据每个像素是否满足肤色区域判断条件的判断结果，确定待处理人脸图像中的非肤色区域。

具体的，属于非肤色区域的像素的集合即为待处理人脸图像中的非肤色区域。

相应的，所述去除待处理人脸图像中的非肤色区域的步骤，具体包括：将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。像素红色、绿色、蓝色通道的亮度值在0至255之间，靠近255的亮度较高，靠近0的亮度较低。即255附近的是高光，0附近的是暗调，亮度值为255表示全白，亮度值为0表示全黑。也就是说，本步骤中将待处理人脸图像中非肤色区域设置为全黑，从而去除与肤色无关的像素，以突出肤色区域。

以下结合图4详细说明根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，确定人脸区域在待处理人脸图像中的位置的流程。如图4所示，所述根据人脸区域在第二图像中的位置、各矩形区域在第二图像中的位置和各矩形区域在待处理人脸图像中的位置，确定人脸区域在待处理人脸图像中的位置，包括以下步骤：

步骤41，根据人脸区域在第二图像中的位置和各矩形区域在第二图像中的位置，确定人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量。

具体的，首先将人脸区域在第二图像中的位置与各矩形区域在第二图像中的位置相匹配，由此确定出人脸区域落入哪个矩形区域；然后进一步计算人脸区域在其所在的矩形区域内的偏移量(即二者的相对位置)。例如，可以将人脸区域的左上顶点坐标(x，y)减去其所在矩形区域的左上顶点坐标(x1，y1)，分别得到横向偏移量x’和纵向偏移量y’，x’＝x-x1，y’＝y-y1。

步骤42，根据人脸区域在相应矩形区域内的偏移量和该矩形区域在待处理人脸图像中的位置，确定人脸区域在待处理人脸图像中的位置。

具体的，通过将人脸区域在相应矩形区域内的偏移量与该人脸区域所在的矩形区域在待处理人脸图像中的位置相叠加，即可确定出人脸区域在待处理人脸图像中的位置。

基于相同的技术构思，本公开实施例还提供一种人脸识别装置，如图5所示，该人脸识别装置包括：肤色区域确定模块51、第一位置确定模块52、第二位置确定模块53、人脸区域识别模块54和人脸位置确定模块55。

肤色区域确定模块51用于，确定待处理人脸图像中的肤色区域。

第一位置确定模块52用于，分别选取包括每个所述肤色区域的最小的矩形区域，并确定各所述矩形区域在所述待处理人脸图像中的位置。

第二位置确定模块53用于，将各所述矩形区域拼接形成第二图像，并确定各所述矩形区域在所述第二图像中的位置。

人脸区域识别模块54用于，根据所述第二图像和预设的人脸识别模型，确定人脸区域在所述第二图像中的位置。

人脸位置确定模块55用于，根据所述人脸区域在所述第二图像中的位置、所述各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，第二位置确定模块53具体用于，将各所述矩形区域以拼接后面积最小的方式拼接形成第二图像。

在本公开另一实施例提供的人脸识别装置中，如图7所示，人脸位置确定模块55包括第一处理单元551和第二处理单元552。第一处理单元551用于，根据所述人脸区域在所述第二图像中的位置和所述各所述矩形区域在所述第二图像中的位置，确定所述人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量。

第二处理单元552用于，根据所述人脸区域在相应矩形区域内的偏移量和该矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

优选的，肤色区域确定模块51具体用于，确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像。

在本公开又一实施例提供的人脸识别装置中，如图6所示，所述人脸识别装置还包括灰度处理模块56，灰度处理模块56用于，在所述肤色区域确定模块去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像之后、所述第一位置确定模块分别选取包括每个所述肤色区域的最小的矩形区域之前，生成所述第一图像的灰度图像。

第一位置确定模块52具体用于，分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域。

在本公开又一实施例提供的人脸识别装置中，如图6所示，所述人脸识别装置还包括预处理模块57，预处理模块57用于，在灰度处理模块56生成所述第一图像的灰度图像之后、第一位置确定模块52分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域之前，对所述灰度图像进行开运算处理。

第一位置确定模块52具体用于，分别选取经过开运算处理后的灰度图像中包括每个所述肤色区域的最小的矩形区域。

优选的，肤色区域确定模块51具体用于，分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件，并根据每个像素是否满足所述肤色区域判断条件的判断结果，确定所述待处理人脸图像中的非肤色区域；其中，若像素的红色、绿色、蓝色通道的亮度值不满足所述肤色区域判断条件，则确定该像素属于非肤色区域。

优选的，肤色区域确定模块51具体用于，将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。

本公开实施例还提供了一种服务器，该服务器包括：一个或多个处理器以及存储装置；其中，存储装置上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如前述各实施例所提供的人脸识别方法。

本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被执行时实现如前述各实施例所提供的人脸识别方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本发明的范围的情况下，可进行各种形式和细节上的改变。

Claims (15)

1.一种人脸识别方法，其中，所述方法包括：

确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像；

分别选取包括每个所述肤色区域的最小的矩形区域，并确定各所述矩形区域在所述待处理人脸图像中的位置；

将各所述矩形区域拼接形成第二图像，并确定各所述矩形区域在所述第二图像中的位置；

根据所述第二图像和预设的人脸识别模型，确定人脸区域在所述第二图像中的位置；

根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置；

所述确定所述待处理人脸图像中的非肤色区域，具体包括：

分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件；

若所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值不满足预设的肤色区域判断条件，则确定该像素属于非肤色区域；

其中，满足所述肤色区域判断条件，包括以下其中之一：

红色通道的亮度值大于预设的第一阈值，且绿色通道的亮度值大于预设的第二阈值，且蓝色通道的亮度值大于预设的第三阈值，且红色通道与蓝色通道的亮度值之差大于预设的第四阈值，且红色通道与绿色通道的亮度之差大于所述第四阈值；

红色通道的亮度值大于预设的第五阈值，且绿色通道的亮度值大于预设的第六阈值，且蓝色通道的亮度值大于预设的第七阈值，且红色通道与蓝色通道的亮度值之差的绝对值小于或等于预设的第四阈值，且红色通道的亮度值大于蓝色通道的亮度值，且绿色像素的亮度值大于蓝色像素的亮度值。

2.如权利要求1所述的方法，其中，所述将各所述矩形区域拼接形成第二图像，具体包括：将各所述矩形区域以拼接后面积最小的方式拼接形成第二图像。

3.如权利要求1所述的方法，其中，所述根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置，具体包括：

根据所述人脸区域在所述第二图像中的位置和各所述矩形区域在所述第二图像中的位置，确定所述人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量；

根据所述人脸区域在相应矩形区域内的偏移量和该矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

4.如权利要求1所述的方法，其中，去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像之后、所述分别选取包括每个所述肤色区域的最小的矩形区域之前，所述方法还包括：生成所述第一图像的灰度图像；

所述分别选取包括每个所述肤色区域的最小的矩形区域，具体包括：分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域。

5.如权利要求4所述的方法，其中，所述生成所述第一图像的灰度图像之后、所述分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域之前，所述方法还包括：对所述灰度图像进行开运算处理；

所述分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域，具体包括：分别选取经过开运算处理后的灰度图像中包括每个所述肤色区域的最小的矩形区域。

6.如权利要求1所述的方法，其中，所述确定所述待处理人脸图像中的非肤色区域，具体包括：

分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件；

根据每个像素是否满足所述肤色区域判断条件的判断结果，确定所述待处理人脸图像中的非肤色区域；

其中，若像素的红色、绿色、蓝色通道的亮度值不满足所述肤色区域判断条件，则确定该像素属于非肤色区域。

7.如权利要求1所述的方法，其中，所述去除待处理人脸图像中的非肤色区域，包括：将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。

8.一种人脸识别装置，其中，包括：肤色区域确定模块、第一位置确定模块、第二位置确定模块、人脸区域识别模块和人脸位置确定模块；

所述肤色区域确定模块用于，确定并去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像；

所述第一位置确定模块用于，分别选取包括每个所述肤色区域的最小的矩形区域，并确定各所述矩形区域在所述待处理人脸图像中的位置；

所述第二位置确定模块用于，将各所述矩形区域拼接形成第二图像，并确定各所述矩形区域在所述第二图像中的位置；

所述人脸区域识别模块用于，根据所述第二图像和预设的人脸识别模型，确定人脸区域在所述第二图像中的位置；

所述人脸位置确定模块用于，根据所述人脸区域在所述第二图像中的位置、各所述矩形区域在所述第二图像中的位置和各所述矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置；

其中，所述肤色区域确定模块具体用于，分别判断所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值是否满足预设的肤色区域判断条件；若所述待处理人脸图像中每个像素的红色、绿色、蓝色通道的亮度值不满足预设的肤色区域判断条件，则确定该像素属于非肤色区域；

满足所述肤色区域判断条件，包括以下其中之一：

红色通道的亮度值大于预设的第一阈值，且绿色通道的亮度值大于预设的第二阈值，且蓝色通道的亮度值大于预设的第三阈值，且红色通道与蓝色通道的亮度值之差大于预设的第四阈值，且红色通道与绿色通道的亮度之差大于所述第四阈值；

红色通道的亮度值大于预设的第五阈值，且绿色通道的亮度值大于预设的第六阈值，且蓝色通道的亮度值大于预设的第七阈值，且红色通道与蓝色通道的亮度值之差的绝对值小于或等于预设的第四阈值，且红色通道的亮度值大于蓝色通道的亮度值，且绿色像素的亮度值大于蓝色像素的亮度值。

9.如权利要求8所述的人脸识别装置，其中，所述第二位置确定模块具体用于，将各所述矩形区域以拼接后面积最小的方式拼接形成第二图像。

10.如权利要求8所述的人脸识别装置，其中，所述人脸位置确定模块包括第一处理单元和第二处理单元；

所述第一处理单元用于，根据所述人脸区域在所述第二图像中的位置和各所述矩形区域在所述第二图像中的位置，确定所述人脸区域所在的矩形区域，以及在相应矩形区域内的偏移量；

所述第二处理单元用于，根据所述人脸区域在相应矩形区域内的偏移量和该矩形区域在所述待处理人脸图像中的位置，确定人脸区域在所述待处理人脸图像中的位置。

11.如权利要求8所述的人脸识别装置，其中，还包括灰度处理模块，所述灰度处理模块用于，在所述肤色区域确定模块去除待处理人脸图像中的非肤色区域，得到包括肤色区域的第一图像之后、所述第一位置确定模块分别选取包括每个所述肤色区域的最小的矩形区域之前，生成所述第一图像的灰度图像；

所述第一位置确定模块具体用于，分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域。

12.如权利要求11所述的人脸识别装置，其中，还包括预处理模块，所述预处理模块用于，在所述灰度处理模块生成所述第一图像的灰度图像之后、所述第一位置确定模块分别选取所述灰度图像中包括每个所述肤色区域的最小的矩形区域之前，对所述灰度图像进行开运算处理；

所述第一位置确定模块具体用于，分别选取经过开运算处理后的灰度图像中包括每个所述肤色区域的最小的矩形区域。

13.如权利要求8所述的人脸识别装置，其中，所述肤色区域确定模块具体用于，将待处理人脸图像中非肤色区域内像素的红色、绿色、蓝色通道的亮度值分别设置为0。

14.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7任一项所述的人脸识别方法。

15.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如权利要求1-7任一项所述的人脸识别方法。

Images