CN110458012B - 多角度人脸识别方法及装置、存储介质和终端 - Google Patents

多角度人脸识别方法及装置、存储介质和终端 Download PDF

Info

Publication number
CN110458012B
CN110458012B CN201910602713.8A CN201910602713A CN110458012B CN 110458012 B CN110458012 B CN 110458012B CN 201910602713 A CN201910602713 A CN 201910602713A CN 110458012 B CN110458012 B CN 110458012B
Authority
CN
China
Prior art keywords
skin color
image
contour
pixel
face
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.)
Active
Application number
CN201910602713.8A
Other languages
English (en)
Other versions
CN110458012A (zh
Inventor
张晖
叶子皓
赵海涛
孙雁飞
朱洪波
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201910602713.8A priority Critical patent/CN110458012B/zh
Publication of CN110458012A publication Critical patent/CN110458012A/zh
Application granted granted Critical
Publication of CN110458012B publication Critical patent/CN110458012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种多角度人脸识别方法及装置、存储介质和终端，所述方法包括：将采集到的原始图像进行预处理；将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。上述的方案，可以在使用有限的计算资源进行人脸识别时，提高识别的准确度。

Description

多角度人脸识别方法及装置、存储介质和终端
技术领域
本发明属于人脸识别技术领域，特别是涉及一种多角度人脸识别方法及装置、存储介质和终端。
背景技术
人脸识别技术在安全系统、视频编辑、智能系统、自动化系统等各领域都有十分重要的地位。
以卷积神经网络(Convolutional Neural Networks,CNN)为代表的各类人脸识别方法已经在人脸识别领域中取得了不错的成绩。
能在人脸识别问题中拥有较高识别率的神经网络往往都需要较大的计算力以及存储空间。随着物联网时代的到来，各种小型化终端加入了互联网。因此，如何在使用有限的计算资源进行人脸识别时提高识别的准确度成为亟待解决的问题。
发明内容
本发明解决的技术问题是如何在使用有限的计算资源进行人脸识别时提高识别的准确度。
为了达到上述目的，本发明实施例提供了一种多角度人脸识别方法，所述方法包括：
将采集到的原始图像进行预处理；
将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；
从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；
将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；
对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
可选地，所述从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板，包括：
将像素值大于或等于预设的肤色阈值的像素点作为肤色区域的像素点，将像素值小于所述肤色阈值的像素点作为背景区域的像素点，得到所述肤色区域的二值化蒙板。
可选地，在从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板之后，所述方法还包括：
对所述肤色区域的二值化蒙板进行形态学操作。
可选地，所述将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度，包括：
基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓；
基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置；
基于所确定的人脸中的眼睛和脖子的位置，将所确定的人脸区域的轮廓以对应的外接矩形的中心点为中心每次按照预设的角度不断旋转，直至所确定的眼睛对应的非肤色区域的高度差处于预设的范围，且脖子所在行的高度较低。
本发明实施例还提供了一种多角度人脸识别装置，所述装置包括：
预处理单元，适于将采集到的原始图像进行预处理；
转换单元，适于将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；
生成单元，适于从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；
旋转单元，适于将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；
识别单元，适于对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
可选地，所述生成单元，适于将像素值大于或等于预设的肤色阈值的像素点作为肤色区域的像素点，将像素值小于所述肤色阈值的像素点作为背景区域的像素点，得到所述肤色区域的二值化蒙板。
可选地，所述装置还包括：
形态学操作单元，适于在从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板之后，
对所述肤色区域的二值化蒙板进行形态学操作。
可选地，所述旋转单元，适于基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓；基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置；基于所确定的人脸中的眼睛和脖子的位置，将所确定的人脸区域的轮廓以对应的外接矩形的中心点为中心每次按照预设的角度不断旋转，直至所确定的眼睛对应的非肤色区域的高度差处于预设的范围，且脖子所在行的高度较低。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一项所述的多角度人脸识别方法的步骤。
本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一项所述的多角度人脸识别方法的步骤。
与现有技术相比，本发明的有益效果为：
上述的方案，通过将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别，在使用有限的计算资源进行人脸识别时提高识别的准确度，实现有限的计算资源与人脸识别准确性之间的平衡。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种多角度人脸识别方法的流程示意图；
图2是本发明实施例中的一种多角度人脸识别装置的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。本发明实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
如背景技术所述，如何在使用有限的计算资源进行人脸识别时提高识别的准确度成为亟待解决的问题。
本发明的技术方案通过将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别，在使用有限的计算资源进行人脸识别时提高识别的准确度，实现有限的计算资源与人脸识别准确性之间的平衡。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例的一种多角度人脸识别方法的流程示意图。参见图1，一种多角度人脸识别方法，具体可以包括如下的步骤：
步骤S101：将采集到的原始图像进行预处理。
在具体实施中，将采集到的原始图像进行一定的预处理，可以首先是根据图像的大小对图像进行一定程度的压缩，在不损失图像主要信息的基础上减小图像尺寸。接着，可以对压缩后的图像进行降噪处理。图像采集设备在采集人脸图像时常会包含各种各样的噪声，会造成图像的质量下降，影响人脸分割与识别。由于在人脸识别的模型中采用了卷积神经网络，因此噪声的存在会一直累积，对人脸识别结果造成影响。本发明实施例中可以以下采用的两种用于降噪的滤波器对图像进行降噪处理：(1)高斯滤波器：在图像采集中，最常见的噪声为高斯白噪声。高斯滤波器属于线性滤波器，其滤波器窗口的像素取值服从高斯分布，随着距离模板中心的距离增大而减小；(2)中值滤波器：中值滤波器属于非线性滤波器，主要是对当前点的周围像素点进行统计与排序，选取其中值作为当前点的像素值，从而消除孤立的噪声点。本方案主要用中值滤波器平滑人脸二值化图像边缘的毛刺，使其边缘变得平滑，降低毛发、衣物和装饰品对人脸识别的影响。
步骤S102：将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像。
在具体实施中，常见的图像采用的颜色空间为RGB(Red，Green，Blue)空间，不同光线、亮度的肤色在RGB颜色空间中，各通道分量标准差较大，表明其易受亮度因素的影响。YCbCr颜色空间，即YUV(Luma，Chrominance，Chroma)颜色空间，是视频图像和数字图像中常用的颜色空间，其包含三个分量：Y(Luma，亮度)，表示的是图像的亮暗程度，取值范围为0～255；Cb分量表示的是RGB颜色空间中蓝色分量与RGB颜色空间中亮度值之间差异，取值范围为0～255；Cr分量表示的是RGB颜色空间中红色分量的值与RGB颜色空间中亮度之间的差异，取值范围为0～255。其中，Cb分量和Cr分量是相互独立的，并且与Y分量能有效地分离。在YCbCr颜色空间中，不同光线、亮度的肤色Y分量标准差较大，表明其易受亮度因素的影响，但Cb与Cr分量标准差小，表明其在不同亮度下分布十分稳定。因此，为了能从图像中提取出肤色区域，可以将预处理后的图像的颜色空间转变为YCbCr颜色空间，具体的颜色空间转换公式如下：
Figure BDA0002119725600000061
步骤S103：从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板。
在具体实施中，将图像转换为YCbCr颜色空间后可以采用最大类间方差法(OTSU)来确定区分肤色区域的阈值T，并将像素值大于阈值的像素点作为肤色区域中的像素点，其余为背景区域，即按照如下公式便可以生成肤色区域的二值化蒙板。
Figure BDA0002119725600000062
在本发明一实施例中，在图像经过二值化处理后，由于皮肤瑕疵、毛发、衣物和装饰物等干扰得到的图像会存在空隙、残缺等现象。形态学的作用就是去除孤立的小点、毛刺、填充小孔、弥合小缝隙等，形态学操作主要有以下两种：(1)膨胀：将前景接触到的背景点合并到前景，其结果使前景的面积变大，其意义在于对前景区域中存在的空洞与缝隙进行填充；(2)腐蚀：将前景的所有边界点进行消除，其结果使前景的面积变小，其意义在于对背景中存在的一些较小的没有意义的孤立点进行消除。通过这两种操作的组合处理后便能够得到边缘光滑、排除了孤立噪点的肤色区域二值化蒙板。
步骤S104：将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度。
在本发明一实施例中，在执行将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度的操作时，具体可以包括：
首先，扫描所述二值化蒙板中的像素点，提取所述二值化蒙板中的轮廓，并基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓。具体地，逐个扫描图像中的像素点，当扫描到一个边界点，即本身像素值为255且周围8个邻像素中有像素值为0的像素点时，便将其加入边界点列表，同时，初始化一个搜索方向d，搜索方向取值为0～7代表周围8个邻像素所在方向，扫描搜索方向的下一个像素点，若其不是边界点则使d＝(d+1)％8(％代表取模运算)并重复；若其是边界点则将其加入边界点列表，并设置下一搜索方向为d＝(d+5)％8并重复搜索步骤直到搜索到下一个边界点已经在列表中，这代表该轮廓已经全部提取。之后，令该轮廓边界点中最高、最低、最左和最右的四个点所在的正矩形为该轮廓的外接矩形。经过以上步骤，可以扫描出二值化蒙板中的所有轮廓并计算出其外接矩形。
接着，基于所提取的轮廓的外接矩形，排除扫描得到的轮廓中的非人脸区域。在本发明一实施例中，可以按照以下经验准则筛选掉一些非人脸区域：(1)外接矩形的面积小于图像总面积的5％，则认定为非人脸区域；(2)外接矩形的长度与宽度之比大于10或小于0.1，则认定为非人脸区域；(3)矩形内轮廓面积与矩形面积的比大于0.9或小于0.3，则认定为非人脸区域。之后，记录下蒙板中所有待识别矩形的位置{L}。
在具体实施中，为了使得只能识别正脸的神经网络能够识别多角度的人脸，可以通过预先判断识别区域的旋转角度并将其旋转到正常角度后再进行人脸识别。在本发明一实施例中，主要基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置，再通过双眼位置和脖子位置来确定人脸区域的旋转角度。具体地，由于人眼的颜色并不满足肤色判定条件，所以在人眼睁开的情况下蒙板的人脸区域应当有两处较大的空缺，该空缺可以通过上一步骤中的边界点搜索法确定。同时蒙板的人脸到脖子部分会有明显的宽度下降。根据以上两点性质，将外接矩形的中心定为旋转中心，并以10°为单位将外接矩形区域不断旋转，每次旋转后计算以下两个参数：(1)两处较大空缺的高度差De；(2)逐行扫描255像素点的个数，并以行数为自变量计算像素点数梯度最大的点的高度Dh；当De较小、Dh有显著最大值且其对应行的位置较低时，可以认为人脸已经旋转到了正常的角度。同时，记录下此时的旋转角度α。
步骤S105：对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
在具体实施中，在将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度之后，可以将二值化蒙板中所有的像素值为255的像素点的像素值修改为1并与原图像按像素值相乘，并根据矩形列表{L}将截取出所有待识别区域，而后，再根据其对应的旋转角度α将其旋转到正常角度后输入到预先训练好可以进行正常角度人脸识别的卷积神经网络得到最终的识别结果。
上述的方案，通过将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别，在使用有限的计算资源进行人脸识别时提高识别的准确度，实现有限的计算资源与人脸识别准确性之间的平衡。
上述对本发明实施例中的方法进行了详细的描述，下面将对上述的方法对应的装置进行介绍。
图2示出了本发明实施例中的一种多角度人脸识别装置的结构示意图。参见图2，一种多角度人脸识别装置20可以包括预处理单元201、转换单元202、生成单元203、旋转单元204和识别单元205，其中：
所述预处理单元201，适于将采集到的原始图像进行预处理；
所述转换单元202，适于将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；
所述生成单元203，适于从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；在具体实施中，所述生成单元203，适于将像素值大于或等于预设的肤色阈值的像素点作为肤色区域的像素点，将像素值小于所述肤色阈值的像素点作为背景区域的像素点，得到所述肤色区域的二值化蒙板。
所述旋转单元204，适于将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；在本发明一实施例中，所述旋转单元204，适于基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓；基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置；基于所确定的人脸中的眼睛和脖子的位置，将所确定的人脸区域的轮廓以对应的外接矩形的中心点为中心每次按照预设的角度不断旋转，直至所确定的眼睛对应的非肤色区域的高度差处于预设的范围，且脖子所在行的高度较低。
所述识别单元205，适于对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
在本发明一实施例中，所述装置20还可以包括形态学操作单元206，其中：
形态学操作单元206，适于在从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板之后，对所述肤色区域的二值化蒙板进行形态学操作。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述的多角度人脸识别方法的步骤。其中，所述的多角度人脸识别方法请参见前述部分的详细介绍，不再赘述。
本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的多角度人脸识别方法的步骤。其中，所述的多角度人脸识别方法请参见前述部分的详细介绍，不再赘述。
采用本发明实施例中的上述方案，通过将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度；对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别，在使用有限的计算资源进行人脸识别时提高识别的准确度，实现有限的计算资源与人脸识别准确性之间的平衡。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。

Claims (8)

1.一种多角度人脸识别方法，其特征在于，包括：
将采集到的原始图像进行预处理；
将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；
从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度，具体包括：扫描所述二值化蒙板中的像素点，提取所述二值化蒙板中的轮廓；基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓；基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置；基于所确定的人脸中的眼睛和脖子的位置，将所确定的人脸区域的轮廓以对应的外接矩形的中心点为中心每次按照预设的角度不断旋转，直至所确定的眼睛对应的非肤色区域的高度差处于预设的范围，且脖子所在行的高度较低；其中，扫描所述二值化蒙板中的像素点，提取所述二值化蒙板中的轮廓的步骤包括：逐个扫描图像中的像素点，当扫描到一个边界点，即本身像素值为255且周围8个邻像素中有像素值为0的像素点时，便将其加入边界点列表，同时，初始化一个搜索方向d，搜索方向取值为0～7代表周围8个邻像素所在方向，扫描搜索方向的下一个像素点，若其不是边界点则使d＝(d+1)％8并重复，其中，％代表取模运算；若其是边界点则将其加入边界点列表，并设置下一搜索方向为d＝(d+5)％8并重复搜索步骤直到搜索到下一个边界点已经在列表中，这代表该轮廓已经全部提取；之后，令该轮廓边界点中最高、最低、最左和最右的四个点所在的正矩形为该轮廓的外接矩形；
对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
2.根据权利要求1所述的多角度人脸识别方法，其特征在于，所述从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板，包括：将像素值大于或等于预设的肤色阈值的像素点作为肤色区域的像素点，将像素值小于所述肤色阈值的像素点作为背景区域的像素点，得到所述肤色区域的二值化蒙板。
3.根据权利要求1所述的多角度人脸识别方法，其特征在于，在从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板之后，还包括：对所述肤色区域的二值化蒙板进行形态学操作。
4.一种多角度人脸识别装置，其特征在于，包括：
预处理单元，适于将采集到的原始图像进行预处理；
转换单元，适于将预处理后的原始图像进行颜色空间转换，得到YUV空间的图像；
生成单元，适于从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板；
旋转单元，适于将所提取的二值化蒙板中的人脸肤色区域图像旋转至正常角度，具体包括：扫描所述二值化蒙板中的像素点，提取所述二值化蒙板中的轮廓；基于所提取的轮廓的外接矩形，从所提取的轮廓中排除非人脸区域的轮廓；基于所生成的轮廓的形态特征，确定人脸中的眼睛和脖子的位置；基于所确定的人脸中的眼睛和脖子的位置，将所确定的人脸区域的轮廓以对应的外接矩形的中心点为中心每次按照预设的角度不断旋转，直至所确定的眼睛对应的非肤色区域的高度差处于预设的范围，且脖子所在行的高度较低；其中，扫描所述二值化蒙板中的像素点，提取所述二值化蒙板中的轮廓的步骤包括：逐个扫描图像中的像素点，当扫描到一个边界点，即本身像素值为255且周围8个邻像素中有像素值为0的像素点时，便将其加入边界点列表，同时，初始化一个搜索方向d，搜索方向取值为0～7代表周围8个邻像素所在方向，扫描搜索方向的下一个像素点，若其不是边界点则使d＝(d+1)％8并重复，其中，％代表取模运算；若其是边界点则将其加入边界点列表，并设置下一搜索方向为d＝(d+5)％8并重复搜索步骤直到搜索到下一个边界点已经在列表中，这代表该轮廓已经全部提取；之后，令该轮廓边界点中最高、最低、最左和最右的四个点所在的正矩形为该轮廓的外接矩形；
识别单元，适于对经过角度旋转得到的正常角度的人脸肤色区域图像进行识别。
5.根据权利要求4所述的多角度人脸识别装置，其特征在于，所述生成单元，适于将像素值大于或等于预设的肤色阈值的像素点作为肤色区域的像素点，将像素值小于所述肤色阈值的像素点作为背景区域的像素点，得到所述肤色区域的二值化蒙板。
6.根据权利要求4所述的多角度人脸识别装置，其特征在于，还包括：
形态学操作单元，适于在从所述YUV空间的图像中提取肤色区域，形成肤色区域的二值化蒙板之后，
对所述肤色区域的二值化蒙板进行形态学操作。
7.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至3任一项所述的多角度人脸识别方法的步骤。
8.一种终端，其特征在于，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行权利要求1至3任一项所述的多角度人脸识别方法的步骤。
CN201910602713.8A 2019-07-05 2019-07-05 多角度人脸识别方法及装置、存储介质和终端 Active CN110458012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910602713.8A CN110458012B (zh) 2019-07-05 2019-07-05 多角度人脸识别方法及装置、存储介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910602713.8A CN110458012B (zh) 2019-07-05 2019-07-05 多角度人脸识别方法及装置、存储介质和终端

Publications (2)

Publication Number Publication Date
CN110458012A CN110458012A (zh) 2019-11-15
CN110458012B true CN110458012B (zh) 2022-09-20

Family

ID=68482230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910602713.8A Active CN110458012B (zh) 2019-07-05 2019-07-05 多角度人脸识别方法及装置、存储介质和终端

Country Status (1)

Country Link
CN (1) CN110458012B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914632B (zh) * 2020-06-19 2024-01-05 广州杰赛科技股份有限公司 一种人脸识别方法、装置及存储介质
CN113313652A (zh) * 2021-04-27 2021-08-27 中国电子科技集团公司第十四研究所 一种采用形态学去除安检图像杂波的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458434A (zh) * 2009-01-08 2009-06-17 浙江大学 精确测量和预测乒乓球轨迹系统与系统运行方法
CN103223236A (zh) * 2013-04-24 2013-07-31 长安大学 一种乒乓球训练机智能评价系统
CN106853289A (zh) * 2015-12-09 2017-06-16 上海体育学院 基于视频识别的乒乓球发球裁判辅助系统及其检测方法
CN109289187A (zh) * 2017-07-24 2019-02-01 北京英泰智科技股份有限公司 一种乒乓球训练与等级考试系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458434A (zh) * 2009-01-08 2009-06-17 浙江大学 精确测量和预测乒乓球轨迹系统与系统运行方法
CN103223236A (zh) * 2013-04-24 2013-07-31 长安大学 一种乒乓球训练机智能评价系统
CN106853289A (zh) * 2015-12-09 2017-06-16 上海体育学院 基于视频识别的乒乓球发球裁判辅助系统及其检测方法
CN109289187A (zh) * 2017-07-24 2019-02-01 北京英泰智科技股份有限公司 一种乒乓球训练与等级考试系统

Also Published As

Publication number Publication date
CN110458012A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
US8983152B2 (en) Image masks for face-related selection and processing in images
US10491895B2 (en) Fast and robust human skin tone region detection for improved video coding
CN104282002B (zh) 一种数字图像的快速美容方法
JPH0877334A (ja) 顔画像の特徴点自動抽出方法
JP2007272435A (ja) 顔特徴抽出装置及び顔特徴抽出方法
CN109961016B (zh) 面向智能家居场景的多手势精准分割方法
CN110458012B (zh) 多角度人脸识别方法及装置、存储介质和终端
CN108038458B (zh) 基于特征摘要图的视频中的户外场景文本自动获取方法
KR100903816B1 (ko) 정지영상에서의 얼굴추출시스템과 그 방법
CN110599553B (zh) 一种基于YCbCr的肤色提取及检测方法
Arsic et al. Improved lip detection algorithm based on region segmentation and edge detection
CN111414877B (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
KR100439377B1 (ko) 이동 통신 환경에서의 사람 영역 추출방법
CN110930358A (zh) 一种基于自适应算法的太阳能面板图像处理方法
Ma et al. A face detection algorithm based on modified skin-color model
Subban et al. Rule-based face detection in color images using normalized RGB color space—A comparative study
CN115829848A (zh) 处理图形符号的方法、装置和计算机可读存储介质
Parente et al. Assessing facial image accordance to ISO/ICAO requirements
Liang et al. Applying Image Processing Technology to Face Recognition.
CN114913099A (zh) 视频文件处理的方法和系统
CN112488031A (zh) 一种基于颜色分割的安全帽检测方法
Ojo et al. Illumination invariant face detection using hybrid skin segmentation method
Xinjun et al. Lip segmentation algorithm based on bi-color space
Huang et al. Eye detection based on skin color analysis with different poses under varying illumination environment

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