CN110706295A - 人脸检测方法、装置及计算机可读存储介质 - Google Patents
人脸检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110706295A CN110706295A CN201910855341.XA CN201910855341A CN110706295A CN 110706295 A CN110706295 A CN 110706295A CN 201910855341 A CN201910855341 A CN 201910855341A CN 110706295 A CN110706295 A CN 110706295A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- color space
- face detection
- face image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000003062 neural network model Methods 0.000 claims abstract description 10
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 21
- 230000003628 erosive effect Effects 0.000 description 9
- 230000010339 dilation Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸检测方法、装置及计算机可读存储介质,该方法包括步骤:获取待检测的人脸图像;对人脸图像进行颜色空间转换;提取人脸的肤色信息分布范围;根据人脸的肤色信息分布范围将人脸图像转换为区分开人脸区域和背景区域的二值化图像;对二值化图像进行形态学处理而获得人脸图像中的人脸区域图像;将人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出结果。本发明能够对待检测的人脸图像进行色彩平衡,再进行颜色空间转换,然后根据人体肤色特征提取待检测的人脸图像中的人脸区域图像,再输入神经网络模型进行处理并输出结果。从而降低图像的复杂度,加快人脸检测的速度和准确率,提升效率。
Description
技术领域
本发明涉及生物识别技术领域,尤其涉及一种人脸检测方法、装置及计算机可读存储介质。
背景技术
人脸识别是生物特征技术的一项热门的研究领域,与其他生物特征技术相比,人脸识别技术具有非接触性、友好性等优势。人脸识别系统已经在越来越多的场合进行使用,例如移动终端解锁系统、电脑开机登录系统、门禁系统。另外,人脸识别还应用在刑事侦查,监控系统等领域。
现有的人脸检测方法,当输入分辨率大或场景复杂的图像时,由于输入数据复杂、数据量大,检测速度较慢,效率低;另外,现有的人脸检测方法容易出现误检。
发明内容
本发明提供一种人脸检测方法、装置及计算机可读存储介质,能够降低图像的复杂度,加快人脸检测的速度和准确率,提升效率。
为实现上述目的,本发明提供一种人脸检测方法,该方法包括:
获取待检测的人脸图像;
通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间;
根据人体肤色特征提取人脸在所述颜色空间中的肤色信息分布范围;
判断所述人脸图像中的每个像素点在颜色空间中的三个分量值是否均落入所述肤色信息分布范围内;
若所述人脸图像中的像素点在颜色空间中的三个分量值均落入所述肤色信息分布范围内,则将该像素点设置为第一标记;
若所述人脸图像中的像素点的在颜色空间中的三个分量值没有同时落入所述肤色信息分布范围内,则将该像素点设置为第二标记;
将第一标记的所有像素点划分为人脸区域,并将第二标记的所有像素点划分为背景区域,得到一个区分开人脸区域和背景区域的二值化图像;
对所述二值化图像进行形态学处理进行肤色区域分割而获得所述人脸图像中的人脸区域图像;
将所述人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出人脸检测结果。
进一步的,所述通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间的步骤之前还包括如下步骤:对待检测的人脸图像进行色彩平衡处理。
更进一步的,所述对待检测的人脸图像进行色彩平衡处理的步骤具体包括如下步骤:
计算所述待检测的人脸图像的R、G和B这3个分量的均值avgR、avgG和avgB及总的均值avgGray;
根据求得的所述均值avgR、avgG和avgB及总的均值avgGray计算R、G和B各分量的调整系数aR、aG和aB,其中
aR=avgGray/avgR;
aG=avgGray/avgG;
aB=avgGray/avgB;
利用求得的调整系数aR、aG和aB调整所述待检测的人脸图像中每个像素点的R、G和B分量值,即
R=R*aR;
G=G*aG;
B=B*aB;
将调整后的R、G和B分量中分量值大于255的值调整为255。
进一步的,所述亮度跟色度分离的颜色空间为YCbCr颜色空间。
进一步的,所述获得人脸图像中的人脸区域图像的步骤还包括步骤:
对所述二值化图像先进行腐蚀操作,并进行膨胀处理,以突出脸部区域,进而获得所述待检测的人脸图像中的人脸区域图像。
此外,为实现上述目的,本发明还提供一种人脸检测装置,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的人脸检测程序,所述人脸检测程序被所述处理器执行时实现如下步骤:
获取待检测的人脸图像;
通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间;
根据人体肤色特征提取人脸在所述颜色空间中的肤色信息分布范围;
判断所述人脸图像中的每个像素点在颜色空间中的三个分量值是否均落入所述肤色信息分布范围内;
若所述人脸图像中的像素点在颜色空间中的三个分量值均落入所述肤色信息分布范围内,则将该像素点设置为第一标记;
若所述人脸图像中的像素点的在颜色空间中的三个分量值没有同时落入所述肤色信息分布范围内,则将该像素点设置为第二标记;
将第一标记的所有像素点划分为人脸区域,并将第二标记的所有像素点划分为背景区域,得到一个区分开人脸区域和背景区域的二值化图像;
对所述二值化图像进行形态学处理进行肤色区域分割而获得所述人脸图像中的人脸区域图像;
将所述人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出人脸检测结果。
进一步的,所述通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间的步骤之前还包括如下步骤:对待检测的人脸图像进行色彩平衡处理。
更进一步的,所述对待检测的人脸图像进行色彩平衡处理的步骤具体包括如下步骤:
计算所述待检测的人脸图像的R、G和B这3个分量的均值avgR、avgG和avgB及总的均值avgGray;
计算R、G和B各分量的调整系数aR、aG和aB,其中:
aR=avgGray/avgR;
aG=avgGray/avgG;
aB=avgGray/avgB;
利用求得的调整系数aR、aG和aB调整所述待检测的人脸图像中每个像素点的R、G和B分量值,即
R=R*aR;
G=G*aG;
B=B*aB;
将调整后的R、G和B分量中分量值大于255的值调整为255。
进一步的,所述人脸检测加速程序被所述处理器执行时还实现如下步骤:对所述二值化图像先进行腐蚀操作,并进行膨胀处理,以突出脸部区域,进而获得所述待检测的人脸图像中的人脸区域图像。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有人脸检测程序,所述人脸检测程序可被一个或者多个处理器执行,以实现如上所述的人脸检测方法的步骤。
有益效果:
通过使用前期图像处理的方法,先对待检测的人脸图像进行色彩平衡,再进行颜色空间转换,然后根据人体肤色特征提取待检测的人脸图像中的人脸区域图像,再输入神经网络模型进行处理并输出检测结果。从而降低图像处理的复杂度,加快人脸检测的速度和准确率,提升效率。
附图说明
图1为本发明一实施例提供的人脸检测方法的流程示意图;
图2为本发明一实施例提供的人脸检测装置的内部结构示意图;
图3为本发明一实施例提供的人脸检测装置中人脸检测程序的模块示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种人脸检测方法。参照图1所示,为本发明一实施例提供的人脸检测方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,人脸检测方法包括:
S1:获取待检测的人脸图像。
S2:通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间;优选地,为了获得更好的效果,所述亮度和色度分离的颜色空间为YCbCr颜色空间。本实施例优选使用YCbCr颜色空间,并在此颜色空间的基础上提出了一种基于人脸肤色特征、且不受形状、大小等因素影响的人脸图像检测方法。
S3:根据人体肤色特征提取人脸在所述颜色空间中的肤色信息分布范围。
S4:判断所述人脸图像中的每个像素点在颜色空间中的三个分量值是否均落入所述肤色信息分布范围内;
若所述人脸图像中的像素点在颜色空间中的三个分量值均落入所述肤色信息分布范围内,则将该像素点设置为第一标记;
若所述人脸图像中的像素点的在颜色空间中的三个分量值没有同时落入所述肤色信息分布范围内,则将该像素点设置为第二标记;
将第一标记的所有像素点划分为人脸区域,并将第二标记的所有像素点划分为背景区域,得到一个区分开人脸区域和背景区域的二值化图像。
本实施例中,所述第一标记为1,所述第二标记为0,即在所述待检测的人脸图像中的每个像素点的颜色空间信息同时落入上述的肤色信息分布范围内时,将该像素点设置为1,否则,设置为0,以生成一个人脸区域为白色、背景区域为黑色的二值化图像。
具体地,本实施例中,“判断所述待检测的人脸图像中的每个像素点的颜色空间信息是否同时落入上述的肤色信息分布范围内,若是,则将该像素点设置为第一标记,否则,设置为第二标记”具体实施方法为:依次提取所述待检测的人脸图像中的每一个像素点的Y、Cb和Cr三分量的分量值,若三个分量的分量值均落入所提取的人脸的肤色信息分布范围内,则将该像素点的值设置为1,否则设置为0。
S5:对所述二值化图像进行形态学处理进行肤色区域分割而获得所述人脸图像中的人脸区域图像。
形态学是由一组形态学的代数运算子组成的。最基本的形态学算子有:腐蚀(Erosion)、膨胀(Delation)、开(Opening)和闭(Closing)。用这些算子及其组合来进行图像形状和结构的分析及处理,主要包括图像分割、特征提取、边界检测、图像滤波、图像增强和恢复等方面分工作。
S6:将所述人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出人脸检测结果。
所述通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间的步骤之前还包括如下步骤:对待检测的人脸图像进行色彩平衡处理,消除光源颜色变化对所述待检测的人脸图像的影响。
当光源发生变化时,图像的亮度、色度位置和范围都会发生变化,因此要对色彩发生偏移的图像进行色彩平衡,来消除光源颜色变化对人脸区域检测的影响;然后,调整图像的红、绿、蓝3个分量的强度,恢复出图像场景的原始颜色特征。
其具体步骤为:
计算所述待检测的人脸图像的R、G和B这3个分量的均值avgR、avgG和avgB及总的均值avgGray;
其中,R、G和B这3个分量的均值可以采用对图像中每个像素点的R、G和B分量值分别进行统计,然后除以总像素点个数的方法获得,分别用符号avgR、avgG和avgB进行表示;
3个分量的总均值avgGray=(avgR+avgG+avgB)/3
根据求得的所述均值avgR、avgG和avgB及总的均值avgGray计算R、G和B各分量的调整系数aR、aG和aB,其中
aR=avgGray/avgR;
aG=avgGray/avgG;
aB=avgGray/avgB;
利用求得的调整系数aR、aG和aB调整所述待检测的人脸图像中每个像素点的R、G和B分量值,即
R=R*aR;
G=G*aG;
B=B*aB;
将调整后的R、G和B分量中分量值大于255的值调整为255。
在本实施例中,所述获得人脸图像中的人脸区域图像还包括步骤:
对所述二值化图像先进行腐蚀操作,并进行膨胀处理,以突出脸部区域,进而获得所述待检测的人脸图像中的人脸区域图像。
腐蚀运算在数学形态学中作用是消除物体边界点。通过腐蚀运算可以消除一些皮肤检测过程中的错误判定为皮肤点的非皮肤点。
对一个给定的目标图像A和一个结构元素B,将B在图像上移动,在每一个当前位置x,B[x]只有三种可能的状态:
(1)B[x]c A;
(2)B[x]c A;
(3)B[x]n A与B[x]n A均不为空。
第一种情形说明B[x]与A相关性最大;第二种情形说明B[x]与A不相关:而第三种情形说明B[x]与A只是部分相关。因而满足第一种情形的点x全体构成结构元素B与图像A的最大相关点集。我们称这个点集为B对A的腐蚀,引入腐蚀运算符“O",A用B来腐蚀记作AOB。
用集合的方式定义为:
A O B={x I B[x]二A}
该式表明,A用B腐蚀的结果是所有满足将B平移x后,B仍包含在A中的所有点x的集合。
腐蚀可以把小于结构元素的物体去除。通过选取不同大小的结构元素,就可以去除掉不同大小的物体,因此在不同情形下应选取合适的不同大小的结构元素。
膨胀运算在数学形态学中的作用是把周围的点合并到物体中。通过膨胀运算就可以合并一些皮肤检测过程中的错误分割点。
引入膨胀运算符“.;假定图像集合A中的每一个点x用结构元素B来膨胀,记为A.B,它定义为:
A.B={x}[B(x)(1A,}i}}
其中,户表示B的映像,即B关于原点对称的集合。此式也表明用结构元素B对图像集合A进行膨胀运算的过程是:首先对B作关于原点的映射,再将其映像平移x。
在腐蚀和膨胀两个基本运算的基础上,我们可以构造出形态学的运算族,它由上述两个运算的复合和集合操作(并、交、补等)组合成的所有运算构成。其中两个最重要的组合运算是形态学开运算和闭运算。
将膨胀和腐蚀级连结合使用,对于图像A和结构元素B,用A0B表示A对B的开运算,A"B表示A对B的闭运算,可以得到开运算和闭运算的定义:
A0B=(AOB).B
A.B=(A.B)OB(2-15)
因此,开运算A0B可视为对腐蚀图像AOB用膨胀来进行恢复。闭运算A"B可视为对膨胀图像AeB用腐蚀来进行恢复。不过,这种恢复不是信息完全无损的,即它们通常不等于原始图像Ao为保持原始图像A的尺寸不变,只是消除图像中的噪声点,文中选择开运算,即经过腐蚀的图像上用同样的结构元素在进行一次膨胀运算。经形态滤波后的皮肤区域可以表示为:
班(x}Y)=p(x}Y)0B
式中p(x}Y)表示滤波前的皮肤区域,B为结构元素。也就是对p(x}Y)用结构元素B进行腐蚀,在进行一次膨胀。
本发明还提供一种人脸检测装置。参照图2所示,为本发明一实施例提供的人脸检测装置的内部结构示意图。
在本实施例中,人脸检测装置1可以是PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、便携计算机等终端设备。该人脸检测装置1至少包括存储器11、处理器12,通信总线13,以及网络接口14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是人脸检测装置1的内部存储单元,例如该人脸检测装置1的硬盘。存储器11在另一些实施例中也可以是人脸检测装置1的外部存储设备,例如人脸检测装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括人脸检测装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于人脸检测装置1的应用软件及各类数据,例如人脸检测程序01的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行人脸检测程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置1与其他电子设备之间建立通信连接。
可选地,该装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在人脸检测装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及人脸检测程序01的人脸检测装置1,本领域技术人员可以理解的是,图1示出的结构并不构成对人脸检测装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,存储器11中存储有人脸检测程序01;处理器12执行存储器11中存储的人脸检测程序01时实现如上人脸检测的方法步骤。
可选地,在其他实施例中,人脸检测程序01还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述人脸检测程序01在人脸检测装置1中的执行过程。
例如,参照图3所示,为本发明人脸检测装置1一实施例中的人脸检测程序01的程序模块示意图,该实施例中,人脸检测程序01可以被分割为人脸图像获取模块011、颜色空间转换模块012、人脸肤色信息分布范围提取模块013、二值化图像获取模块014、人脸区域图像获得模块015和人脸检测和结果输出模块016,示例性地:
人脸图像获取模块011用于:获取待检测的人脸图像。
颜色空间转换模块012用于:对人脸图像进行颜色空间转换。
人脸肤色信息分布范围提取模块013用于:提取人脸的肤色信息分布范围。
二值化图像获取模块014用于:根据人脸的肤色信息分布范围将人脸图像转换为区分开人脸区域和背景区域的二值化图像。
人脸区域图像获得模块015用于:对二值化图像进行形态学处理而获得人脸图像中的人脸区域图像。
人脸检测和结果输出模块016用于:将人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出结果。
上述人脸区域图像提取获取模块011和人脸检测输出模块、颜色空间转换模块012、人脸肤色信息分布范围提取模块013、二值化图像获取模块014、人脸区域图像获得模块015和人脸检测和结果输出模块016等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有人脸检测程序,所述人脸检测程序可被一个或多个处理器执行,以实现人脸检测方法实施例中如上各步骤的操作。
本发明计算机可读存储介质具体实施方式与上述人脸检测装置和方法各实施例基本相同,在此不作累述。
本发明一种人脸检测方法、装置及计算机可读存储介质,通过使用前期图像处理的方法,先对待检测的人脸图像进行色彩平衡,再进行颜色空间转换,然后根据人体肤色特征提取待检测的人脸图像中的人脸区域图像,再输入神经网络模型进行处理并输出结果。从而降低图像的复杂度,加快人脸检测的速度和准确率,提升效率。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸检测方法,其特征在于,所述方法包括如下步骤:
获取待检测的人脸图像;
通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间;
根据人体肤色特征提取人脸在所述颜色空间中的肤色信息分布范围;
判断所述人脸图像中的每个像素点在颜色空间中的三个分量值是否均落入所述肤色信息分布范围内;
若所述人脸图像中的像素点在颜色空间中的三个分量值均落入所述肤色信息分布范围内,则将该像素点设置为第一标记;
若所述人脸图像中的像素点的在颜色空间中的三个分量值没有同时落入所述肤色信息分布范围内,则将该像素点设置为第二标记;
将第一标记的所有像素点划分为人脸区域,并将第二标记的所有像素点划分为背景区域,得到一个区分开人脸区域和背景区域的二值化图像;
对所述二值化图像进行形态学处理进行肤色区域分割而获得所述人脸图像中的人脸区域图像;
将所述人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出人脸检测结果。
2.如权利要求1所述的人脸检测方法,其特征在于,所述通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间的步骤之前还包括步骤:对待检测的人脸图像进行色彩平衡处理。
3.如权利要求2所述的人脸检测方法,其特征在于,所述对待检测的人脸图像进行色彩平衡处理的步骤具体包括如下步骤:
计算所述待检测的人脸图像的R、G和B这3个分量的均值avgR、avgG和avgB及总的均值avgGray;
根据求得的所述均值avgR、avgG和avgB及总的均值avgGray计算R、G和B各分量的调整系数aR、aG和aB,其中:
aR=avgGray/avgR;
aG=avgGray/avgG;
aB=avgGray/avgB;
利用求得的调整系数aR、aG和aB调整所述待检测的人脸图像中每个像素点的R、G和B分量值,即
R=R*aR;
G=G*aG;
B=B*aB;
将调整后的R、G和B分量中分量值大于255的值调整为255。
4.如权利要求1所述的人脸检测方法,其特征在于,所述亮度跟色度分离的颜色空间为YCbCr颜色空间。
5.如权利要求1所述的人脸检测方法,其特征在于,所述获得人脸图像中的人脸区域图像的步骤还包括步骤:
对所述二值化图像先进行腐蚀操作,并进行膨胀处理,以突出脸部区域,进而获得所述待检测的人脸图像中的人脸区域图像。
6.一种人脸检测装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的人脸检测程序,所述人脸检测程序被所述处理器执行时实现如下步骤:
获取待检测的人脸图像;
通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间;
根据人体肤色特征提取人脸在所述颜色空间中的肤色信息分布范围;
判断所述人脸图像中的每个像素点在颜色空间中的三个分量值是否均落入所述肤色信息分布范围内;
若所述人脸图像中的像素点在颜色空间中的三个分量值均落入所述肤色信息分布范围内,则将该像素点设置为第一标记;
若所述人脸图像中的像素点的在颜色空间中的三个分量值没有同时落入所述肤色信息分布范围内,则将该像素点设置为第二标记;
将第一标记的所有像素点划分为人脸区域,并将第二标记的所有像素点划分为背景区域,得到一个区分开人脸区域和背景区域的二值化图像;
对所述二值化图像进行形态学处理进行肤色区域分割而获得所述人脸图像中的人脸区域图像;
将所述人脸区域图像输入预先训练好的神经网络模型进行人脸检测,并输出人脸检测结果。
7.如权利要求6所述的人脸检测装置,其特征在于,所述通过颜色空间转换将人脸图像转换到亮度跟色度分离的颜色空间的步骤之前还包括步骤:对待检测的人脸图像进行色彩平衡处理。
8.如权利要求7所述的人脸检测装置,其特征在于,所述对待检测的人脸图像进行色彩平衡处理的步骤具体包括如下步骤:
计算所述待检测的人脸图像的R、G和B这3个分量的均值avgR、avgG和avgB及总的均值avgGray;
根据求得的所述均值avgR、avgG和avgB及总的均值avgGray计算R、G和B各分量的调整系数aR、aG和aB,其中:
aR=avgGray/avgR;
aG=avgGray/avgG;
aB=avgGray/avgB;
利用求得的调整系数aR、aG和aB调整所述待检测的人脸图像中每个像素点的R、G和B分量值,即
R=R*aR;
G=G*aG;
B=B*aB;
将调整后的R、G和B分量中分量值大于255的值调整为255。
9.如权利要求6所述的人脸检测装置,其特征在于,所述人脸检测程序被所述处理器执行时还实现如下步骤:对所述二值化图像先进行腐蚀操作,并进行膨胀处理,以突出脸部区域,进而获得所述待检测的人脸图像中的人脸区域图像。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有人脸检测程序,所述人脸检测程序可被一个或者多个处理器执行,以实现如权利要求1-5任一项所述的人脸检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855341.XA CN110706295A (zh) | 2019-09-10 | 2019-09-10 | 人脸检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855341.XA CN110706295A (zh) | 2019-09-10 | 2019-09-10 | 人脸检测方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110706295A true CN110706295A (zh) | 2020-01-17 |
Family
ID=69194463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910855341.XA Pending CN110706295A (zh) | 2019-09-10 | 2019-09-10 | 人脸检测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706295A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325133A (zh) * | 2020-02-17 | 2020-06-23 | 深圳龙安电力科技有限公司 | 一种基于人工智能识别的影像处理系统 |
CN112287765A (zh) * | 2020-09-30 | 2021-01-29 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、装置、设备及可读存储介质 |
CN112712569A (zh) * | 2020-12-25 | 2021-04-27 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
CN113204991A (zh) * | 2021-03-25 | 2021-08-03 | 南京邮电大学 | 一种基于多层预处理的快速人脸检测方法 |
CN113762010A (zh) * | 2020-11-18 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706874A (zh) * | 2009-12-25 | 2010-05-12 | 青岛朗讯科技通讯设备有限公司 | 基于肤色特征的人脸检测方法 |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
-
2019
- 2019-09-10 CN CN201910855341.XA patent/CN110706295A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706874A (zh) * | 2009-12-25 | 2010-05-12 | 青岛朗讯科技通讯设备有限公司 | 基于肤色特征的人脸检测方法 |
CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325133A (zh) * | 2020-02-17 | 2020-06-23 | 深圳龙安电力科技有限公司 | 一种基于人工智能识别的影像处理系统 |
CN111325133B (zh) * | 2020-02-17 | 2023-09-29 | 深圳龙安电力科技有限公司 | 一种基于人工智能识别的影像处理系统 |
CN112287765A (zh) * | 2020-09-30 | 2021-01-29 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、装置、设备及可读存储介质 |
CN113762010A (zh) * | 2020-11-18 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、设备和存储介质 |
CN112712569A (zh) * | 2020-12-25 | 2021-04-27 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
CN112712569B (zh) * | 2020-12-25 | 2023-12-12 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
CN113204991A (zh) * | 2021-03-25 | 2021-08-03 | 南京邮电大学 | 一种基于多层预处理的快速人脸检测方法 |
CN113204991B (zh) * | 2021-03-25 | 2022-07-15 | 南京邮电大学 | 一种基于多层预处理的快速人脸检测方法 |
WO2022198751A1 (zh) * | 2021-03-25 | 2022-09-29 | 南京邮电大学 | 基于多层预处理的快速人脸检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706295A (zh) | 人脸检测方法、装置及计算机可读存储介质 | |
CN110084135B (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
Shen et al. | Improving OCR performance with background image elimination | |
US9384557B2 (en) | Information processing device, image modification method, and computer program product | |
CN110738203B (zh) | 字段结构化输出方法、装置及计算机可读存储介质 | |
CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
CN110717497B (zh) | 图像相似度匹配方法、装置及计算机可读存储介质 | |
CN110879963B (zh) | 一种敏感表情包检测方法、装置与电子设备 | |
US10430457B2 (en) | Image processing apparatus, image processing method, search apparatus, search method, and non-transitory computer-readable storage medium | |
Indra et al. | Indonesian sign language recognition based on shape of hand gesture | |
CN108877030B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
Angulo et al. | Mathematical morphology in color spaces applied to the analysis of cartographic images | |
Youlian et al. | Face detection method using template feature and skin color feature in rgb color space | |
Belhedi et al. | Adaptive scene‐text binarisation on images captured by smartphones | |
US9411825B2 (en) | Computer implemented system for handling text distracters in a visual search | |
JP2010186246A (ja) | 画像処理装置、方法、及び、プログラム | |
EP2919149A2 (en) | Image processing apparatus and image processing method | |
CN110929561B (zh) | 表格文本智能过滤方法、装置及计算机可读存储介质 | |
Nithya et al. | Nail based disease analysis at earlier stage using median filter in image processing | |
US20040037475A1 (en) | Method and apparatus for processing annotated screen capture images by automated selection of image regions | |
CN112464946A (zh) | 一种基于大数据的垃圾图像收集方法及系统 | |
CN113724237A (zh) | 齿痕识别方法、装置、计算机设备及存储介质 | |
KR100927642B1 (ko) | 영상 분할 히스토그램 분석을 이용한 얼굴 윤곽선 검출 방법 | |
KR101481370B1 (ko) | 영상에서 컬러 객체를 검출하는 방법 및 영상에서 컬러 객체를 검출하는 장치 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |