CN110738678A - 脸部细纹检测方法、装置、电子设备及可读存储介质 - Google Patents
脸部细纹检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110738678A CN110738678A CN201910992455.9A CN201910992455A CN110738678A CN 110738678 A CN110738678 A CN 110738678A CN 201910992455 A CN201910992455 A CN 201910992455A CN 110738678 A CN110738678 A CN 110738678A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- fine
- fine grain
- grain
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种脸部细纹检测方法、装置、电子设备及可读存储介质,涉及图像处理领域。本申请通过获取目标人脸在白光照射下的第一人脸图像,及其在偏振光照射下的第二人脸图像,并将该第二人脸图像对齐到第一人脸图像上,接着从第一人脸图像及对齐后的第二人脸图像中提取出与待检测区域对应的白光灰度图及偏振光灰度图,并对白光灰度图进行边缘纹理检测得到待处理灰度图,根据白光灰度图及偏振光灰度图确定非细纹屏蔽掩模,而后采用非细纹屏蔽掩模对待处理灰度图进行非细纹边缘去除,以消除非细纹边缘在细纹检测过程中的误检影响,并通过细纹延伸操作对去除非细纹边缘后的纹理灰度图中断裂的细纹纹理进行修复,从而得到精准度高的脸部细纹。
Description
技术领域
本申请涉及图像处理领域,具体而言,涉及一种脸部细纹检测方法、装置、电子设备及可读存储介质。
背景技术
脸部细纹为人脸上的由于人体肌肤的生理性老化及眼部肌肉的长期收缩上而呈现出来的线形纹理,其粗度相较于皱纹的粗度较细,因此脸部细纹检测的难度远远高于脸部皱纹检测的难度,目前大部分对脸部纹理进行检测的方案都是针对人脸上较为明显的皱纹实现的,无法提取得到精准度高的脸部细纹。
发明内容
有鉴于此,本申请的目的在于提供一种脸部细纹检测方法、装置、电子设备及可读存储介质,其能够利用同一人脸在白光照射下的人脸图像及其在偏振光照射下的人脸图像所表现出的不同纹理特征,并通过运用边缘检测及屏蔽掩模的方式有效消除非细纹边缘在细纹检测过程中的误检影响,通过细纹延伸操作修复断裂的细纹纹理,从而得到精准度高的脸部细纹。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种脸部细纹检测方法,所述方法包括:
获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将所述第二人脸图像对齐到所述第一人脸图像;
从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图;
对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从所述初始纹理灰度图中裁剪出待处理纹理灰度图;
基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用所述非细纹屏蔽掩模对所述待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图;
计算所述白光灰度图的方向场,并基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图;
从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
在可选的实施方式中,所述对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,包括:
构建四个方向不同的二阶方向导数滤波器,并计算每个二阶方向导数滤波器与所述白光灰度图之间的图像卷积,得到四个待叠加灰度图;
针对每个待叠加灰度图,检测该待叠加灰度图中是否存在灰度值为负数的目标像素点,并在存在时将所述目标像素点的灰度值调整为零;
将完成灰度值调整操作的四个待叠加灰度图进行图像叠加,得到对应的初始纹理灰度图。
在可选的实施方式中,所述待检测区域包括额头区域及眼周区域,所述非细纹屏蔽掩模包括头发屏蔽掩模、第一眉睫屏蔽掩模、第二眉睫屏蔽掩模及汗毛屏蔽掩模,所述基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,包括:
在所述白光灰度图中针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的白光纹理灰度图中裁剪出灰度值位于第一眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述第一眉睫屏蔽掩模;
在所述偏振光灰度图中针对汗毛进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于汗毛灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述汗毛屏蔽掩模;
在所述偏振光灰度图的与眼周区域对应的图像区域内针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于第二眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述第二眉睫屏蔽掩模;
在所述白光灰度图的与额头区域对应的图像区域内,裁剪出灰度值位于头发灰度值范围内的边缘纹理灰度图,并对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述头发屏蔽掩模。
在可选的实施方式中,所述基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图,包括:
将所述白光灰度图的方向场变换为与该白光灰度图对应的角度场,并计算与所述角度场对应的角度掩模;
根据所述角度掩模去除所述初始细纹灰度图内与所述角度掩模不匹配的细纹纹理,得到待延伸细纹灰度图;
按照所述方向场对所述待延伸细纹灰度图进行方向平滑处理,得到待优化细纹灰度图;
从所述待优化细纹灰度图中裁剪出灰度值大于预设优化灰度阈值的细纹灰度图,并对所述细纹灰度图进行二值化处理,得到所述细纹优化灰度图。
在可选的实施方式中,所述计算与所述角度场对应的角度掩模,包括:
将所述白光灰度图的角度场划分为多个角度区域;
针对每个角度区域,从该角度区域中裁剪出角度值位于与该角度区域对应的预设角度值范围内的角度场参数;
对裁剪出的所有角度区域各自对应的角度场参数进行二值化处理,得到所述角度掩模。
在可选的实施方式中,所述从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,包括:
采用骨架提取算法对所述细纹优化灰度图进行骨架提取,得到细纹骨架灰度图;
针对所述细纹骨架灰度图中的每个像素点,确定该像素点的八连通分量,并计算该像素点所对应的每个连通分量的细纹长度、细纹宽高比、细纹面积及细纹最小外接矩形相对于水平方向的旋转角度;
从该像素点所对应的八连通分量中,筛选出细纹长度位于预设长度范围内、细纹宽高比位于预设宽高比范围内、细纹面积位于预设面积范围内且旋转角度位于预设角度范围内的连通分量,以确定出所述细纹优化灰度图中符合细纹特征的像素点。
在可选的实施方式中,所述从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图,包括:
对所述第一人脸图像进行人脸特征点检测,得到所述第一人脸图像中与待检测区域对应的人脸特征点;
根据与所述待检测区域对应的人脸特征点,确定出所述待检测区域在所述第一人脸图像中对应的区域框;
分别从所述第一人脸图像及对齐后的所述第二人脸图像中,截取出位置及尺寸均与所述区域框匹配的图像内容;
对截取出的两个图像内容进行灰度化处理,得到与待检测区域对应的白光灰度图及偏振光灰度图。
第二方面,本申请实施例提供一种脸部细纹检测装置,所述装置包括:
人脸图像获取模块,用于获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将所述第二人脸图像对齐到所述第一人脸图像;
区域灰度提取模块,用于从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图;
边缘检测裁剪模块,用于对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从所述初始纹理灰度图中裁剪出待处理纹理灰度图;
非细纹边缘去除模块,用于基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用所述非细纹屏蔽掩模对所述待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图;
细纹延伸优化模块,用于计算所述白光灰度图的方向场,并基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图;
细纹图像生成模块,用于从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式中任意一项所述的脸部细纹检测方法。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现前述实施方式中任一项所述的脸部细纹检测方法。
相对于背景技术而言,本申请具有以下有益效果:
本申请通过获取目标人脸在对皮肤纹理及毛发敏感的白光照射下的第一人脸图像,及该目标人脸在对皮肤纹理不敏感的偏振光照射下的第二人脸图像,并将该第二人脸图像对齐到第一人脸图像上,接着从第一人脸图像及对齐后的第二人脸图像中提取出与待检测区域对应的白光灰度图及偏振光灰度图,并对白光灰度图进行边缘纹理检测,根据白光灰度图及偏振光灰度图确定非细纹屏蔽掩模,而后采用非细纹屏蔽掩模对经边缘纹理检测得到的待处理灰度图进行非细纹边缘去除,以消除非细纹边缘在细纹检测过程中的误检影响,并通过细纹延伸操作对去除非细纹边缘后的纹理灰度图中断裂的细纹纹理进行修复,从而得到精准度高的脸部细纹。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的结构方框示意图;
图2为本申请实施例提供的脸部细纹检测方法的流程示意图;
图3为图2中步骤S220包括的子步骤的流程示意图;
图4为图2中步骤S230包括的子步骤的流程示意图;
图5为图2中步骤S240包括的子步骤的流程示意图;
图6为图2中的步骤S250包括的子步骤的流程示意图;
图7为图2中的步骤S260包括的子步骤的流程示意图;
图8为本申请实施例提供的脸部细纹检测装置的功能模块示意图。
图标:10-电子设备;11-存储器;12-处理器;13-通信单元;100-脸部细纹检测装置;110-人脸图像获取模块;120-区域灰度提取模块;130-边缘检测裁剪模块;140-非细纹边缘去除模块;150-细纹延伸优化模块;160-细纹图像生成模块。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、方法、物品或者设备不仅包括那些要素,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、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1是本申请实施例提供的电子设备10的结构方框示意图。在本申请实施例中,所述电子设备10可通过利用同一人脸在白光照射下的人脸图像及其在偏振光照射下的人脸图像所表现出的不同纹理特征,并通过运用边缘检测及屏蔽掩模的方式有效消除非细纹边缘在细纹检测过程中的误检影响,通过细纹延伸操作修复断裂的细纹纹理,从而得到精准度高的脸部细纹。其中,所述电子设备10可以是,但不限于,智能手机、平板电脑及智能手表等。
在本实施例中,所述电子设备10包括脸部细纹检测装置100、存储器11、处理器12及通信单元13。所述存储器11、所述处理器12及所述通信单元13各个元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,所述存储器11、所述处理器12及所述通信单元13这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本实施例中,所述存储器11可用于存储程序,所述处理器12在接收到执行指令后,可相应地执行所述程序。其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
在本实施例中,所述处理器12可以是一种具有信号的处理能力的集成电路芯片。所述处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)及网络处理器(Network Processor,NP)等。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,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本实施例中,所述通信单元13用于通过网络建立所述电子设备10与其他终端设备之间的通信连接,并用于通过所述网络收发数据。例如,所述电子设备10通过所述通信单元13从其他终端设备处获取目标人脸在白光照射下的人脸图像及所述目标人脸在偏振光照射下的人脸图像。
在本实施例中,所述脸部细纹检测装置100包括至少一个能够以软件或固件的形式存储于所述存储器11中或固化在所述电子设备10的操作系统中的软件功能模块。所述处理器12可用于执行所述存储器11存储的可执行模块,例如所述脸部细纹检测装置100所包括软件功能模块及计算机程序等。所述电子设备10通过所述脸部细纹检测装置100针对目标人脸进行高精准度的脸部细纹检测操作。
可以理解的是,图1所示的方框示意图仅为电子设备10的一种结构组成示意图,所述电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在本申请中,为确保上述电子设备10能够基于目标人脸在对皮肤纹理及毛发敏感的白光照射下的人脸图像,及所述目标人脸在对皮肤纹理不敏感的偏振光照射下的人脸图像,确定出高精准度的与该目标人脸对应的脸部细纹,本申请通过提供应用于上述电子设备10的脸部细纹检测方法的方式实现上述功能。下面对本申请提供的脸部细纹检测方法进行相应描述。
请参照图2,图2是本申请实施例提供的脸部细纹检测方法的流程示意图。在本申请实施例中,所述脸部细纹检测方法的具体流程和步骤如下文所示。
步骤S210,获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将第二人脸图像对齐到第一人脸图像上。
在本实施例中,安装有白光光源、偏振光光源及摄像头的电气设备可通过打开白光光源,控制摄像头对处于白光光源照射下的目标人脸进行图像拍摄,得到第一人脸图像,而后在短时间内关闭白光光源并打开偏振光光源,控制摄像头对处于偏振光光源照射下的目标人脸进行图像拍摄,得到第二人脸图像。其中,所述电气设备可以直接是还包括有白光光源、偏振光光源及摄像头的上述电子设备10,也可以是单独的与所述电子设备10通信连接的终端设备,所述电子设备10通过网络从该终端设备处获取该目标人脸的第一人脸图像及第二人脸图像。
当所述电子设备10获取到目标人脸的第一人脸图像及第二人脸图像时,所述电子设备10可通过采用光流检测算法(例如,Lucas-Kanade算法及DIS算法等)计算出所述第一人脸图像与所述第二人脸图像之间的特征光流图,并按照得到的所述特征光流图将所述第二人脸图像对齐到所述第一人脸图像上,得到对齐后的第二人脸图像。其中,光流检测算法通过利用图像序列中像素的强度数据的时域变化和相关性来确定各像素位置之间的运动状况。
步骤S220,从第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的第二人脸图像中提取出与待检测区域对应的偏振光灰度图。
在本实施例中,所述待检测区域为人脸上需要进行脸部细纹检测的脸部区域,所述待检测区域包括额头区域及眼周区域,其中所述眼周区域包括左眼眼周区域及右眼眼周区域。
可选地,请参照图3,图3是图2中步骤S220包括的子步骤的流程示意图。在本申请实施例中,为确保所述电子设备10能够准确提取出与待检测区域对应的白光灰度图及偏振光灰度图,所述步骤S220可以包括子步骤S221~子步骤S224。
子步骤S221,对第一人脸图像进行人脸特征点检测,得到第一人脸图像中与待检测区域对应的人脸特征点。
在本实施例中,所述电子设备10通过对所述第一人脸图像进行人脸特征点检测,得到所述第一人脸图像中各个脸部区域对应的人脸特征点,而后从得到的所有人脸特征点中筛选出与额头、左眼、右眼各自对应的人脸特征点,得到与待检测区域对应的人脸特征点。
子步骤S222,根据与待检测区域对应的人脸特征点,确定出待检测区域在第一人脸图像中对应的区域框。
在本实施例中,所述电子设备10可通过从与待检测区域对应的人脸特征点中,选取额头、左眼及右眼三个部位各自对应的位于上、下、左、右方向的特征点,从而确定出额头、左眼及右眼三个部位各自对应的矩形边界,得到相应的区域框。
子步骤S223,分别从第一人脸图像及对齐后的第二人脸图像中,截取出位置及尺寸均与区域框匹配的图像内容。
在本实施例中,所述电子设备10可采用图像内容截图的方式,从所述第一人脸图像中截取与待检测区域对应的图像内容,并从对齐后的所述第二人脸图像中截取与待检测区域对应的图像内容。
子步骤S224,对截取出的两个图像内容进行灰度化处理,得到与待检测区域对应的白光灰度图及偏振光灰度图。
在本实施例中,所述电子设备10可通过将得到的每个图像内容由RGB(Red-Green-Blue,红-绿-蓝)颜色空间变换到HSV(Hue-Saturation-Value,色相-饱和度-明度)空间中,并提取出每个图像内容在HSV空间中的V分量,得到与待检测区域对应的白光灰度图及偏振光灰度图。
步骤S230,对白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从初始纹理灰度图中裁剪出待处理纹理灰度图。
在本实施例中,所述电子设备10可通过纹理边缘检测的方式确定出所述白光灰度图的纹理分布情况,得到初始纹理灰度图。
可选地,请参照图4,图4是图2中步骤S230包括的子步骤的流程示意图。在本申请实施例中,为确保所述电子设备10可从所述白光灰度图中确定出高精准度的纹理分布情况,所述步骤S230中的对白光灰度图进行纹理边缘检测,得到初始纹理灰度图的步骤可以包括子步骤S231~子步骤S233。
子步骤S231,构建四个方向不同的二阶方向导数滤波器,并计算每个二阶方向导数滤波器与白光灰度图之间的图像卷积,得到四个待叠加灰度图。
在本实施例中,所述二阶方向导数滤波器用于滤除图像中非纹理边缘的内容,四个方向不同的二阶方向导数滤波器可由所述电子设备10基于四元数傅里叶变换构建得到,四个二阶方向导数滤波器可用如下公式进行表示。
F1=SODD(α=0,β=90)
F2=SODD(α=90,β=0)
F3=SODD(α=45,β=45)
F4=SODD(α=135,β=45)
其中,F1、F2、F3及F4分别用于表示一个二阶方向导数滤波器,SODD函数用于表示二阶方向导数,α与β分别用于表示对应滤波器的边界角度值。
子步骤S232,针对每个待叠加灰度图,检测该待叠加灰度图中是否存在灰度值为负数的目标像素点,并在存在时将目标像素点的灰度值调整为零。
子步骤S233,将完成灰度值调整操作的四个待叠加灰度图进行图像叠加,得到对应的初始纹理灰度图。
在本实施例中,当所述电子设备10在所述白光灰度图的基础上,得到初始纹理灰度图时,所述电子设备10可按照预设的待处理灰度值范围,从所述初始纹理灰度图中提取出灰度值位于所述待处理灰度值范围内的图像内容,并基于提取出的图像内容得到待处理纹理灰度图。其中,所述待处理灰度值范围用于表示细纹边缘在图像中进行表达时的灰度值范围。
步骤S240,基于白光灰度图及偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用非细纹屏蔽掩模对待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图。
在本实施例中,所述电子设备10可根据所述白光灰度图与所述偏振光灰度图各自表现出的与待检测区域对应的纹理分布状况,确定出额头区域及眼周区域针对不同光源的非细纹屏蔽掩模,其中所述非细纹屏蔽掩模包括头发屏蔽掩模、第一眉睫屏蔽掩模、第二眉睫屏蔽掩模及汗毛屏蔽掩模。
可选地,请参照图5,图5是图2中步骤S240包括的子步骤的流程示意图。在本申请实施例中,为确保所述电子设备10能够确定出与所述待检测区域对应的非细纹屏蔽掩模,以基于得到的非细纹屏蔽掩模消除非细纹边缘在细纹检测过程中的误检影响,所述步骤S240中的基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模的步骤可以包括子步骤S241~子步骤S244。
子步骤S241,在白光灰度图中针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的白光纹理灰度图中裁剪出灰度值位于第一眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到第一眉睫屏蔽掩模。
在本实施例中,所述电子设备10可通过构建用于滤除眉毛、睫毛、阴影及斑点的第一高斯滤波器方差,并基于所述第一高斯滤波器方差对白光灰度图进行高斯滤波,得到与第一眉睫屏蔽掩模对应的白光纹理灰度图。所述第一眉睫灰度值范围用于表示眉毛、睫毛、阴影及斑点在白光灰度图中进行表达时的灰度值范围。其中,与第一眉睫屏蔽掩模对应的白光纹理灰度图可按照如下式子求得:
DoG1=G(Rn,σ1)-Rn
其中,DoG1用于表示与第一眉睫屏蔽掩模对应的白光纹理灰度图,G函数用于表示高斯滤波操作,Rn用于表示白光纹理灰度图,σ1用于表示第一高斯滤波器方差。
子步骤S242,在偏振光灰度图中针对汗毛进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于汗毛灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到汗毛屏蔽掩模。
在本实施例中,所述电子设备10可通过构建用于滤除汗毛的第二高斯滤波器方差,并基于所述第二高斯滤波器方差对偏振光灰度图进行高斯滤波,得到与汗毛屏蔽掩模对应的偏振光纹理灰度图。所述汗毛灰度值范围用于表示汗毛在偏振光灰度图中进行表达时的灰度值范围。其中,与汗毛屏蔽掩模对应的偏振光纹理灰度图可按照如下式子求得:
DoG2=G(Rq,σ2)-Rq
其中,DoG2用于表示与汗毛屏蔽掩模对应的偏振光纹理灰度图,G函数用于表示高斯滤波操作,Rq用于表示偏振光纹理灰度图,σ2用于表示第二高斯滤波器方差。
子步骤S243,在偏振光灰度图的与眼周区域对应的图像区域内针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于第二眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到第二眉睫屏蔽掩模。
在本实施例中,所述电子设备10可通过构建用于滤除眉毛、睫毛、阴影及斑点的第三高斯滤波器方差,并基于所述第三高斯滤波器方差对偏振光灰度图进行高斯滤波,得到与第二眉睫屏蔽掩模对应的偏振光纹理灰度图。所述第二眉睫灰度值范围用于表示眉毛、睫毛、阴影及斑点在偏振光灰度图中进行表达时的灰度值范围。其中,与第二眉睫屏蔽掩模对应的偏振光纹理灰度图可按照如下式子求得:
DoG3=G(Rq,σ3)-Rq
其中,DoG3用于表示与第二眉睫屏蔽掩模对应的偏振光纹理灰度图,G函数用于表示高斯滤波操作,Rq用于表示偏振光纹理灰度图,σ3用于表示第三高斯滤波器方差。
子步骤S244,在白光灰度图的与额头区域对应的图像区域内,裁剪出灰度值位于头发灰度值范围内的边缘纹理灰度图,并对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到头发屏蔽掩模。
在本实施例中,所述头发灰度值范围用于表示头发在白光灰度图中进行表达时的灰度值范围。
在本实施例中,所述电子设备10在确定出与所述待检测区域对应的头发屏蔽掩模、第一眉睫屏蔽掩模、第二眉睫屏蔽掩模及汗毛屏蔽掩模后,可采用如下式子对待处理纹理灰度图进行非细纹边缘去除处理:
E″n=E′n·(1-M1)·(1-M2)·(1-M3)
其中,E”n用于表示初始细纹灰度图,E’n用于表示待处理纹理灰度图,M1用于表示第一眉睫屏蔽掩模,M2用于表示汗毛屏蔽掩模,M3用于表示头发屏蔽掩模或第二眉睫屏蔽掩模。针对所述待处理纹理灰度图中与眼周区域对应的纹理内容,M3用于表示第二眉睫屏蔽掩模;针对所述待处理纹理灰度图中与额头区域对应的纹理内容,M3用于表示头发屏蔽掩模。
请再次参照图2,步骤S250,计算白光灰度图的方向场,并基于该方向场对初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图。
在本实施例中,所述电子设备10可通过采用结构张量算法计算出所述白光灰度图的结构张量,并对计算出的结构张量进行特征分解,得到所述白光灰度图的方向场。而后,所述电子设备10根据得到的所述方向场对所述初始细纹灰度图进行处理,得到相应的细纹优化灰度图。
可选地,请参照图6,图6是图2中的步骤S250包括的子步骤的流程示意图。在本申请实施例中,为确保所述电子设备10能够对所述初始细纹灰度图进行处理,得到完成对断裂的细纹纹理的修复操作的细纹优化灰度图,所述步骤S250中的基于该方向场对初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图的步骤可以包括子步骤S251~子步骤S254。
子步骤S251,将白光灰度图的方向场变换为与该白光灰度图对应的角度场,并计算与角度场对应的角度掩模。
在本实施例中,所述电子设备10在将所述白光灰度图的方向场变换为角度场后,计算与角度场对应的角度掩模的步骤可以包括:
将白光灰度图的角度场划分为多个角度区域;
针对每个角度区域,从该角度区域中裁剪出角度值位于与该角度区域对应的预设角度值范围内的角度场参数;
对裁剪出的所有角度区域各自对应的角度场参数进行二值化处理,得到所述角度掩模。
其中,不同角度区域所对应的预设角度值范围可以相同,也可以不同。所述角度掩模由各角度区域对应的角度场参数经二值化处理后组合得到。
子步骤S252,根据角度掩模去除初始细纹灰度图内与角度掩模不匹配的细纹纹理,得到待延伸细纹灰度图。
在本实施例中,所述电子设备10可通过将所述角度掩模与所述初始细纹灰度图进行矩阵元素按位相乘,去除该初始细纹灰度图内与角度掩模不匹配的细纹纹理,得到所述待延伸细纹灰度图。
子步骤S253,按照方向场对待延伸细纹灰度图进行方向平滑处理,得到待优化细纹灰度图。
在本实施例中,所述电子设备10可通过筛选出所述延伸细纹灰度图中的灰度值不为零的像素点,并按照所述方向场中与该像素点对应的正方向及负方向分别进行预设次数的方向平滑处理,得到图像数目为所述预设次数的两倍的灰度图像。而后,所述电子设备10通过确定每张灰度图像所对应的权重数值及所述待延伸细纹灰度图对应的权重,对具有权重的上述图像进行加权平均计算,得到相应的待优化细纹灰度图。
子步骤S254,从待优化细纹灰度图中裁剪出灰度值大于预设优化灰度阈值的细纹灰度图,并对该细纹灰度图进行二值化处理,得到细纹优化灰度图。
在本实施例中,所述预设优化灰度阈值用于表示所述待优化细纹灰度图中亮度明显的细纹的最小灰度值,所述电子设备10基于所述预设优化灰度阈值在所述待优化细纹灰度图的基础上,生成对应的细纹优化灰度图。
步骤S260,从细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
可选地,请参照图7,图7是图2中的步骤S260包括的子步骤的流程示意图。在本实施例中,所述步骤S260中的从细纹优化灰度图中筛选出所有符合细纹特征的像素点的步骤可以包括子步骤S261~子步骤S262。
子步骤S261,采用骨架提取算法对细纹优化灰度图进行骨架提取,得到细纹骨架灰度图。
子步骤S262,针对细纹骨架灰度图中的每个像素点,确定该像素点的八连通分量,并计算该像素点所对应的每个连通分量的细纹长度、细纹宽高比、细纹面积及细纹最小外接矩形相对于水平方向的旋转角度。
子步骤S263,从该像素点所对应的八连通分量中,筛选出细纹长度位于预设长度范围内、细纹宽高比位于预设宽高比范围内、细纹面积位于预设面积范围内且旋转角度位于预设角度范围内的连通分量,以确定出细纹优化灰度图中符合细纹特征的像素点。
在本实施例中,当所述电子设备10从所述细纹优化灰度图中筛选出符合细纹特征的像素点时,所述电子设备10可对筛选出的像素点组合生成高精准度的用于表示目标人脸的脸部细纹分布状况的脸部细纹图像。
在本申请中,为确保所述电子设备10所包括的脸部细纹检测装置100能够正常实施,本申请通过对脸部细纹检测装置100进行功能模块划分的方式实现其功能。下面对本申请提供的脸部细纹检测装置100的具体组成进行相应描述。
可选地,请参照图8,图8是本申请实施例提供的脸部细纹检测装置100的功能模块示意图。在本申请实施例中,所述脸部细纹检测装置100包括人脸图像获取模块110、区域灰度提取模块120、边缘检测裁剪模块130、非细纹边缘去除模块140、细纹延伸优化模块150及细纹图像生成模块160。
所述人脸图像获取模块110,用于获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将第二人脸图像对齐到第一人脸图像上。
所述区域灰度提取模块120,用于从第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的第二人脸图像中提取出与待检测区域对应的偏振光灰度图。
所述边缘检测裁剪模块130,用于对白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从初始纹理灰度图中裁剪出待处理纹理灰度图。
所述非细纹边缘去除模块140,用于基于白光灰度图及偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用非细纹屏蔽掩模对待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图。
所述细纹延伸优化模块150,用于计算白光灰度图的方向场,并基于该方向场对初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图。
所述细纹图像生成模块160,用于从细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
需要说明的是,本申请实施例所提供的脸部细纹检测装置100,其基本原理及产生的技术效果与前述的脸部细纹检测方法相同,为简要描述,本实施例部分未提及之处可参考上述的针对脸部细纹检测方法的相应描述内容。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个可读存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,在本申请提供的脸部细纹检测方法、装置、电子设备及可读存储介质中,本申请通过获取目标人脸在对皮肤纹理及毛发敏感的白光照射下的第一人脸图像,及该目标人脸在对皮肤纹理不敏感的偏振光照射下的第二人脸图像,并将该第二人脸图像对齐到第一人脸图像上,接着从第一人脸图像及对齐后的第二人脸图像中提取出与待检测区域对应的白光灰度图及偏振光灰度图,并对白光灰度图进行边缘纹理检测,根据白光灰度图及偏振光灰度图确定非细纹屏蔽掩模,而后采用非细纹屏蔽掩模对经边缘纹理检测得到的待处理灰度图进行非细纹边缘去除,以消除非细纹边缘在细纹检测过程中的误检影响,并通过细纹延伸操作对去除非细纹边缘后的纹理灰度图中断裂的细纹纹理进行修复,从而得到精准度高的脸部细纹。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种脸部细纹检测方法,其特征在于,所述方法包括:
获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将所述第二人脸图像对齐到所述第一人脸图像上;
从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图;
对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从所述初始纹理灰度图中裁剪出待处理纹理灰度图;
基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用所述非细纹屏蔽掩模对所述待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图;
计算所述白光灰度图的方向场,并基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图;
从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,包括:
构建四个方向不同的二阶方向导数滤波器,并计算每个二阶方向导数滤波器与所述白光灰度图之间的图像卷积,得到四个待叠加灰度图;
针对每个待叠加灰度图,检测该待叠加灰度图中是否存在灰度值为负数的目标像素点,并在存在时将所述目标像素点的灰度值调整为零;
将完成灰度值调整操作的四个待叠加灰度图进行图像叠加,得到对应的初始纹理灰度图。
3.根据权利要求1所述的方法,其特征在于,所述待检测区域包括额头区域及眼周区域,所述非细纹屏蔽掩模包括头发屏蔽掩模、第一眉睫屏蔽掩模、第二眉睫屏蔽掩模及汗毛屏蔽掩模,所述基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,包括:
在所述白光灰度图中针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的白光纹理灰度图中裁剪出灰度值位于第一眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述第一眉睫屏蔽掩模;
在所述偏振光灰度图中针对汗毛进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于汗毛灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述汗毛屏蔽掩模;
在所述偏振光灰度图的与眼周区域对应的图像区域内针对眉毛、睫毛、阴影及斑点进行高斯差分边缘检测,并从检测得到的偏振光纹理灰度图中裁剪出灰度值位于第二眉睫灰度值范围内的边缘纹理灰度图,并且对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述第二眉睫屏蔽掩模;
在所述白光灰度图的与额头区域对应的图像区域内,裁剪出灰度值位于头发灰度值范围内的边缘纹理灰度图,并对该边缘纹理灰度图进行图像二值化处理及图像膨胀处理,得到所述头发屏蔽掩模。
4.根据权利要求1所述的方法,其特征在于,所述基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图,包括:
将所述白光灰度图的方向场变换为与该白光灰度图对应的角度场,并计算与所述角度场对应的角度掩模;
根据所述角度掩模去除所述初始细纹灰度图内与所述角度掩模不匹配的细纹纹理,得到待延伸细纹灰度图;
按照所述方向场对所述待延伸细纹灰度图进行方向平滑处理,得到待优化细纹灰度图;
从所述待优化细纹灰度图中裁剪出灰度值大于预设优化灰度阈值的细纹灰度图,并对该细纹灰度图进行二值化处理,得到所述细纹优化灰度图。
5.根据权利要求4所述的方法,其特征在于,所述计算与所述角度场对应的角度掩模,包括:
将所述白光灰度图的角度场划分为多个角度区域;
针对每个角度区域,从该角度区域中裁剪出角度值位于与该角度区域对应的预设角度值范围内的角度场参数;
对裁剪出的所有角度区域各自对应的角度场参数进行二值化处理,得到所述角度掩模。
6.根据权利要求1所述的方法,其特征在于,所述从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,包括:
采用骨架提取算法对所述细纹优化灰度图进行骨架提取,得到细纹骨架灰度图;
针对所述细纹骨架灰度图中的每个像素点,确定该像素点的八连通分量,并计算该像素点所对应的每个连通分量的细纹长度、细纹宽高比、细纹面积及细纹最小外接矩形相对于水平方向的旋转角度;
从该像素点所对应的八连通分量中,筛选出细纹长度位于预设长度范围内、细纹宽高比位于预设宽高比范围内、细纹面积位于预设面积范围内且旋转角度位于预设角度范围内的连通分量,以确定出所述细纹优化灰度图中符合细纹特征的像素点。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,所述从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图,包括:
对所述第一人脸图像进行人脸特征点检测,得到所述第一人脸图像中与待检测区域对应的人脸特征点;
根据与所述待检测区域对应的人脸特征点,确定出所述待检测区域在所述第一人脸图像中对应的区域框;
分别从所述第一人脸图像及对齐后的所述第二人脸图像中,截取出位置及尺寸均与所述区域框匹配的图像内容;
对截取出的两个图像内容进行灰度化处理,得到与待检测区域对应的白光灰度图及偏振光灰度图。
8.一种脸部细纹检测装置,其特征在于,所述装置包括:
人脸图像获取模块,用于获取目标人脸在白光照射下的第一人脸图像及其在偏振光照射下的第二人脸图像,并将所述第二人脸图像对齐到所述第一人脸图像上;
区域灰度提取模块,用于从所述第一人脸图像中提取出与待检测区域对应的白光灰度图,并从对齐后的所述第二人脸图像中提取出与所述待检测区域对应的偏振光灰度图;
边缘检测裁剪模块,用于对所述白光灰度图进行纹理边缘检测,得到初始纹理灰度图,并从所述初始纹理灰度图中裁剪出待处理纹理灰度图;
非细纹边缘去除模块,用于基于所述白光灰度图及所述偏振光灰度图确定出用于屏蔽非细纹边缘的非细纹屏蔽掩模,并采用所述非细纹屏蔽掩模对所述待处理纹理灰度图进行非细纹边缘去除处理,得到初始细纹灰度图;
细纹延伸优化模块,用于计算所述白光灰度图的方向场,并基于该方向场对所述初始细纹灰度图进行细纹延伸处理,得到细纹优化灰度图;
细纹图像生成模块,用于从所述细纹优化灰度图中筛选出所有符合细纹特征的像素点,并基于筛选出的像素点组合得到对应的脸部细纹图像。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-7中任意一项所述的脸部细纹检测方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1-7中任一项所述的脸部细纹检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910992455.9A CN110738678B (zh) | 2019-10-18 | 2019-10-18 | 脸部细纹检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910992455.9A CN110738678B (zh) | 2019-10-18 | 2019-10-18 | 脸部细纹检测方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738678A true CN110738678A (zh) | 2020-01-31 |
CN110738678B CN110738678B (zh) | 2022-05-31 |
Family
ID=69269269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910992455.9A Active CN110738678B (zh) | 2019-10-18 | 2019-10-18 | 脸部细纹检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738678B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001285A (zh) * | 2020-08-14 | 2020-11-27 | 深圳世间乐见科技有限公司 | 一种美颜图像的处理方法、装置、终端和介质 |
CN113393402A (zh) * | 2021-06-25 | 2021-09-14 | 广东工业大学 | 一种基于张量环分解恢复图像背景的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103827916A (zh) * | 2011-09-22 | 2014-05-28 | 富士胶片株式会社 | 皱纹检测方法、皱纹检测装置和皱纹检测程序以及皱纹评估方法、皱纹评估装置和皱纹评估程序 |
CN105310690A (zh) * | 2014-06-09 | 2016-02-10 | 松下知识产权经营株式会社 | 皱纹检测装置和皱纹检测方法 |
CN108281196A (zh) * | 2018-01-23 | 2018-07-13 | 广州莱德璞检测技术有限公司 | 基于云端的皮肤检测方法、装置、计算机设备和存储介质 |
CN108932493A (zh) * | 2018-06-29 | 2018-12-04 | 东北大学 | 一种面部皮肤质量评价方法 |
CN110110637A (zh) * | 2019-04-25 | 2019-08-09 | 深圳市华嘉生物智能科技有限公司 | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 |
CN110287930A (zh) * | 2019-07-01 | 2019-09-27 | 厦门美图之家科技有限公司 | 皱纹分类模型训练方法及装置 |
-
2019
- 2019-10-18 CN CN201910992455.9A patent/CN110738678B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103827916A (zh) * | 2011-09-22 | 2014-05-28 | 富士胶片株式会社 | 皱纹检测方法、皱纹检测装置和皱纹检测程序以及皱纹评估方法、皱纹评估装置和皱纹评估程序 |
CN105310690A (zh) * | 2014-06-09 | 2016-02-10 | 松下知识产权经营株式会社 | 皱纹检测装置和皱纹检测方法 |
CN108281196A (zh) * | 2018-01-23 | 2018-07-13 | 广州莱德璞检测技术有限公司 | 基于云端的皮肤检测方法、装置、计算机设备和存储介质 |
CN108932493A (zh) * | 2018-06-29 | 2018-12-04 | 东北大学 | 一种面部皮肤质量评价方法 |
CN110110637A (zh) * | 2019-04-25 | 2019-08-09 | 深圳市华嘉生物智能科技有限公司 | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 |
CN110287930A (zh) * | 2019-07-01 | 2019-09-27 | 厦门美图之家科技有限公司 | 皱纹分类模型训练方法及装置 |
Non-Patent Citations (1)
Title |
---|
NAZRE BATOOL ET AL: "Detection and Inpainting of Facial Wrinkles using Texture Orientation Fields and Markov Random Field Modeling", 《RESEARCHGATE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001285A (zh) * | 2020-08-14 | 2020-11-27 | 深圳世间乐见科技有限公司 | 一种美颜图像的处理方法、装置、终端和介质 |
CN112001285B (zh) * | 2020-08-14 | 2024-02-02 | 深圳世间乐见科技有限公司 | 一种美颜图像的处理方法、装置、终端和介质 |
CN113393402A (zh) * | 2021-06-25 | 2021-09-14 | 广东工业大学 | 一种基于张量环分解恢复图像背景的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110738678B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
CN110852160B (zh) | 以图像为基准的生物识别系统及计算机实施方法 | |
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
CN108549886A (zh) | 一种人脸活体检测方法及装置 | |
EP2919162A1 (en) | Image processing apparatus and image processing method | |
CN108550161A (zh) | 一种尺度自适应核相关滤波快速目标跟踪方法 | |
EP1881454A1 (en) | Image processing for change detection | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN109903272B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
CN111091571A (zh) | 细胞核分割方法、装置、电子设备及计算机可读存储介质 | |
CN110738678B (zh) | 脸部细纹检测方法、装置、电子设备及可读存储介质 | |
CN111639521A (zh) | 指纹合成方法、装置、电子设备及计算机可读存储介质 | |
CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN111860369A (zh) | 一种欺诈识别方法、装置以及存储介质 | |
CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
CN107256543A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN111914668A (zh) | 一种基于图像增强技术的行人重识别方法、装置及系统 | |
Qu et al. | Double domain guided real-time low-light image enhancement for ultra-high-definition transportation surveillance | |
US12029483B2 (en) | System and method for finding an area of an eye from a facial image | |
CN111898408A (zh) | 一种快速人脸识别方法及装置 | |
CN110188693B (zh) | 改进的复杂环境车辆特征提取和停车判别方法 | |
CN109977937B (zh) | 图像处理方法、装置及设备 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN111179245A (zh) | 图像质量检测方法、装置、电子设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211203 Address after: 361100 568, No. 942, tonglong Second Road, torch high tech Zone (Xiang'an) Industrial Zone, Xiang'an District, Xiamen City, Fujian Province Applicant after: Xiamen Meitu Yifu Technology Co.,Ltd. Address before: 361008 b1f-089, Zone C, Huaxun building, software park, torch high tech Zone, Xiamen City, Fujian Province Applicant before: XIAMEN HOME MEITU TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |