CN110826418B - 脸部特征提取方法及装置 - Google Patents
脸部特征提取方法及装置 Download PDFInfo
- Publication number
- CN110826418B CN110826418B CN201910977866.0A CN201910977866A CN110826418B CN 110826418 B CN110826418 B CN 110826418B CN 201910977866 A CN201910977866 A CN 201910977866A CN 110826418 B CN110826418 B CN 110826418B
- Authority
- CN
- China
- Prior art keywords
- face
- region
- pixel points
- color
- clustering
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 31
- 230000001815 facial effect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 12
- 210000001061 forehead Anatomy 0.000 claims description 9
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 239000003086 colorant Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 206010000496 acne Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005808 skin problem Effects 0.000 description 3
- 208000002874 Acne Vulgaris Diseases 0.000 description 2
- 206010043189 Telangiectasia Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 208000009056 telangiectasis Diseases 0.000 description 2
- MCSXGCZMEPXKIW-UHFFFAOYSA-N 3-hydroxy-4-[(4-methyl-2-nitrophenyl)diazenyl]-N-(3-nitrophenyl)naphthalene-2-carboxamide Chemical compound Cc1ccc(N=Nc2c(O)c(cc3ccccc23)C(=O)Nc2cccc(c2)[N+]([O-])=O)c(c1)[N+]([O-])=O MCSXGCZMEPXKIW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- RCTGMCJBQGBLKT-PAMTUDGESA-N scarlet red Chemical compound CC1=CC=CC=C1\N=N\C(C=C1C)=CC=C1\N=N\C1=C(O)C=CC2=CC=CC=C12 RCTGMCJBQGBLKT-PAMTUDGESA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种脸部特征提取方法及装置，该方法包括：对组成目标图像的各像素点对应的HSV值进行阈值分割以得到第一像素点集合；识别目标图像中的人脸区域，将人脸区域划分为多个人脸子区域；从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，对多个第一像素点进行颜色等级聚类；根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，并确定任一人脸子区域中的最大区域面积占比对应的第一颜色等级；基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。采用本申请实施例，可提高脸部特征提取的准确性和有效性，适用性高。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种脸部特征提取方法及装置。
背景技术
随着移动通信技术的快速发展以及人民生活水平的提升，人们越来越关注自身健康问题，其中脸部状况作为一种重要的人体健康指标，初步获取脸部皮肤问题，包括痘痘、色素斑、毛孔等，在近两年来得到越来越多人的关注。目前国内外对于人脸皮肤状态的检测产品，主要分成两种类型，一类是金属测试式肤质检测仪，此类产品较为便宜，但是功能单一，精度不足，另一类是基于图像处理的检测仪，但是其价格昂贵，不方便携带。因此通过终端拍摄人脸图像再经过图像处理，获取人脸皮肤状态已经成为一种迫切的需求。其中对于人脸肤质状态，往往由于毛细血管扩张、脸部敏感、炎症性丘疹、痤疮等皮肤问题，在前期都会导致脸部出现发红的区域。因此针对人脸红区进行有效且准确提取，将有助于分析人脸皮肤状况。
发明内容
本申请实施例提供一种脸部特征提取方法及装置，可提高脸部特征提取的准确性和有效性，适用性高。
第一方面，本申请实施例提供了一种脸部特征提取方法，该方法包括：
获取组成目标图像的各像素点对应的HSV值，对上述各像素点对应的HSV 值进行阈值分割以得到第一像素点集合；
识别上述目标图像中的人脸区域，并将上述人脸区域划分为多个人脸子区域；
针对任一人脸子区域，从上述第一像素点集合中确定出属于上述任一人脸子区域的多个第一像素点，对上述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
根据各聚类结果确定各颜色等级在上述任一人脸子区域中的区域面积占比，并确定上述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将上述人脸区域中上述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
结合第一方面，在一种可能的实施方式中，上述获取组成目标图像的各像素点对应的HSV值，包括：
获取组成目标图像的各像素点对应的RGB值，将上述各像素点对应的RGB 值转换成HSV值。
结合第一方面，在一种可能的实施方式中，上述将上述各像素点对应的RGB 值转换成HSV值之后，上述方法还包括：
对上述HSV值中的S通道值进行双边滤波，对上述HSV值的V通道值基于边缘保持滤波。
结合第一方面，在一种可能的实施方式中，上述对上述各像素点对应的HSV 值进行阈值分割以得到第一像素点集合，包括：
将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点，确定为第一像素点，以生成上述第一像素点集合，其中由上述第一像素点组成的区域为初始特征区域。
结合第一方面，在一种可能的实施方式中，上述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域。
结合第一方面，在一种可能的实施方式中，上述对上述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果，包括：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将上述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将上述n个聚类结果进行合并以得到m个聚类结果。
结合第一方面，在一种可能的实施方式中，上述根据各聚类结果确定各颜色等级在上述任一人脸子区域中的区域面积占比，包括：
获取组成上述任一人脸子区域的像素点对应的第一像素点数；
获取上述各聚类结果中包括的第一像素点对应的各第二像素点数；
基于上述各第二像素点数和上述第一像素点数确定上述各颜色等级在上述任一人脸子区域中的区域面积占比。
结合第一方面，在一种可能的实施方式中，上述基于各人脸子区域对应的第一颜色等级确定目标颜色等级，包括：
将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级。
第二方面，本申请实施例提供了一种脸部特征提取装置，该装置包括：
像素值处理模块，获取组成目标图像的各像素点对应的HSV值，对上述各像素点对应的HSV值进行阈值分割以得到第一像素点集合；
人脸区域划分模块，用于识别上述目标图像中的人脸区域，并将上述人脸区域划分为多个人脸子区域；
像素点聚类模块，用于针对任一人脸子区域，从上述第一像素点集合中确定出属于上述任一人脸子区域的多个第一像素点，对上述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
聚类结果处理模块，用于根据各聚类结果确定各颜色等级在上述任一人脸子区域中的区域面积占比，并确定上述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
最终特征区域确定模块，用于基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将上述人脸区域中上述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
结合第二方面，在一种可能的实施方式中，上述像素值处理模块包括HSV 值获取单元，上述HSV值获取单元用于：
获取组成目标图像的各像素点对应的RGB值，将上述各像素点对应的RGB 值转换成HSV值。
结合第二方面，在一种可能的实施方式中，上述HSV值获取单元还用于：
对上述HSV值中的S通道值进行双边滤波，对上述HSV值的V通道值基于边缘保持滤波。
结合第二方面，在一种可能的实施方式中，上述像素值处理模块包括阈值分割单元，上述阈值分割单元用于：
将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点，确定为第一像素点，以生成上述第一像素点集合，其中由上述第一像素点组成的区域为初始特征区域。
结合第二方面，在一种可能的实施方式中，上述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域。
结合第二方面，在一种可能的实施方式中，上述像素点聚类模块具体用于：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将上述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将上述n个聚类结果进行合并以得到m个聚类结果。
结合第二方面，在一种可能的实施方式中，上述聚类结果处理模块具体用于：
获取组成上述任一人脸子区域的像素点对应的第一像素点数；
获取上述各聚类结果中包括的第一像素点对应的各第二像素点数；
基于上述各第二像素点数和上述第一像素点数确定上述各颜色等级在上述任一人脸子区域中的区域面积占比。
结合第二方面，在一种可能的实施方式中，上述最终特征区域确定模块具体用于：
将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级。
第三方面，本申请实施例提供了一种终端设备，该终端设备包括处理器和存储器，该处理器和存储器相互连接。该存储器用于存储支持该终端设备执行上述第一方面和/或第一方面任一种可能的实现方式提供的方法的计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用上述程序指令，执行上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被处理器执行时使该处理器执行上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
在本申请实施例中，通过获取组成目标图像的各像素点对应的HSV值，并对各像素点对应的HSV值进行阈值分割可得到第一像素点集合。通过识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域，然后针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，并对多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，进而可确定出任一人脸子区域中的最大区域面积占比对应的第一颜色等级，然后基于各人脸子区域对应的第一颜色等级确定目标颜色等级，可将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。在本申请实施例中，通过识别并划分人脸区域，可提高脸部特征提取的准确性，通过对不同人脸子区域中包括的第一像素点进行颜色等级聚类，可有效降低光照、亮度等因素的干扰，提高脸部特征提取的有效性。
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的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的脸部特征提取方法的流程示意图；
图2是本申请实施例提供的几种基本颜色在HSV空间内的HSV范围值；
图3是本申请实施例提供的划分人脸区域的示意图；
图4是本申请实施例提供的腐蚀操作与膨胀操作的效果示意图；
图5是本申请实施例提供的脸部特征提取装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
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作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。
本申请实施例提供的脸部特征提取方法，可广泛适用于能够进行图像处理的服务器或终端。其中，终端包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device，MID)等，在此不做限制。本申请实施例提供的方法，通过获取组成目标图像的各像素点对应的HSV值，并对各像素点对应的HSV值进行阈值分割可得到第一像素点集合。通过识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域，然后针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，并对多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，进而可确定出任一人脸子区域中的最大区域面积占比对应的第一颜色等级，然后基于各人脸子区域对应的第一颜色等级确定目标颜色等级，可将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。在本申请实施例中，通过识别并划分人脸区域，可提高脸部特征提取的准确性，通过对不同人脸子区域中包括的第一像素点进行颜色等级聚类，可有效降低光照、亮度等因素的干扰，提高脸部特征提取的有效性。
下面将结合图1至图6分别对本申请实施例提供的方法及相关装置分别进行详细说明。本申请实施例提供的方法中可包括用于获取第一像素点集合、识别目标图像中的人脸区域、划分人脸子区域、从第一像素点集合中获取属于任一人脸子区域的多个第一像素点、对多个第一像素点进行颜色等级聚类、基于聚类结果确定区域面积占比、以及确定最终特征区域等数据处理阶段。其中，上述各个数据处理阶段的实现方式可参见如下图1所示的实现方式。
参见图1，图1为本申请实施例提供的脸部特征提取方法的流程示意图。本申请实施例提供的方法可以包括如下步骤101至步骤 105：
101、获取组成目标图像的各像素点对应的HSV值，对各像素点对应的HSV 值进行阈值分割以得到第一像素点集合。
在一些可行的实施方式中，目标图像为待处理的图像，当采集到的目标图像为HSV色彩空间图像时，通过提取组成目标图像的各像素点对应的HSV值，可对各像素点对应的HSV值进行阈值分割以得到满足预设条件的第一像素点集合。在本申请实施例中，在进行阈值分割时，可将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点确定为第一像素点，进而生成第一像素点集合，其中由所述第一像素点组成的区域为初始特征区域。
例如，参见图2，图2是本申请实施例提供的几种基本颜色在HSV空间内的HSV范围值。假设所需提取的颜色特征为图像中的红色，如图2所示，已知红色的HSV范围值分别为H∈[0,10]∪[156,180]，S∈[43,255]，V∈[46,255]。因此，针对组成目标图像的各像素点对应的HSV值中，可将HSV值满足H通道值属于第一预设阈值范围，即[0,10]∪[156,180]，S通道值属于第二预设阈值范围，即[43,255]，且V通道值属于第三预设阈值范围，即[46,255]的像素点确定为第一像素点，进而得到第一像素点集合。通常而言，对于人脸肤质状态，往往由于毛细血管扩张、脸部敏感、炎症性丘疹、痤疮等皮肤问题，在前期都会导致脸部出现发红的区域，因此本申请实施例主要以提取脸部中的红色特征区域为例进行说明。
举例来说，假设组成目标图像的像素点分别为(0，123，245)，(1，223， 145)，(0，56，145)，(40,155,165)和(101,135,234)。其中所需提取的颜色特征为目标图像中的红色，因此，根据红色的HSV范围值需满足H∈[0,10]∪ [156,180]，S∈[43,255]，V∈[46,255]，可得到第一像素点集合中的第一像素点包括(0，123，245)，(1，223，145)，(0，56，145)。
可选的，在一些可行的实施方式中，一些彩色数字图像是采用RGB色彩空间的色彩参数来描述的，由于R，G，B三个色彩分量之间的高度相关性，也就意味着如果光强发生变化，则三个色彩分量都会随之发生变化，所以RGB色彩空间中的色彩测量并不能以均匀尺度来表达色彩差异，因而也是最不均匀的色彩空间之一，从而在RGB色彩空间中不可能通过测量两个色彩之间的距离来评估其色彩的相似性，所以该色彩空间并不适合于彩色图像的分割和分析。因此，在本申请实施例中，当采集到的目标图像为RGB色彩空间图像时，通过获取组成目标图像的各像素点对应的RGB值，可将所述各像素点对应的RGB值转换成HSV值，进而在HSV色彩空间进行图像处理。
可选的，在一些可行的实施方式中，为降低图像噪声，将像素点的RGB值转换为HSV值后，还可以对HSV值中的S通道值进行双边滤波，对所述HSV 值的V通道值基于边缘保持滤波后，再对各像素点对应的HSV值进行阈值分割以得到第一像素点，进而生成第一像素点集合，其中由各第一像素点所组成的区域为初始特征区域。
可选的，在一些可行的实施方式中，当确定出由各第一像素点组成的初始特征区域后，还可以对初始特征区域进行腐蚀，以去除一些孤立或异常的第一像素点，消除图像上的细小噪声，然后再进行膨胀，以填充图像内细小的空洞，并平滑图像边界。参见图4，图4是本申请实施例提供的腐蚀操作与膨胀操作的效果示意图。如图4所示，图4 的 (a)展示了进行阈值分割后得到的初始特征区域，图4 的 (b)为经过腐蚀操作，去除了一些异常第一像素点后的效果图，图4 的 (c)为经过膨胀操作，将一些独立的小区域与大区域进行合并后的效果图。应当理解，二值图像中前景物体为1，背景为0，也即图像中的第一像素点组成的初始特征区域为前景物体，其他像素点(非第一像素点)组成的区域为背景。腐蚀操作的过程是通过遍历图像的每一个像素点，用结构元素的中心点对准当前正在遍历的这个像素点，然后取当前结构元素所覆盖下的原图对应区域内的所有像素点的最小值，用这个最小值替换当前像素值。由于二值图像最小值是0，所以用 0替换后的像素点即变成了黑色背景，这样经过腐蚀后能够有效减少异常像素点的影响。膨胀操作的过程是通过遍历图像中的每一个像素点，用结构元素的中心点对准当前正在遍历的这个像素点，然后取当前结构元素所覆盖下的原图对应区域内的所有像素点的最大值，用这个最大值替换当前像素值。由于二值图像最大值是1，所以用1替换后即变成了白色前景物体，这样经过膨胀操作后，前景物体中一些细小的断裂处就会被连接起来。
102、识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域。
在一些可行的实施方式中，目标图像中通常包括人脸图像以及背景图像，其中背景图像可理解为周围环境图像，其中当周围环境图像中包括红色物体时，第一像素点集合中将包含组成上述红色物体的第一像素点。因此为避免图像背景的干扰，影响人脸部区域中特征提取的准确性，出现人脸部以外的红色区域，可通过人脸识别算法识别目标图像中的人脸区域，并将识别出的人脸区域划分为多个人脸子区域，例如划分出的多个人脸子区域可包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域等，在此不做限制。其中，人脸识别算法包括基于人脸特征点的识别算法(Feature-based recognitionalgorithms)、基于整幅人脸图像的识别算法(Appearance-based recognitionalgorithms)、基于模板的识别算法(Template-based recognition algorithms)以及基于神经网络的识别算法(Recognition algorithms using neural network)等，在此不做限制。应当理解，本申请实施例通过将人脸区域划分成多个人脸子区域，然后针对各人脸子区域分别进行颜色等级的量化处理，能够有效低降低误判、光照、亮度等因素的影响。参见图3，图3是本申请实施例提供的划分人脸区域的示意图。如图3所示，其中椭圆形为整张人脸区域，将人脸区域进行划分后可得到5个人脸子区域分别为额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域。
103、针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，对多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果。
在一些可行的实施方式中，针对上述多个人脸子区域中的任一人脸子区域，可从第一像素点集合中确定出属于上述任一人脸子区域的多个第一像素点，然后对确定出的多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。在本申请实施例中，可先获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数，在进行第一颜色等级聚类时，针对任一人脸子区域中包括的多个第一像素点，将上述多个第一像素点划分到n个颜色等级中以得到n个聚类结果，然后在进行第二颜色等级聚类时，将n个聚类结果进行合并以得到m个聚类结果。应当理解，本申请实施例中的第一预设颜色等级数n为颜色量化等级数，例如假设颜色为红色，根据颜色由浅入深的顺序，红色可包括浅红色，红色，大红色，朱色，火红色，深红色，因此n＝6。第二预设颜色等级数m为预设的必须保留的关键等级颜色，即指定输出的颜色等级数，例如假设必须保留的关键等级颜色数为3，则m＝3(轻度红色等级，中度红色等级，重度红色等级)。
具体地，针对每个人脸子区域包括的多个第一像素点执行聚类操作时，可从多个第一像素点中获取n个第一像素点作为n个初始聚类中心，并记为
其中聚类中心的上标表示迭代次数，下标为聚类中心标识，用于标记不同的聚类中心，初始聚类中心的上标为0，表示还没开始进行迭代。应当理解，初始聚类中心可以是从多个第一像素点中随机选取或获取的预先设置的像素点。其中，
为本申请实施例中预设的第二预设颜色等级数m所对应的初始聚类中心，
为其余n-m个初始聚类中心。在第k次迭代中，针对多个第一像素点中的每个第一像素点，若任一
第一像素点X，满足
则
其中
为
的聚类像素点集，即聚类结果对应的像素点集合。基于此，可将任一人脸子区域包括的多个第一像素点划分到n个聚类中。应当理解，在第k次迭代后，可基于公式
计算各聚类中心的HSV值，以作为下次迭代时的聚类中心，其中，nj表示
中的像素点总数，j＝1,2,...,n。在本申请实施例中，
表示第k次迭代后必须保留的关键等级颜色对应的聚类中心，
为其余n-m个聚类中心。当聚类中心
最接近必须保留的关键等级颜色
时，则将聚类中心
归类为
其中
也就是说，当满足
可将聚类中心
对应的聚类像素点集
与
对应的聚类像素点集
进行合并，即
当
时，结束聚类，否则再进行第k+1次迭代，其中e为迭代误差。
举例来说，假设针对左脸区域中的第一像素点进行聚类，其中左脸区域中包括的多个第一像素点分别为(0，123，245)，(1，223，145)，(0，56，145)， (3，223，245)，(3，124，245)，(4，156，45)，(6，67，250)，(6，78，245)， (7，85，255)(178，123，245)，(180，223，145)，(170，56，145)，(167， 156，245)，(10，255，245)，(10，223，145)，(10，156，245)。初步设定第一预设颜色等级数n＝6，第二预设颜色等级数m＝3，则可选择(0，123，245)， (4，156，45)，(10，156，245)，(6，67，250)，(178，123，245)，(170， 56，145)为6个初始聚类中心，其中必须保留的关键等级颜色对应的初始聚类中心为(0，123，245)，(4，156，45)，(10，156，245)。针对剩余像素点(1， 223，145)，(0，56，145)，(3，223，245)，(3，124，245)，(6，78，245)， (7，85，255)，(180，223，145)，(167，156，245)，(10，255，245)，(10， 223，145)进行聚类操作，可将满足条件
的任一像素点X聚类至
对应的聚类像素点集
中，进而得到6个聚类结果。假设第k次迭代中，第一聚类结果：(0，123，245)，(1，223，145)，(0，56，145)，(3，223，245)；第二聚类结果：(3，124，245)，(4，156，45)；第三聚类结果：(6，67，250)，(6，78，245)，(7，85，255)；第四聚类结果：(178，123，245)，(180，223， 145)；第五聚类结果：(170，56，145)，(167，156，245)；第六聚类结果：(10， 255，245)，(10，223，145)，(10，156，245)。然后基于公式
计算各聚类中心的HSV值，假设得到新的聚类中心为(0，160，180)，(3，130， 180)，(6，70，247)，(179，167，182)，(168，80，184)，(10，239，186)。由于必须保留的关键等级颜色是3类，因此，通过公式
可将上述6个聚类结果合并成3类，例如第一类和第二类进行合并，第三类和第四类进行合并，第五类和第六类进行合并，可得到3个聚类结果分别为：第一聚类结果：(0，123，245)，(1，223，145)， (0，56，145)，(3，223，245)，(3，124，245)，(4，156，45)；第二聚类结果：(6，67，250)，(6，78，245)，(7，85，255)，(178，123，245)，(180， 223，145)；第三聚类结果：(170，56，145)，(167，156，245)，(10，255， 245)，(10，223，145)，(10，156，245)。其中当满足
时，结束聚类，否则再一次迭代直到满足聚类结束条件为止。
104、根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，并确定任一人脸子区域中的最大区域面积占比对应的第一颜色等级。
在一些可行的实施方式中，根据各聚类结果可确定出各颜色等级在任一人脸子区域中的区域面积占比，然后根据任一人脸子区域中的最大区域面积占比，可确定出最大区域面积占比对应的第一颜色等级。具体地，通过获取组成任一人脸子区域的像素点总数，即第一像素点数，以及获取各聚类结果中包括的第一像素点对应的各第二像素点数，可根据各第二像素点数和第一像素点数确定各颜色等级在任一人脸子区域中的区域面积占比。例如，以左脸区域为例，假设左脸区域中一共包括100个像素点，其中，轻度红色等级对应的第一聚类结果中包括20个像素点，中度红色等级对应的第二聚类结果中包括40个像素点，重度红色等级对应的第三聚类结果中包括10个像素点，则轻度红色等级在左脸区域中的区域面积占比为20％，中度红色等级在左脸区域中的区域面积占比为 40％，重度红色等级在左脸区域中的区域面积占比为10％。其中最大区域面积占比为40％，因此最大区域面积占比对应的第一颜色等级为中度红色等级。
105、基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
在一些可行的实施方式中，基于多个人脸子区域中各人脸子区域对应的第一颜色等级可确定出目标颜色等级，然后将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。例如可将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级，然后将整个人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
举例来说，假设额头区域对应的第一颜色等级为轻度红色等级，左脸区域对应的第一颜色等级为中度红色等级，右脸区域对应的第一颜色等级为中度红色等级，鼻子区域对应的第一颜色等级为中度红色等级，下巴区域对应的第一颜色等级为轻度红色等级。则可将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级，即目标颜色等级为中度红色等级，于是可将整张人脸区域中的中度红色等级对应的各第一像素点组成的区域确定为最终特征区域。
在本申请实施例中，通过获取组成目标图像的各像素点对应的HSV值，并对各像素点对应的HSV值进行阈值分割可得到第一像素点集合。通过识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域，然后针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，并对多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，进而可确定出任一人脸子区域中的最大区域面积占比对应的第一颜色等级，然后基于各人脸子区域对应的第一颜色等级确定目标颜色等级，可将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。在本申请实施例中，通过识别并划分人脸区域，可提高脸部特征提取的准确性，通过对不同人脸子区域中包括的第一像素点进行颜色等级聚类，可有效降低光照、亮度等因素的干扰，提高脸部特征提取的有效性。
参见图3，图3是本申请实施例提供的脸部特征提取装置的结构示意图。本申请实施例提供的脸部特征提取装置包括：
像素值处理模块21，获取组成目标图像的各像素点对应的HSV值，对上述各像素点对应的HSV值进行阈值分割以得到第一像素点集合；
人脸区域划分模块22，用于识别上述目标图像中的人脸区域，并将上述人脸区域划分为多个人脸子区域；
像素点聚类模块23，用于针对任一人脸子区域，从上述第一像素点集合中确定出属于上述任一人脸子区域的多个第一像素点，对上述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
聚类结果处理模块24，用于根据各聚类结果确定各颜色等级在上述任一人脸子区域中的区域面积占比，并确定上述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
最终特征区域确定模块25，用于基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将上述人脸区域中上述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
在一些可行的实施方式中，上述像素值处理模块21包括HSV值获取单元 211，上述HSV值获取单元211用于：
获取组成目标图像的各像素点对应的RGB值，将上述各像素点对应的RGB 值转换成HSV值。
在一些可行的实施方式中，上述HSV值获取单元211还用于：
对上述HSV值中的S通道值进行双边滤波，对上述HSV值的V通道值基于边缘保持滤波。
在一些可行的实施方式中，上述像素值处理模块21包括阈值分割单元212，上述阈值分割单元212用于：
将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点确定为第一像素点以生成第一像素点集合，其中由上述第一像素点组成的区域为初始特征区域。
在一些可行的实施方式中，上述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域。
在一些可行的实施方式中，上述像素点聚类模块23具体用于：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将上述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将上述n个聚类结果进行合并以得到m个聚类结果。
在一些可行的实施方式中，上述聚类结果处理模块24具体用于：
获取组成上述任一人脸子区域的像素点对应的第一像素点数；
获取上述各聚类结果中包括的第一像素点对应的各第二像素点数；
基于上述各第二像素点数和上述第一像素点数确定上述各颜色等级在上述任一人脸子区域中的区域面积占比。
在一些可行的实施方式中，上述最终特征区域确定模块25具体用于：
将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级。
具体实现中，上述脸部特征提取装置可通过其内置的各个功能模块执行如上述图1中各个步骤所提供的实现方式。例如，上述像素值处理模块21可用于执行上述各个步骤中获取组成目标图像的像素点对应的HSV值，以及对HSV 值进行阈值分割等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述人脸区域划分模块22可用于执行上述各个步骤中识别人脸区域，将人脸区域划分为多个人脸子区域等相关步骤所描述的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述像素点聚类模块23 可用于执行上述各个步骤中从第一像素点集合中获取属于任一人脸子区域的多个第一像素点、对获取的多个第一像素点进行颜色等级聚类等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述聚类结果处理模块24可用于执行上述各个步骤中根据聚类结果确定区域面积占比以及根据各区域面积占比确定第一颜色等级等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述最终特征区域确定模块25可用于执行上述各个步骤中确定目标颜色等级、以及将目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
在本申请实施例中，脸部特征提取装置通过获取组成目标图像的各像素点对应的HSV值，并对各像素点对应的HSV值进行阈值分割可得到第一像素点集合。通过识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域，然后针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，并对多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，进而可确定出任一人脸子区域中的最大区域面积占比对应的第一颜色等级，然后基于各人脸子区域对应的第一颜色等级确定目标颜色等级，可将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。在本申请实施例中，通过识别并划分人脸区域，可提高脸部特征提取的准确性，通过对不同人脸子区域中包括的第一像素点进行颜色等级聚类，可有效降低光照、亮度等因素的干扰，提高脸部特征提取的有效性。
参见图4，图4是本申请实施例提供的终端设备的结构示意图。如图4所示，本实施例中的终端设备可以包括：一个或多个处理器301和存储器302。上述处理器301和存储器302通过总线303连接。存储器302用于存储计算机程序，该计算机程序包括程序指令，处理器301用于执行存储器302存储的程序指令，执行如下操作：
获取组成目标图像的各像素点对应的HSV值，对上述各像素点对应的HSV 值进行阈值分割以得到第一像素点集合；
识别上述目标图像中的人脸区域，并将上述人脸区域划分为多个人脸子区域；
针对任一人脸子区域，从上述第一像素点集合中确定出属于上述任一人脸子区域的多个第一像素点，对上述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
根据各聚类结果确定各颜色等级在上述任一人脸子区域中的区域面积占比，并确定上述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将上述人脸区域中上述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。
在一些可行的实施方式中，上述处理器301用于：
获取组成目标图像的各像素点对应的RGB值，将上述各像素点对应的RGB 值转换成HSV值。
在一些可行的实施方式中，上述处理器301用于：
对上述HSV值中的S通道值进行双边滤波，对上述HSV值的V通道值基于边缘保持滤波。
在一些可行的实施方式中，上述处理器301用于：
将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点确定为第一像素点以生成第一像素点集合，其中由上述第一像素点组成的区域为初始特征区域。
在一些可行的实施方式中，上述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域。
在一些可行的实施方式中，上述处理器301用于：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将上述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将上述n个聚类结果进行合并以得到m个聚类结果。
在一些可行的实施方式中，上述处理器301用于：
获取组成上述任一人脸子区域的像素点对应的第一像素点数；
获取上述各聚类结果中包括的第一像素点对应的各第二像素点数；
基于上述各第二像素点数和上述第一像素点数确定上述各颜色等级在上述任一人脸子区域中的区域面积占比。
在一些可行的实施方式中，上述处理器301用于：
将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级。
应当理解，在一些可行的实施方式中，上述处理器301可以是中央处理单元(central processing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integratedcircuit，ASIC)、现成可编程门阵列(field programmable gate array， FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。该存储器302可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器302的一部分还可以包括非易失性随机存取存储器。例如，存储器302还可以存储设备类型的信息。
具体实现中，上述终端设备可通过其内置的各个功能模块执行如上述图1 中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
在本申请实施例中，终端设备可通过获取组成目标图像的各像素点对应的 HSV值，并对各像素点对应的HSV值进行阈值分割可得到第一像素点集合。通过识别目标图像中的人脸区域，并将人脸区域划分为多个人脸子区域，然后针对任一人脸子区域，从第一像素点集合中确定出属于任一人脸子区域的多个第一像素点，并对多个第一像素点进行颜色等级聚类，可得到多个颜色等级对应的多个聚类结果。根据各聚类结果确定各颜色等级在任一人脸子区域中的区域面积占比，进而可确定出任一人脸子区域中的最大区域面积占比对应的第一颜色等级，然后基于各人脸子区域对应的第一颜色等级确定目标颜色等级，可将人脸区域中目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域。在本申请实施例中，通过识别并划分人脸区域，可提高脸部特征提取的准确性，通过对不同人脸子区域中包括的第一像素点进行颜色等级聚类，可有效降低光照、亮度等因素的干扰，提高脸部特征提取的有效性。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时实现图1中各个步骤所提供的脸部特征提取方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
上述计算机可读存储介质可以是前述任一实施例提供的脸部特征提取装置或者上述终端设备的内部存储单元，例如电子设备的硬盘或内存。该计算机可读存储介质也可以是该电子设备的外部存储设备，例如该电子设备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，该计算机可读存储介质还可以既包括该电子设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该电子设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的权利要求书和说明书及附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
Claims (9)
1.一种脸部特征提取方法，其特征在于，所述方法包括：
获取组成目标图像的各像素点对应的HSV值，对所述各像素点对应的HSV值进行阈值分割以得到第一像素点集合；
基于人脸识别算法识别所述目标图像中的人脸区域，并将所述人脸区域划分为多个人脸子区域，其中所述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域；
针对任一人脸子区域，从所述第一像素点集合中确定出属于所述任一人脸子区域的多个第一像素点，对所述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
根据各聚类结果确定各颜色等级在所述任一人脸子区域中的区域面积占比，并确定所述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将所述人脸区域中所述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域；
其中，所述对所述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果，包括：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将所述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将所述n个聚类结果进行合并以得到m个聚类结果。
2.根据权利要求1所述方法，其特征在于，所述获取组成目标图像的各像素点对应的HSV值，包括：
获取组成目标图像的各像素点对应的RGB值，将所述各像素点对应的RGB值转换成HSV值。
3.根据权利要求2所述方法，其特征在于，所述将所述各像素点对应的RGB值转换成HSV值之后，所述方法还包括：
对所述HSV值中的S通道值进行双边滤波，对所述HSV值的V通道值基于边缘保持滤波。
4.根据权利要求1-3任一项所述方法，其特征在于，所述对所述各像素点对应的HSV值进行阈值分割以得到第一像素点集合，包括：
将HSV值满足H通道值属于第一预设阈值范围，S通道值属于第二预设阈值范围，且V通道值属于第三预设阈值范围的像素点，确定为第一像素点，以生成所述第一像素点集合，其中由所述第一像素点组成的区域为初始特征区域。
5.根据权利要求1所述方法，其特征在于，所述根据各聚类结果确定各颜色等级在所述任一人脸子区域中的区域面积占比，包括：
获取组成所述任一人脸子区域的像素点对应的第一像素点数；
获取所述各聚类结果中包括的第一像素点对应的各第二像素点数；
基于所述各第二像素点数和所述第一像素点数确定所述各颜色等级在所述任一人脸子区域中的区域面积占比。
6.根据权利要求1所述方法，其特征在于，所述基于各人脸子区域对应的第一颜色等级确定目标颜色等级，包括：
将各人脸子区域对应的第一颜色等级中出现次数最多的第一颜色等级确定为目标颜色等级。
7.一种脸部特征提取装置，其特征在于，所述装置包括：
像素值处理模块，获取组成目标图像的各像素点对应的HSV值，对所述各像素点对应的HSV值进行阈值分割以得到第一像素点集合；
人脸区域划分模块，用于基于人脸识别算法识别所述目标图像中的人脸区域，并将所述人脸区域划分为多个人脸子区域，其中所述多个人脸子区域包括额头区域、鼻子区域、左脸区域、右脸区域以及下巴区域；
像素点聚类模块，用于针对任一人脸子区域，从所述第一像素点集合中确定出属于所述任一人脸子区域的多个第一像素点，对所述多个第一像素点进行颜色等级聚类以得到多个颜色等级对应的多个聚类结果；
聚类结果处理模块，用于根据各聚类结果确定各颜色等级在所述任一人脸子区域中的区域面积占比，并确定所述任一人脸子区域中的最大区域面积占比对应的第一颜色等级；
最终特征区域确定模块，用于基于各人脸子区域对应的第一颜色等级确定目标颜色等级，将所述人脸区域中所述目标颜色等级对应的各第一像素点组成的区域确定为最终特征区域；
其中，所述像素点聚类模块具体用于：
获取第一预设颜色等级数n、第二预设颜色等级数m，其中n大于m，m为大于1的整数；
在进行第一颜色等级聚类时，将所述多个第一像素点划分到n个颜色等级中以得到n个聚类结果；
在进行第二颜色等级聚类时，将所述n个聚类结果进行合并以得到m个聚类结果。
8.一种终端设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接；
所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-6任一项所述的方法。
9.一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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910977866.0A CN110826418B (zh) | 2019-10-15 | 2019-10-15 | 脸部特征提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910977866.0A CN110826418B (zh) | 2019-10-15 | 2019-10-15 | 脸部特征提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110826418A CN110826418A (zh) | 2020-02-21 |
| CN110826418B true CN110826418B (zh) | 2022-05-20 |
Family
ID=69549403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910977866.0A Active CN110826418B (zh) | 2019-10-15 | 2019-10-15 | 脸部特征提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826418B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667553A (zh) * | 2020-06-08 | 2020-09-15 | 北京有竹居网络技术有限公司 | 头像像素化的面部颜色填充方法、装置及电子设备 |
| CN111708907B (zh) * | 2020-06-11 | 2023-07-18 | 中国建设银行股份有限公司 | 一种目标人员的查询方法、装置、设备及存储介质 |
| CN111950390B (zh) * | 2020-07-22 | 2024-04-26 | 深圳数联天下智能科技有限公司 | 皮肤敏感度的确定方法及装置、存储介质及设备 |
| CN112489142B (zh) * | 2020-11-30 | 2024-04-09 | 济南博观智能科技有限公司 | 一种颜色识别方法、装置、设备及存储介质 |
| CN113256703A (zh) * | 2021-06-03 | 2021-08-13 | 河北农业大学 | 一种基于图像处理的鸡冠形态测定方法及系统 |
| CN113658157B (zh) * | 2021-08-24 | 2024-03-26 | 凌云光技术股份有限公司 | 一种基于hsv空间的颜色分割方法及装置 |
| CN115017357A (zh) * | 2022-06-01 | 2022-09-06 | 特赞（上海）信息科技有限公司 | 图像检索方法、图像库构建方法、电子设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7039239B2 (en) * | 2002-02-07 | 2006-05-02 | Eastman Kodak Company | Method for image region classification using unsupervised and supervised learning |
| CN102324020B (zh) * | 2011-09-02 | 2014-06-11 | 北京新媒传信科技有限公司 | 人体肤色区域的识别方法和装置 |
| CN107194348A (zh) * | 2017-05-19 | 2017-09-22 | 北京云识图信息技术有限公司 | 一种图像中目标物体的主颜色识别方法 |
| CN108416336B (zh) * | 2018-04-18 | 2019-01-18 | 特斯联（北京）科技有限公司 | 一种智慧社区人脸识别的方法和系统 |
-
2019
- 2019-10-15 CN CN201910977866.0A patent/CN110826418B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110826418A (zh) | 2020-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826418B (zh) | 脸部特征提取方法及装置 | |
| US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
| US10275677B2 (en) | Image processing apparatus, image processing method and program | |
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| WO2018019194A1 (zh) | 图像识别方法、终端及非易失性存储介质 | |
| CN108268867B (zh) | 一种车牌定位方法及装置 | |
| CN107404628B (zh) | 图像处理装置及方法以及监视系统 | |
| CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
| CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
| CN110532746B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
| Han et al. | Moving object detection revisited: Speed and robustness | |
| CN111401196A (zh) | 受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质 | |
| CN114925348B (zh) | 一种基于指纹识别的安全验证方法及系统 | |
| CN111625683A (zh) | 基于图结构差异分析的视频摘要自动生成方法及系统 | |
| CN113496215B (zh) | 一种活体人脸检测的方法、装置及电子设备 | |
| CN117115117B (zh) | 基于小样本下的病理图像识别方法、电子设备及存储介质 | |
| CN113221842A (zh) | 模型训练方法、图像识别方法、装置、设备及介质 | |
| CN111611821B (zh) | 二维码识别方法、装置、计算机设备和可读存储介质 | |
| CN109871779B (zh) | 掌纹识别的方法及电子设备 | |
| CN111199228B (zh) | 一种车牌定位的方法及装置 | |
| CN116503733B (zh) | 遥感图像目标检测方法、设备及存储介质 | |
| CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
| CN111860279A (zh) | 图像识别方法及装置、计算机存储介质 | |
| CN115798004A (zh) | 基于局部区域的人脸打卡方法、装置、电子设备及介质 | |
| CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 |
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: 20200410 Address after: 1706, Fangda building, No. 011, Keji South 12th Road, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Shenzhen shuliantianxia Intelligent Technology Co., Ltd Address before: 518000, building 10, building ten, building D, Shenzhen Institute of Aerospace Science and technology, 6 hi tech Southern District, Nanshan District, Shenzhen, Guangdong 1003, China Applicant before: SHENZHEN H & T HOME ONLINE NETWORK TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |