CN110890156A - 人脸面部光泽度分类装置、方法及计算机存储介质 - Google Patents

人脸面部光泽度分类装置、方法及计算机存储介质 Download PDF

Info

Publication number
CN110890156A
CN110890156A CN201811047851.6A CN201811047851A CN110890156A CN 110890156 A CN110890156 A CN 110890156A CN 201811047851 A CN201811047851 A CN 201811047851A CN 110890156 A CN110890156 A CN 110890156A
Authority
CN
China
Prior art keywords
face
image
glossiness
gloss
skin color
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
Application number
CN201811047851.6A
Other languages
English (en)
Inventor
张贯京
葛新科
谭敦
王海荣
谢伟
高伟明
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.)
Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Shenzhen E Techco Information Technology Co Ltd
Original Assignee
Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Shenzhen E Techco Information Technology Co Ltd
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 Shenzhen Qianhai AnyCheck Information Technology Co Ltd, Shenzhen E Techco Information Technology Co Ltd filed Critical Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Priority to CN201811047851.6A priority Critical patent/CN110890156A/zh
Priority to PCT/CN2019/104985 priority patent/WO2020052525A1/zh
Publication of CN110890156A publication Critical patent/CN110890156A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种人脸面部光泽度分类装置、方法及计算机存储介质，该方法包括步骤：对人脸图像进行分割并提取得到人脸肤色区域的二值图像；从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像；基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域；对人脸光泽区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量；使用SVM分类器对所有人脸图像的特征向量进行人脸光泽度分类训练以产生人脸光泽度分类器。本发明能够提了人脸面部光泽度分类的准确性。

Description

人脸面部光泽度分类装置、方法及计算机存储介质
技术领域
本发明涉及中医面像处理的技术领域，尤其涉及一种应用于中医面诊中的人脸面部光泽度分类装置、方法及计算机存储介质。
背景技术
中医面部望诊是中医诊断的重要组成部分，《素问·脉要精微论》曰：“夫精明五色者，气之华也”。这里认为气血精华可以通过不同色泽表现出来，而面部光泽可以协助中医诊断脏腑精气，这些对推测病情有着重要作用，因此需要运用图像识别技术进行中医诊断，如何通过图像识别技术判断面部光泽度成为中医面部望诊的研究重点。
对于运用计算机视觉理论与图像识别技术进行中医面诊方面，目前主要从面色唇色方面进行分类诊断分析，对于中医望诊中面部光泽度的分析目前提出的算法尚少。针对中医面诊中“神”的主要组成部分，因此有必要提出一种新的面部光泽度分析方法，能有效判断面部光泽度，提高人脸面部光泽度分类的鲁棒性，从而提高人脸面部光泽度分类的准确性。
发明内容
本发明的主要目的在于提供一种应用于中医面诊中的人脸面部光泽度分类装置、方法及计算机存储介质，能够提高人脸面部光泽度分类的鲁棒性，从而提高人脸面部光泽度分类的准确性。
为实现上述目的，本发明提供一种人脸面部光泽度分类装置，包括适于实现各种计算机程序指令的处理器以及适于存储多条计算机程序指令的存储器，所述计算机程序指令由处理器加载并执行如下步骤：接收输入的人脸图像；基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像；基于投影法从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像；基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域；对人脸光泽区域表征出的白色区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量；使用SVM分类器对所有人脸图像的特征向量进行人脸光泽度分类训练以产生最终的人脸光泽度分类器并存储在存储器中。
进一步地，所述基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像的步骤包括如下步骤：将人脸图像的RGB三通道变换到YCbCr三维颜色空间；将YCbCr三维颜色空间转换到YCb′Cr′三维坐标空间；将YCb′Cr′三维坐标空间投影到Cb′-Cr′二维子空间；在Cb′-Cr′二维子空间下用一个椭圆内的所有坐标点来近似判断是否为人脸肤色区域。
优选的，所述椭圆的解析表达式如下所示：
Figure BDA0001793733270000021
其中，
Figure BDA0001793733270000022
其中，椭圆的解析表达式参数定义如下：cx＝109.38，cy＝152.02，θ＝2.53，ecx＝1.6，ecy＝2.41，a＝25.39，b＝14.03。
进一步地，所述基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域的步骤包括如下步骤：步骤1：基于OTSU对V通道灰度图像的灰度部分进行二值化得到V通道灰度图像的二值化图像；步骤2：将V通道灰度图像与其二值化图像相乘去除掉无光泽肤色区域，得到剩下的V通道灰度图像；步骤3：统计剩下的V通道灰度图像面积与输入V通道灰度图像面积的比值；步骤4：判断所述比值是否大于设定的经验阈值；若该比值大于设定的经验阈值，循环步骤1至步骤4；若该比值小于等于设定的经验阈值，结束循环步骤。
另一方面，本发明还提供一种人脸面部光泽度分类方法，应用于人脸面部光泽度分类装置中，该方法包括如下步骤：接收输入的人脸图像；基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像；基于投影法从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像；基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域；对人脸光泽区域表征出的白色区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量；使用SVM分类器对所有人脸图像的特征向量进行人脸光泽度分类训练以产生最终的人脸光泽度分类器并存储在存储器中。
进一步地，所述接收输入的人脸图像的步骤包括：接收摄像单元从待测者面部摄取的人脸图像，或者从存储器中读取预先存储的人脸图像。
进一步地，所述基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像的步骤包括如下步骤：将人脸图像的RGB三通道变换到YCbCr三维颜色空间；将YCbCr三维颜色空间转换到YCb′Cr′三维坐标空间；将YCb′Cr′三维坐标空间投影到Cb′-Cr′二维子空间；在Cb′-Cr′二维子空间下用一个椭圆内的所有坐标点来近似判断是否为人脸肤色区域。
优选的，所述椭圆的解析表达式如下所示：
Figure BDA0001793733270000031
其中，
Figure BDA0001793733270000032
其中，椭圆的解析表达式参数定义如下：cx＝109.38，cy＝152.02，θ＝2.53，ecx＝1.6，ecy＝2.41，a＝25.39，b＝14.03。
进一步地，所述基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域的步骤包括如下步骤：步骤1：基于OTSU对V通道灰度图像的灰度部分进行二值化得到V通道灰度图像的二值化图像；步骤2：将V通道灰度图像与其二值化图像相乘去除掉无光泽肤色区域，得到剩下的V通道灰度图像；步骤3：统计剩下的V通道灰度图像面积与输入V通道灰度图像面积的比值；步骤4：判断所述比值是否大于设定的经验阈值；若该比值大于设定的经验阈值，循环步骤1至步骤4；若该比值小于等于设定的经验阈值，结束循环步骤。
另一方面，本发明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多条计算机程序指令，其特征在于，所述计算机程序指令由计算机装置的处理器加载并执行所述人脸面部光泽度分类方法的各项方法步骤。
相较于现有技术，本发明所述人脸面部光泽度分类装置、方法及计算机存储介质，能够应用于中医面诊中，较现有的基于图像的面部关注度分类算法，本发明能够有效对面部光泽度进行分析，且基于大量人脸样本进行训练得到判别人脸面部光泽度的分类器，提高了人脸面部光泽度分类的鲁棒性，进而提高人脸面部光泽度分类的准确性。
附图说明
图1是本发明人脸面部光泽度分类装置的优选实施例的方框示意图；
图2是本发明人脸面部光泽度分类方法优选实施例的方法流程图；
图3为图2中步骤S25的细化子流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。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。
参照图1所示，图1是本发明人脸面部光泽度分类装置的优选实施例的方框示意图。在本实施例中，所述人脸面部光泽度分类装置1安装有人脸面部光泽度分类系统10，所述人脸面部光泽度分类装置1可以为安装有人脸面部光泽度分类系统10的个人计算机、工作站计算机、中医面像仪、中医四诊仪等具有数据处理功能和图像处理功能的计算机装置。在本实施例中，所述人脸面部光泽度分类装置1包括，但不仅限于，人脸面部光泽度分类系统10、摄像单元11、适于存储多条计算机程序指令的存储器12以及执行各种计算机程序指令的处理器13。所述摄像单元11为一种高清摄像头等影像输入设备，用于人脸图像并输入至人脸面部光泽度分类装置1中。所述存储器12可以为一种只读存储器ROM，随机存储器RAM、电可擦写存储器EEPROM、快闪存储器FLASH、磁盘或光盘等。所述处理器13为一种中央处理器(CPU)、微控制器(MCU)、数据处理芯片、或者具有数据处理功能的信息处理单元。需要说明的是，本发明所述人脸面部光泽度分类是指将人脸面部分为有无光泽两种类型，即分为有面部光泽和无面部光泽两种情形，而不是具体的光泽程度大小。
在本实施例中，所述人脸面部光泽度分类系统10由多条计算机程序指令组成的程序模块组成，包括但不局限于，人脸图像输入模块101、人脸图像处理模块102、光泽区域定位模块103、光泽特征提取模块104以及面部光泽分类模块105。本发明所称的模块是指一种能够被人脸面部光泽度分类装置1的处理器13执行并且能够完成固定功能的一系列计算机程序指令段，其存储在存储器12中，以下结合图2和图3具体说明每一个模块的具体功能。
参考图2所示，是本发明人脸面部光泽度分类方法优选实施例的流程图。在本实施例中，所述人脸面部光泽度分类方法的各种方法步骤通过计算机软件程序来实现，该计算机软件程序以计算机程序指令的形式存储于计算机可读存储介质(例如存储器12)中，计算机可读存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等，所述计算机程序指令能够被处理器(例如处理器13)加载并执行如下步骤S21至步骤S28。
步骤S21，接收输入的人脸图像；具体地，人脸图像输入模块101通过摄像单元11(例如高清摄像设备)接收从待测者面部摄取清晰的人脸图像，也可以从存储器12中读取预先存储的人脸图像，该人脸图像是由R、G、B三通道组成的彩色RGB图像。
步骤S22，基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像；具体地，人脸图像处理模块102基于椭圆聚类肤色模型(由Anil K.Jain等提出的椭圆肤色模型)对人脸肤色区域进行分割，即将人脸图像的RGB三通道变换到YCbCr三维颜色空间，再将YCbCr三维颜色空间转换到YCb′Cr′三维坐标空间，再将YCb′Cr′三维坐标空间投影到Cb′-Cr′二维子空间，在Cb′-Cr′二维子空间下用一个椭圆内的所有坐标点来近似判断是否为人脸肤色区域，该椭圆的解析表达式如下所示：
Figure BDA0001793733270000051
其中，
Figure BDA0001793733270000052
其中，椭圆的解析表达式参数定义如下：cx＝109.38，cy＝152.02，θ＝2.53，ecx＝1.6，ecy＝2.41，a＝25.39，b＝14.03。本实施例椭圆的解析表达式参数是根据人脸面部的经验特征来定义的经验值，在其他实施例中，椭圆的解析表达式参数也可以根据人脸面部的具体特征来定义参数值。
步骤S23，基于投影法从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；在本实施例中，人脸图像处理模块102去除掉人脸肤色以外的背景图像，得到去除掉眼睛嘴唇区域的二值图像。由于人脸光泽区域一般集中在，额头、脸颊、鼻头、下巴等区域，为了能够有效的分析光泽区域，人脸图像处理模块101通过对基于肤色分割得到的人脸二值图像在高度方向上对不是肤色区域的像素值进行投影，一般情况下会得到两个最大波峰位置，分别定位在人眼眉毛区域与嘴唇区域，以此去除掉人眼区域与嘴唇区域，从而得到去除掉眼睛嘴唇区域的二值图像。
步骤S24，将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像。在本实施例中，人脸中的光泽部分一般是由于正常肤色部分油腻光线反射产生的，因此人脸中的明亮度上会与正常肤色存在明显差异，HSV彩色空间中H、S、V分别代表了色相、饱和度、明度。为了更好的分析面部光泽区域，本发明人脸图像处理模块102对HSV彩色空间中能充分区分肤色明度的V通道进行分析处理以提取特征信息得到V通道特征向量，再将提取的V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘来去除掉背景与人眼嘴唇区域的部分得到去除掉眼睛嘴唇区域的V通道灰度图像，即得到包括额头、脸颊、鼻尖、下巴的V通道灰度图像。
步骤S25，基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域。在本实施例中，所述人脸光泽区域表征为白色区域，所述OTSU又称大津法，是一种分割图像二值化阈值的最大内间方差算法。为了有效定位分析人脸中有光泽的肤色区域，具体地，光泽区域定位模块103基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域，参考图3所示，图3为图2中步骤S25的细化子流程图，具体步骤如下：
步骤S251，基于OTSU对V通道灰度图像的灰度部分进行二值化得到V通道灰度图像的二值化图像；
步骤S252，将V通道灰度图像与其二值化图像相乘去除掉无光泽肤色区域，得到剩下的V通道灰度图像；
步骤S253，统计剩下的V通道灰度图像面积与输入V通道灰度图像面积的比值；
步骤S254，判断所述比值是否大于设定的经验阈值；若该比值大于设定的经验阈值，循环步骤S251至步骤S254；若该比值小于等于设定的经验阈值，结束循环步骤。
在本实施例中，光泽区域定位模块103基于OTSU对V通道灰度图像进行二值化，每一次循环去掉黑色区域，并对剩下的白色区域(即人脸光泽区域)的V通道灰度图像，再次使用OTSU二值循环法对通道灰度图像循环处理直到白色区域小于等于整个V通道灰度图像面积比例的设定经验阈值，例如经验阈值设定为20％比例值，也可以根据处理的人脸光泽度分类精度要求设定其他比例值。
步骤S26，对人脸光泽区域表征出的白色区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量。在本实施例中，光泽特征提取模块104对得到的人脸光泽区域表征出的白色区域进行连通区域分析，提取出面积最大的2个白色连通区域进行分析提取出特征向量。光泽特征提取模块104对每个连通区域进行特征提取，将连通区域的R、G、B均值、连通区域的V通道灰度均值与去除掉背景与人眼嘴唇区域部分的V通道灰度均值的差、连通区域面积值、连通区域面积与整个人脸区域面积的比值分别作为特征向量的组成部分，这样一个连通区域就得到一个6维度，最终得到一个12维度的特征向量。
步骤S27，判断输入的人脸图像是否到达预定的人脸数量；在本实施例中，为了提高提高面部光泽度分类的准确性，需要实用大量不同待测者的人脸图像进行样本训练，因此面部光泽分类模块105判断输入的人脸图像是否到达预定的人脸数量，若输入的人脸图像未到达预定的人脸数量，则流程返回执行步骤S21，继续通过摄像单元11从下一个待测者面部摄取清晰的人脸图像，或者从存储器12中获取下一个待测者的人脸图像。若输入的人脸图像到达预定的人脸数量，则流程执行步骤S28。
步骤S28，使用SVM分类器对所有输入的人脸图像的特征向量进行人脸光泽度分类训练以产生最终的人脸光泽度分类器并存储在存储器12中。在本实施例中，面部光泽分类模块105对采集到的所有人脸图像通过所述的特征提取算法获得所有人脸图像的特征向量，再基于所有的特征向量与预先分类准备好有无光泽的人脸肤色样本进行有监督的SVM分类器训练，得到最终的人脸光泽度分类器并存储在存储器12中，以供后续对人脸光泽度分类分析使用。当输入人脸图像至本发明训练好的人脸光泽度分类器，该人脸光泽度分类器即能从人脸图像中判别出人脸面部分有无面部光泽两种情况，即能够得到有面部光泽和无面部光泽两种情形，而不是具体的光泽程度大小。当中医师对患者进行中医面诊并需要对患者的人脸光泽分析时，输入采集的人脸图像即可使用本发明训练好的人脸光泽度分类器进行人脸面部光泽度判别，并输出可输出人脸面部是否有面部光泽和无面部光泽两种情况，从而协助中医诊断患者的脏腑精气，提高中医诊断结果，辅助医生进行中医舌诊获得患者的健康状况。
本发明还一种计算机可读存储介质，该计算机可读存储介质存储多条计算机程序指令，所述计算机程序指令由计算机装置的处理器加载并执行本发明所述人脸面部光泽度分类方法的各个步骤。本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过相关程序指令完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。
本发明所述人脸面部光泽度分类装置、方法及计算机存储介质，能够应用于中医面诊中，较现有的基于图像的面部关注度分类算法，本发明能够有效对面部光泽度进行分析，且基于大量人脸样本进行训练得到判别人脸面部光泽度的分类器，提高了人脸面部光泽度分类的鲁棒性，进而提高人脸面部光泽度分类的准确性。
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)

1.一种人脸面部光泽度分类装置，包括适于实现各种计算机程序指令的处理器以及适于存储多条计算机程序指令的存储器，其特征在于，所述计算机程序指令由处理器加载并执行如下步骤：
接收输入的人脸图像；
基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像；
基于投影法从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；
将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像；
基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域；
对人脸光泽区域表征出的白色区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量；
使用SVM分类器对所有人脸图像的特征向量进行人脸光泽度分类训练以产生最终的人脸光泽度分类器并存储在存储器中。
2.如权利要求1所述的人脸面部光泽度分类装置，其特征在于，所述基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像的步骤包括如下步骤：
将人脸图像的RGB三通道变换到YCbCr三维颜色空间；
将YCbCr三维颜色空间转换到YCb′Cr′三维坐标空间；
将YCb′Cr′三维坐标空间投影到Cb′-Cr′二维子空间；
在Cb′-Cr′二维子空间下用一个椭圆内的所有坐标点来近似判断是否为人脸肤色区域。
3.如权利要求2所述的人脸面部光泽度分类装置，其特征在于，所述椭圆的解析表达式如下所示：
Figure FDA0001793733260000011
其中，
Figure FDA0001793733260000012
其中，椭圆的解析表达式参数定义如下：cx＝109.38，cy＝152.02，θ＝2.53，ecx＝1.6，ecy＝2.41，a＝25.39，b＝14.03。
4.如权利要求1所述的人脸面部光泽度分类装置，其特征在于，所述基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域的步骤包括如下：
步骤1：基于OTSU对V通道灰度图像的灰度部分进行二值化得到V通道灰度图像的二值化图像；
步骤2：将V通道灰度图像与其二值化图像相乘去除掉无光泽肤色区域，得到剩下的V通道灰度图像；
步骤3：统计剩下的V通道灰度图像面积与输入V通道灰度图像面积的比值；
步骤4：判断所述比值是否大于设定的经验阈值；
若该比值大于设定的经验阈值，循环步骤1至步骤4；若该比值小于等于设定的经验阈值，结束循环步骤。
5.一种人脸面部光泽度分类方法，应用于人脸面部光泽度分类装置中，其特征在于，该方法包括如下步骤：
接收输入的人脸图像；
基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像；
基于投影法从人脸肤色区域的二值图像中去除掉眼睛嘴唇区域；
将人脸图像转换到HSV图像空间上提取V通道特征向量，并将V通道特征向量与去除掉眼睛嘴唇区域的二值图像相乘得到去除掉眼睛嘴唇区域的V通道灰度图像；
基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域；
对人脸光泽区域表征出的白色区域进行连通区域筛选，筛选出最大的两个白色连通区域进行特征提取以获得人脸图像的特征向量；
使用SVM分类器对所有人脸图像的特征向量进行人脸光泽度分类训练以产生最终的人脸光泽度分类器并存储在存储器中。
6.如权利要求5所述的人脸面部光泽度分类方法，其特征在于，所述接收输入的人脸图像的步骤包括：接收摄像单元从待测者面部摄取的人脸图像，或者从存储器中读取预先存储的人脸图像。
7.如权利要求5所述的人脸面部光泽度分类方法，其特征在于，所述基于椭圆聚类肤色模型对人脸图像进行分割并提取得到人脸肤色区域的二值图像的步骤包括如下步骤：
将人脸图像的RGB三通道变换到YCbCr三维颜色空间；
将YCbCr三维颜色空间转换到YCb′Cr′三维坐标空间；
将YCb′Cr′三维坐标空间投影到Cb′-Cr′二维子空间；
在Cb′-Cr′二维子空间下用一个椭圆内的所有坐标点来近似判断是否为人脸肤色区域。
8.如权利要求7所述的人脸面部光泽度分类方法，其特征在于，所述椭圆的解析表达式如下所示：
Figure FDA0001793733260000031
其中，
Figure FDA0001793733260000032
其中，椭圆的解析表达式参数定义如下：cx＝109.38，cy＝152.02，θ＝2.53，ecx＝1.6，ecy＝2.41，a＝25.39，b＝14.03。
9.如权利要求5所述的人脸面部光泽度分类方法，其特征在于，所述基于OTSU二值循环法定位V通道灰度图像中的人脸光泽区域的步骤包括如下步骤：
步骤1：基于OTSU对V通道灰度图像的灰度部分进行二值化得到V通道灰度图像的二值化图像；
步骤2：将V通道灰度图像与其二值化图像相乘去除掉无光泽肤色区域，得到剩下的V通道灰度图像；
步骤3：统计剩下的V通道灰度图像面积与输入V通道灰度图像面积的比值；
步骤4：判断所述比值是否大于设定的经验阈值；
若该比值大于设定的经验阈值，循环步骤1至步骤4；若该比值小于等于设定的经验阈值，结束循环步骤。
10.一种计算机可读存储介质，该计算机可读存储介质存储多条计算机程序指令，其特征在于，所述计算机程序指令由计算机装置的处理器加载并执行如权利要求5至9任一项所述人脸面部光泽度分类方法的各项方法步骤。
CN201811047851.6A 2018-09-10 2018-09-10 人脸面部光泽度分类装置、方法及计算机存储介质 Pending CN110890156A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811047851.6A CN110890156A (zh) 2018-09-10 2018-09-10 人脸面部光泽度分类装置、方法及计算机存储介质
PCT/CN2019/104985 WO2020052525A1 (zh) 2018-09-10 2019-09-09 人脸面部光泽度分类装置、方法及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811047851.6A CN110890156A (zh) 2018-09-10 2018-09-10 人脸面部光泽度分类装置、方法及计算机存储介质

Publications (1)

Publication Number Publication Date
CN110890156A true CN110890156A (zh) 2020-03-17

Family

ID=69744868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811047851.6A Pending CN110890156A (zh) 2018-09-10 2018-09-10 人脸面部光泽度分类装置、方法及计算机存储介质

Country Status (2)

Country Link
CN (1) CN110890156A (zh)
WO (1) WO2020052525A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3219302A4 (en) * 2014-11-10 2018-10-03 Shiseido Company Ltd. Method for evaluating glow of skin, method for examining skin glow improvers, and skin glow improver
CN104573723B (zh) * 2015-01-08 2017-11-14 上海中医药大学 一种基于中医望诊的“神”的特征提取与分类方法及系统
CN105426816A (zh) * 2015-10-29 2016-03-23 深圳怡化电脑股份有限公司 一种处理人脸图像的方法及装置
CN105868735B (zh) * 2016-04-25 2019-03-26 南京大学 一种跟踪人脸的预处理方法及基于视频的智慧健康监视系统
CN108451500B (zh) * 2017-12-27 2021-01-12 浙江大学台州研究院 一种用于中医望诊的面色检测和脸型识别设备

Also Published As

Publication number Publication date
WO2020052525A1 (zh) 2020-03-19

Similar Documents

Publication Publication Date Title
EP2737434B1 (en) Gait recognition methods and systems
KR101853006B1 (ko) 깊이영상에서 코 검출을 이용한 얼굴 인식
Boehnen et al. A fast multi-modal approach to facial feature detection
CN110866932A (zh) 多通道舌体边缘检测装置、方法及存储介质
Monwar et al. Pain recognition using artificial neural network
Fernando et al. Low cost approach for real time sign language recognition
Rani et al. Image processing techniques to recognize facial emotions
CN111340052A (zh) 中医舌诊舌尖红检测装置、方法及计算机存储介质
Youlian et al. Face detection method using template feature and skin color feature in rgb color space
Szczepański et al. Pupil and iris detection algorithm for near-infrared capture devices
Campadelli et al. A face recognition system based on local feature characterization
CN111222371A (zh) 舌下静脉特征提取装置及方法
CN110890156A (zh) 人脸面部光泽度分类装置、方法及计算机存储介质
Subban et al. Human skin segmentation in color images using gaussian color model
JP2011141799A (ja) オブジェクト検出認識装置、オブジェクト検出認識方法、および、プログラム
JP2010033221A (ja) 肌色検出装置および方法並びにプログラム
Mariappan et al. A labVIEW design for frontal and non-frontal human face detection system in complex background
KR102669584B1 (ko) 반려동물 생체정보 검출 방법 및 장치
Mandhala et al. Face detection using image morphology–a review
Bhagirathi et al. Human face, eye and iris detection in real-time using image processing
Huang et al. Eye detection based on skin color analysis with different poses under varying illumination environment
KR102458614B1 (ko) 비접촉식 rgb 카메라를 이용한 피부 진단 시스템 및 그 방법
JP2004013768A (ja) 個人識別方法
RU2735629C1 (ru) Способ распознавания близнецов и ближайших родственников для мобильных устройств и мобильное устройство его реализующее
Mishra et al. Face detection for video summary using enhancement-based fusion strategy under varying illumination conditions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200317

WD01 Invention patent application deemed withdrawn after publication