CN111259778A - 一种人脸反射区的定位方法 - Google Patents
一种人脸反射区的定位方法 Download PDFInfo
- Publication number
- CN111259778A CN111259778A CN202010033723.7A CN202010033723A CN111259778A CN 111259778 A CN111259778 A CN 111259778A CN 202010033723 A CN202010033723 A CN 202010033723A CN 111259778 A CN111259778 A CN 111259778A
- Authority
- CN
- China
- Prior art keywords
- face
- feature points
- positioning
- image
- facial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001815 facial effect Effects 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 210000000697 sensory organ Anatomy 0.000 claims abstract description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000000056 organ Anatomy 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸反射区的定位方法,步骤1、获得待处理人脸图片;步骤2、获得一张目标人脸检测图像上的人脸五官特征点;步骤31、将目标人脸检测图像与作为模板的标准人脸图像进行对比获得五官特征点的相对位置;步骤32、将标准人脸图像上的已知定位通过拉伸变形匹配到待处理的人脸图像上,最终获得反射区边界的详细定位;步骤4、将上述人脸反射区定位结果相结合;步骤5、针对连续拍摄的多幅图像进行特征点跟踪和仿射变换;步骤6、利用仿射变换结果修正两幅图像中的反射区边界;步骤7、获得不同人脸位置和角度下更加准确的五官特征点。与现有技术相比,本发明不仅能够得到更加标准的反射区边界,而且能够获得准确的动态的反射区边界。
Description
技术领域
本发明涉及计算机人脸识别和图像处理技术,特别是涉及一种人脸反射区识别定位方法。
背景技术
面部对于身体器官的反射区有很多,这些用于面诊的反射区就是本发明所提及的人脸反射区。现今的人脸检测技术不仅能够在图片中找到人脸,更能准确在人脸中找到五官并定位五官轮廓的特征点。现有算法一般来说是人眼通过观察人脸五官的相对位置分布,再根据经验进行反射区边界的定位,因此是分别使用“人脸五官位置特征点定位算法”和“人脸部反射区位置定位算法”。其中,“人脸五官位置特征点定位算法”的优点是中心定位准确性不足,但是区域边界清晰圆润,便于后续处理;“人脸部反射区位置定位算法”的中心定位更准确,但是由于边界拉扯导致边界变形比较大会产生并不圆润的边界。
如何将上述两者相方法结合,通过现有的人脸检测和五官检测技术进行人脸反射区的精确划分和定位,是本发明需要解决的主要技术问题。
发明内容
为解决以上技术问题,本发明提出一种人脸反射区的定位方法,采用“人脸五官位置特征点定位算法”和“人脸部反射区位置定位算法”相结合,实现了既平滑又准确的人脸反射区边界的获取。
本发明的一种人脸反射区的定位方法,其特征在于,该方法包括以下步骤:
步骤1、获得待处理人脸图片;
步骤2、进行人脸检测,具体处理包括:获得一张目标人脸检测图像,然后在该图像上获得人脸五官特征点不少于68个;
步骤31、利用“五官特征点定位人脸反射区算法”将目标人脸检测图像中获得的五官特征点的位置,根据每个反射区距离其中若干个特征点的相对距离来定位,包括中心位置和区域大小,也就是根据人脸反射区与五官特征点的相对位置划分确定人脸反射区的边界;中心位置根据距离特征点的距离进行定位,尺寸大小根据特征点间距确定;
步骤32、利用“标准人脸反射区模板拉伸定位目标人脸反射区算法”将标准人脸图像上的已知反射区模板通过拉伸变形匹配到待处理的人脸图像上,在拉伸过程中同时拉伸变形反射区的边界,确定目标人脸检测图像中的反射区边界,最终获得反射区边界的详细定位;
步骤4、将上述两种算法所获得的人脸反射区定位结果相结合,得到总的人脸反射区定位结果;
步骤5、针对连续拍摄的多幅图像进行特征点跟踪和仿射变换,即分别是两幅图像中图像一的特征点跟踪到图像二的特征点,然后计算两张人脸的仿射变换;
步骤6、利用仿射变换结果修正两幅图像中的反射区边界及五官特征点的位置;
步骤7、进而获得不同人脸位置和角度下更加准确的五官特征点,以获得准确的动态的反射区边界。
与现有技术相比,本发明不仅能够得到更加标准和准确的反射区边界,而且能够获得准确的动态的反射区边界。
附图说明
图1为本发明一种脸反射区的定位方法整体流程示意图。
具体实施方式
以下结合附图及具体实施方式,进一步详述本发明的技术方案。
如图1所示,为本发明的一种人脸反射区的定位方法的整体流程示意图,该流程融合现有技术的两种算法即人脸五官位置特征点定位算法(方法A)和人脸部反射区位置定位算法(方法B),通过方法A得到的反射区边界清晰平滑,有利于显示进一步信息计算和加工,通过方法B得到的反射区边界更加准确;利用方法A得到的边界,对方法B得到的边界进行修正,最终得到即平滑又准确的反射区边界。
具体包括以下步骤:
步骤1、获得待处理人脸图片;
步骤2、进行人脸检测,具体处理包括:获得一张目标人脸检测图像,然后在该图像上获得人脸五官特征点不少于68个;
步骤31、步骤31、利用“五官特征点定位人脸反射区算法”将目标人脸检测图像中获得的五官特征点的位置,根据每个反射区距离其中若干个特征点的相对距离来定位,包括中心位置和区域大小,也就是根据人脸反射区与五官特征点的相对位置划分确定人脸反射区的边界。通常反射区形状设定成圆形或椭圆形,中心位置根据距离特征点的距离进行定位,尺寸大小根据特征点间距确定;
步骤32、利用“标准人脸反射区模板拉伸定位目标人脸反射区算法”将标准人脸图像上的已知反射区模板通过拉伸变形匹配到待处理的人脸图像上,在拉伸过程中同时拉伸变形反射区的边界,确定目标人脸检测图像中的反射区边界,最终获得反射区边界的详细定位。其中标准人脸反射区模板为系统预设,是在标准人脸图像上通过人工进行划分的。同时,标准人脸在进行拉伸或形变匹配到目标或待检测人脸上的过程,是对标准人脸上的五官特征点,通过图像的局部拉伸变形算法,匹配到目标或待检测人脸上的五官特征点;
步骤4、将上述两种算法所获得的人脸反射区定位结果相结合,得到总的人脸反射区定位结果;
步骤5、针对连续拍摄的多幅图像进行特征点跟踪和仿射变换,即分别是两幅图像中图像一的特征点跟踪到图像二的特征点,然后计算两张人脸的仿射变换;
在动态处理过程中,人脸所发生的偏移或转动导致图像采集设备捕捉的人脸图像产生动态的位置变化和角度变化。在这种动态处理过程中,由于相邻两幅图像的变化是连续的,因此人脸位置或角度变化也是连续的,在处理相邻两张图像的过程中可以通过特征点跟踪和仿射变换进行相互修正。
步骤6、利用仿射变换结果修正两幅图像中的反射区边界及五官特征点的位置;
步骤7、进而获得不同人脸位置和角度下更加准确的五官特征点,以获得准确的动态的反射区边界。
Claims (1)
1.一种人脸反射区的定位方法,其特征在于,该方法包括以下步骤:
步骤1、获得待处理人脸图片;
步骤2、进行人脸检测,具体处理包括:获得一张目标人脸检测图像,然后在该图像上获得人脸五官特征点不少于68个;
步骤31、利用“五官特征点定位人脸反射区算法”将目标人脸检测图像中获得的五官特征点的位置,根据每个反射区距离其中若干个特征点的相对距离来定位,包括中心位置和区域大小,也就是根据人脸反射区与五官特征点的相对位置划分确定人脸反射区的边界;中心位置根据距离特征点的距离进行定位,尺寸大小根据特征点间距确定;
步骤32、利用“标准人脸反射区模板拉伸定位目标人脸反射区算法”将标准人脸图像上的已知反射区模板通过拉伸变形匹配到待处理的人脸图像上,在拉伸过程中同时拉伸变形反射区的边界,确定目标人脸检测图像中的反射区边界,最终获得反射区边界的详细定位;
步骤4、将上述两种算法所获得的人脸反射区定位结果相结合,得到总的人脸反射区定位结果;
步骤5、针对连续拍摄的多幅图像进行特征点跟踪和仿射变换,即分别是两幅图像中图像一的特征点跟踪到图像二的特征点,然后计算两张人脸的仿射变换;
步骤6、利用仿射变换结果修正两幅图像中的反射区边界及五官特征点的位置;
步骤7、进而获得不同人脸位置和角度下更加准确的五官特征点,以获得准确的动态的反射区边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010033723.7A CN111259778B (zh) | 2020-01-13 | 2020-01-13 | 一种人脸反射区的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010033723.7A CN111259778B (zh) | 2020-01-13 | 2020-01-13 | 一种人脸反射区的定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259778A true CN111259778A (zh) | 2020-06-09 |
CN111259778B CN111259778B (zh) | 2022-06-17 |
Family
ID=70948703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010033723.7A Active CN111259778B (zh) | 2020-01-13 | 2020-01-13 | 一种人脸反射区的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259778B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090055171A (ko) * | 2007-11-28 | 2009-06-02 | 한국 한의학 연구원 | 스테레오 영상을 이용한 안면 진단 방법 |
CN102426652A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像分析的中医面色识别和检索方法 |
CN103690149A (zh) * | 2013-12-30 | 2014-04-02 | 惠州Tcl移动通信有限公司 | 通过面部拍照识别身体健康状况的移动终端及其实现方法 |
CN105930810A (zh) * | 2016-04-26 | 2016-09-07 | 北京工业大学 | 基于特征点定位算法的面部穴位定位方法和定位装置 |
CN106326828A (zh) * | 2015-11-08 | 2017-01-11 | 北京巴塔科技有限公司 | 人脸识别中的眼睛定位方法 |
CN107203963A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置、电子设备 |
CN108615239A (zh) * | 2018-05-10 | 2018-10-02 | 福建中医药大学 | 基于阈值技术和灰度投影的舌图像分割方法 |
CN109994186A (zh) * | 2019-03-31 | 2019-07-09 | 山西慧虎健康科技有限公司 | 基于影像大数据的中医体质智能检测与调养系统及方法 |
CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
CN110459304A (zh) * | 2019-07-19 | 2019-11-15 | 汕头大学 | 一种基于面部图像的健康状态诊断系统 |
-
2020
- 2020-01-13 CN CN202010033723.7A patent/CN111259778B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090055171A (ko) * | 2007-11-28 | 2009-06-02 | 한국 한의학 연구원 | 스테레오 영상을 이용한 안면 진단 방법 |
CN102426652A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像分析的中医面色识别和检索方法 |
CN103690149A (zh) * | 2013-12-30 | 2014-04-02 | 惠州Tcl移动通信有限公司 | 通过面部拍照识别身体健康状况的移动终端及其实现方法 |
CN106326828A (zh) * | 2015-11-08 | 2017-01-11 | 北京巴塔科技有限公司 | 人脸识别中的眼睛定位方法 |
CN107203963A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及装置、电子设备 |
CN105930810A (zh) * | 2016-04-26 | 2016-09-07 | 北京工业大学 | 基于特征点定位算法的面部穴位定位方法和定位装置 |
CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
CN108615239A (zh) * | 2018-05-10 | 2018-10-02 | 福建中医药大学 | 基于阈值技术和灰度投影的舌图像分割方法 |
CN109994186A (zh) * | 2019-03-31 | 2019-07-09 | 山西慧虎健康科技有限公司 | 基于影像大数据的中医体质智能检测与调养系统及方法 |
CN110459304A (zh) * | 2019-07-19 | 2019-11-15 | 汕头大学 | 一种基于面部图像的健康状态诊断系统 |
Non-Patent Citations (3)
Title |
---|
ONDREJ SMIRG等: ""Automated Detection of Important Facial Curves in Radiographs"", 《INTERNATIONAL CONFERENCE ON TELECOMMUNICATIONS & SIGNAL PROCESSING》 * |
李文书等: ""中医面诊信息处理技术研究进展与展望"", 《上海中医药杂志》 * |
郭锋: ""中医望诊中眼神跟踪与分析综述"", 《心智与计算》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111259778B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271914A (zh) | 检测视线落点的方法、装置、存储介质和终端设备 | |
US20220157047A1 (en) | Feature Point Detection | |
CN110599528A (zh) | 一种基于神经网络的无监督三维医学图像配准方法及系统 | |
US20100296701A1 (en) | Person tracking method, person tracking apparatus, and person tracking program storage medium | |
US20100296702A1 (en) | Person tracking method, person tracking apparatus, and person tracking program storage medium | |
US20070211944A1 (en) | Apparatus for detecting feature point and method of detecting feature point | |
CN111402330B (zh) | 一种基于平面靶标的激光线关键点提取方法 | |
CN111291701B (zh) | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 | |
CN113643354B (zh) | 基于增强分辨率的眼底图像的血管管径的测量装置 | |
JP4203279B2 (ja) | 注目判定装置 | |
CN113255608B (zh) | 一种基于cnn分类的多摄像头人脸识别定位方法 | |
JP2000099760A (ja) | 3次元物体モデル生成方法及び3次元物体モデル生成プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN111259778B (zh) | 一种人脸反射区的定位方法 | |
CN110348344A (zh) | 一种基于二维和三维融合的特殊人脸表情识别的方法 | |
CN116797463B (zh) | 特征点对提取方法及图像拼接方法 | |
CN111354057B (zh) | 基于图像变形技术的骨折线地图绘制方法 | |
CN114699661B (zh) | 一种位姿关联确定及显示方法 | |
CN116363181A (zh) | 一种基于特征的ct图像和超声图像肝脏配准方法 | |
CN115205241A (zh) | 一种用于视细胞密度的计量方法及系统 | |
KR101818992B1 (ko) | 영상의 깊이 정보를 이용한 성형결과 이미지 도출방법 | |
CN105678794A (zh) | 一种基于图像处理的瘢痕治疗效果的评估方法 | |
JP3540731B2 (ja) | 眼底画像変形合成方法、そのプログラムを記録した記録媒体、及び眼底画像変形合成装置 | |
CN113012230A (zh) | 一种术中ar辅助引导手术导板安放的方法 | |
CN114663513B (zh) | 一种操作仪工作端移动轨迹的实时位姿估计与评估方法 | |
CN112652002B (zh) | 一种基于idc算法的医疗影像配准方法 |
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 |