CN112381065A - 一种人脸定位的方法及终端 - Google Patents
一种人脸定位的方法及终端 Download PDFInfo
- Publication number
- CN112381065A CN112381065A CN202011430501.5A CN202011430501A CN112381065A CN 112381065 A CN112381065 A CN 112381065A CN 202011430501 A CN202011430501 A CN 202011430501A CN 112381065 A CN112381065 A CN 112381065A
- Authority
- CN
- China
- Prior art keywords
- face
- model
- preset
- coordinate
- gray value
- 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 25
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸定位的方法及终端,获取单一背景下的RGB照片,将RGB照片转为V模型图片和H模型图片,V模型图片、H模型图片和RGB照片的尺寸大小相同;通过V模型图片中获取头顶坐标;通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置。本发明通过将RGB照片转为尺寸大小相同的V模型图片和H模型图片,之后通过V模型图片中获取头顶坐标,通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标,从而确定了RGB照片中的人脸位置,即本发明无需通过复杂的现有人脸定位算法,就可以快速且准确的对单一背景的人脸照片进行人脸定位。
Description
技术领域
本发明涉及人脸定位技术领域,特别涉及一种人脸定位的方法及终端。
背景技术
人脸定位是在一张图片中找到人脸的位置,并标注出来。其中,在人脸识别、拍摄证件照、拍摄数码照片或美颜等等需要提取人脸信息来进行进一步处理的应用场景下,都需要先进行人脸定位,然后再对定位的人脸信息进行提取处理,因此人脸定位技术在上述应用场景中至关重要。
其中,在拍摄证件照时,对于不同的证件照规则,对于人脸在照片中所占的位置和大小都有一定的要求。现有的照片调整方法大部分是通过人工调整人脸在照片中的位置和大小,来符合证件照规则。而若要实现自动调整,则需要实现人脸定位,即现有缺乏一种对单一背景的人脸照片进行人脸定位的方法。
发明内容
本发明所要解决的技术问题是:提供一种人脸定位的方法及终端,以快速且准确的对单一背景的人脸照片进行人脸定位。
为了解决上述技术问题,本发明采用的技术方案为:
一种人脸定位的方法,包括步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种人脸定位的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
本发明的有益效果在于:一种人脸定位的方法及终端,在获取到单一背景下的RGB照片时,将RGB照片转为尺寸大小相同的V模型图片和H模型图片,之后通过V模型图片中获取头顶坐标,通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;然后根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置,即本发明无需通过复杂的现有人脸定位算法,就可以快速且准确的对单一背景的人脸照片进行人脸定位。
附图说明
图1为本发明实施例的一种人脸定位的方法的流程示意图;
图2为本发明实施例涉及的RGB照片的示意图;
图3为本发明实施例涉及的V模型图片的示意图;
图4为本发明实施例涉及的H模型图片的示意图;
图5为本发明实施例的一种人脸定位的终端的结构示意图。
标号说明:
1、一种人脸定位的终端;2、处理器;3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1至图4,一种人脸定位的方法,包括步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
从上述描述可知,本发明的有益效果在于:在获取到单一背景下的RGB照片时,将RGB照片转为尺寸大小相同的V模型图片和H模型图片,之后通过V模型图片中获取头顶坐标,通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;然后根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置,即本发明无需通过复杂的现有人脸定位算法,就可以快速且准确的对单一背景的人脸照片进行人脸定位。
进一步地,所述步骤S2具体包括以下步骤:
S21、获取预设头顶灰度值范围和预设头顶像素点数量,所述预设头顶灰度值为小于或等于第一预设数值,所述第一预设数值的取值范围为[150,240],所述预设头顶像素点数量为[20,100];
S22、从所述V模型图片的顶部从上往下且从左往右依次获取每一个V模型像素点的灰度值,对每一个所述V模型像素点判断其灰度值是否属于所述预设头顶灰度值范围,若是,则累计第一数值,直至所述第一数值等于所述预设头顶像素点数量,则将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的行坐标作为所述头顶坐标的头顶纵坐标。
从上述描述可知,在V模型图片下,背景为白色或者浅白色,而头顶所在的位置的灰度值偏黑色,由此通过预设头顶灰度值范围和预设头顶像素点数量,能够准确识别出头顶且避免出现误差。
进一步地,所述步骤S2中还包括以下步骤:
将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的列坐标作为所述头顶坐标的头顶横坐标。
从上述描述可知,对于头顶坐标的头顶横坐标可以直接使用最后获取到的V模型像素点的列坐标。
进一步地,所述步骤S3具体包括以下步骤:
S31、获取所述头顶坐标的头顶纵坐标和预设脸部灰度值范围,所述预设脸部灰度值范围为小于或等于第二预设数值,所述第二预设数值的取值范围为[10,30];
S32、从所述H模型图片的所述头顶纵坐标开始往下循环获取第三预设数值个H模型像素行,对所获取的每一个所述H模型像素行的每一个H模型像素点判断其灰度值是否属于所述预设脸部灰度值范围,若是,对每一个所述H模型像素行的第二数值进行对应累计,得到所述第二数值最大的第一H模型像素行,所述第三预设数值的取值范围为[400,500];
S33、从所述第一H模型像素行的最左边开始往右依次获取H模型像素点,直至所获取的所述第一H模型像素行的第一H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第一H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部左侧坐标的脸部左侧横坐标和脸部左侧纵坐标;
S33、从所述第一H模型像素行的最右边开始往左依次获取H模型像素点,直至所获取的所述第一H模型像素行的第二H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第二H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部右侧坐标的脸部右侧横坐标和脸部右侧纵坐标。
从上述描述可知,从头顶纵坐标开始往下循环获取四五百个H模型像素行,可以快速且准确的定位到脸部最宽的所在区域,以减小计算量;此时,由于H颜色模型中,脸部的颜色是黑色的,因此,通过预设脸部灰度值范围来判断是否为脸部的像素点,从而快速且准确的得到脸部两侧的纵坐标;之后采用两侧向中间获取脸部两侧的横坐标的方式,相较于从中间往两边来说,能够有效的减少错误识别的情况,保证人脸定位的准确性。
进一步地,所述步骤S4之后还包括以下步骤:
S5、根据所述头顶坐标和预设证件照规则调整所述RGB照片的长度,根据所述脸部左侧坐标、所述脸部右侧坐标和所述预设证件照规则调整所述RGB照片的宽度。
从上述描述可知,根据所定位的人脸按照预设证件照规则对RGB照片进行自动调整,以使得调整后的证件照符合预设证件照规则。
请参照图2至图5,一种人脸定位的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
从上述描述可知,本发明的有益效果在于:在获取到单一背景下的RGB照片时,将RGB照片转为尺寸大小相同的V模型图片和H模型图片,之后通过V模型图片中获取头顶坐标,通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;然后根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置,即本发明无需通过复杂的现有人脸定位算法,就可以快速且准确的对单一背景的人脸照片进行人脸定位。
进一步地,所述步骤S2具体包括以下步骤:
S21、获取预设头顶灰度值范围和预设头顶像素点数量,所述预设头顶灰度值为小于或等于第一预设数值,所述第一预设数值的取值范围为[150,240],所述预设头顶像素点数量为[20,100];
S22、从所述V模型图片的顶部从上往下且从左往右依次获取每一个V模型像素点的灰度值,对每一个所述V模型像素点判断其灰度值是否属于所述预设头顶灰度值范围,若是,则累计第一数值,直至所述第一数值等于所述预设头顶像素点数量,则将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的行坐标作为所述头顶坐标的头顶纵坐标。
从上述描述可知,在V模型图片下,背景为白色或者浅白色,而头顶所在的位置的灰度值偏黑色,由此通过预设头顶灰度值范围和预设头顶像素点数量,能够准确识别出头顶且避免出现误差。
进一步地,所述步骤S2中还包括以下步骤:
将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的列坐标作为所述头顶坐标的头顶横坐标。
从上述描述可知,对于头顶坐标的头顶横坐标可以直接使用最后获取到的V模型像素点的列坐标。
进一步地,所述步骤S3具体包括以下步骤:
S31、获取所述头顶坐标的头顶纵坐标和预设脸部灰度值范围,所述预设脸部灰度值范围为小于或等于第二预设数值,所述第二预设数值的取值范围为[10,30];
S32、从所述H模型图片的所述头顶纵坐标开始往下循环获取第三预设数值个H模型像素行,对所获取的每一个所述H模型像素行的每一个H模型像素点判断其灰度值是否属于所述预设脸部灰度值范围,若是,对每一个所述H模型像素行的第二数值进行对应累计,得到所述第二数值最大的第一H模型像素行,所述第三预设数值的取值范围为[400,500];
S33、从所述第一H模型像素行的最左边开始往右依次获取H模型像素点,直至所获取的所述第一H模型像素行的第一H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第一H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部左侧坐标的脸部左侧横坐标和脸部左侧纵坐标;
S33、从所述第一H模型像素行的最右边开始往左依次获取H模型像素点,直至所获取的所述第一H模型像素行的第二H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第二H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部右侧坐标的脸部右侧横坐标和脸部右侧纵坐标。
从上述描述可知,从头顶纵坐标开始往下循环获取四五百个H模型像素行,可以快速且准确的定位到脸部最宽的所在区域,以减小计算量;此时,由于H颜色模型中,脸部的颜色是黑色的,因此,通过预设脸部灰度值范围来判断是否为脸部的像素点,从而快速且准确的得到脸部两侧的纵坐标;之后采用两侧向中间获取脸部两侧的横坐标的方式,相较于从中间往两边来说,能够有效的减少错误识别的情况,保证人脸定位的准确性。
进一步地,所述步骤S4之后还包括以下步骤:
S5、根据所述头顶坐标和预设证件照规则调整所述RGB照片的长度,根据所述脸部左侧坐标、所述脸部右侧坐标和所述预设证件照规则调整所述RGB照片的宽度。
从上述描述可知,根据所定位的人脸按照预设证件照规则对RGB照片进行自动调整,以使得调整后的证件照符合预设证件照规则。
请参照图1至图4,本发明的实施例一为:
一种人脸定位的方法,包括步骤:
S1、获取单一背景下的RGB照片,将RGB照片转为V模型图片和H模型图片,V模型图片、H模型图片和RGB照片的尺寸大小相同;
在本实施例中,通过现有技术可以将RGB照片转化为HSV颜色模型图片,分别得到尺寸大小相同的V模型图片、H模型图片和S模型图片,这样后续从任意一张图片中获取的位置信息都可以同步到其他图片中的位置信息,以协同实现人脸定位。其中,S模型图片在本实施例中未用来进行人脸定位,因此后续未描述S模型图片。
其中,HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV的H即为色相(Hue)、S即为饱和度(Saturation)以及V即为明度(Value),又称HSB,其中B即为明度(Brightness)。色相是色彩的基本属性,就是平常说的颜色的名称,如红色和黄色等。饱和度是指色彩的纯度,饱和度越高色彩越纯,低则逐渐变灰,取0-100%的数值。明度取0-max,这与计算机中HSV取值范围和存储的长度有关。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处,V=0,H和S无定义,代表黑色。圆锥的顶面中心处V=max,S=0,H无定义,代表白色。
在本实施例中,由于附图要求为黑白图片,所以对彩色的RGB照片进行灰度处理所得到的图2,应当知晓的是,彩色的RGB照片下也为单一背景,在出现有其他颜色时可人工或自动进行去噪处理,以使得待处理的RGB照片为单一背景。
本实施例中的证件照包括身份证、护照、驾驶证等具有一定规则且为单一背景的图片。
S2、通过V模型图片中获取头顶坐标;
在本实施例中,如图3所示,在V模型图片下,背景为白色或者浅白色,而头顶所在的位置的灰度值偏黑色,因此步骤S2具体包括以下步骤:
S21、获取预设头顶灰度值范围和预设头顶像素点数量,预设头顶灰度值为小于或等于第一预设数值,第一预设数值的取值范围为[150,240],预设头顶像素点数量为[20,100];
在本实施例中,第一预设数值为195,即灰度值为0到195之内的像素点认为是头顶像素点,以区分背景的白色或者浅白色。预设头顶像素点数量为50,来作为判断阈值。
S22、从V模型图片的顶部从上往下且从左往右依次获取每一个V模型像素点的灰度值,对每一个V模型像素点判断其灰度值是否属于预设头顶灰度值范围,若是,则累计第一数值,直至第一数值等于预设头顶像素点数量,则将第一数值等于预设头顶像素点数量时所对应的V模型像素点的行坐标作为头顶坐标的头顶纵坐标,将第一数值等于预设头顶像素点数量时所对应的V模型像素点的列坐标作为头顶坐标的头顶横坐标。
在本实施例中,即累计到50个像素点被认为是头顶像素点就停止获取下一像素点,此时,最后一个像素点所在的行即为头顶所在的行,因此,可以将最后一个像素点的坐标作为头顶坐标。
S3、通过H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
在本实施例中,如图4所示,在H颜色模型中,脸部的颜色是黑色的,因此步骤S3具体包括以下步骤:
S31、获取头顶坐标的头顶纵坐标和预设脸部灰度值范围,预设脸部灰度值范围为小于或等于第二预设数值,第二预设数值的取值范围为[10,30];
在本实施例中,第二预设数值为20,即基本上看起来为黑色的像素点。
S32、从H模型图片的头顶纵坐标开始往下循环获取第三预设数值个H模型像素行,对所获取的每一个H模型像素行的每一个H模型像素点判断其灰度值是否属于预设脸部灰度值范围,若是,对每一个H模型像素行的第二数值进行对应累计,得到第二数值最大的第一H模型像素行,第三预设数值的取值范围为[400,500];
在本实施例中,第三预设数值为450,在如图4所示,在头顶往下450个像素点位于嘴和眼睛之间的区域,该区域包括了脸部最宽的位置,由此,无需往下继续获取,避免出现误差。
其中,对这450个H模型像素行都进行判断累计,得到每一个H模型像素行的第二数值,从而快速的确定脸部最宽时所在的行。
S33、从第一H模型像素行的最左边开始往右依次获取H模型像素点,直至所获取的第一H模型像素行的第一H模型像素点的灰度值属于预设脸部灰度值范围,则将第一H模型像素点的列坐标和行坐标作为人脸最宽时的脸部左侧坐标的脸部左侧横坐标和脸部左侧纵坐标;
S33、从第一H模型像素行的最右边开始往左依次获取H模型像素点,直至所获取的第一H模型像素行的第二H模型像素点的灰度值属于预设脸部灰度值范围,则将第二H模型像素点的列坐标和行坐标作为人脸最宽时的脸部右侧坐标的脸部右侧横坐标和脸部右侧纵坐标。
在本实施例中,步骤S32和步骤33都是从两侧往中间取,以避免中间往两侧获取时由于脸部部分白色像素点所造成的错误识别,从而准确的获取到脸部最宽时对应的两个点坐标作为脸部左侧坐标和脸部右侧坐标。
S4、根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置。
S5、根据头顶坐标和预设证件照规则调整RGB照片的长度,根据脸部左侧坐标、脸部右侧坐标和预设证件照规则调整RGB照片的宽度。
在本实施例中,根据预设证件照规则进行自动调整,比如头顶距离照片顶部多少距离,根据头顶坐标就可以进行裁剪,比如脸部宽度要求多大,可以根据照片中的人脸实际宽度进行缩放,从而自动调整成符合预设证件照规则的证件照。
请参照图2至图5,本发明的实施例二为:
一种人脸定位的终端1,包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序,处理器2执行计算机程序时实现上述实施例一的步骤。
综上所述,本发明提供的一种人脸定位的方法及终端,在获取到单一背景下的RGB照片时,将RGB照片转为尺寸大小相同的V模型图片和H模型图片,之后通过预设头顶灰度值范围和预设头顶像素点数量从V模型图片中获取头顶坐标,通过头顶纵坐标和预设脸部灰度值范围从H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;然后根据头顶坐标、脸部左侧坐标和脸部右侧坐标确定RGB照片中的人脸位置,即本发明无需通过复杂的现有人脸定位算法,就可以快速且准确的对单一背景的人脸照片进行人脸定位。
以上所述仅为本发明的实施例,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同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸定位的方法,其特征在于,包括步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
2.根据权利要求1所述的一种人脸定位的方法,其特征在于,所述步骤S2具体包括以下步骤:
S21、获取预设头顶灰度值范围和预设头顶像素点数量,所述预设头顶灰度值为小于或等于第一预设数值,所述第一预设数值的取值范围为[150,240],所述预设头顶像素点数量为[20,100];
S22、从所述V模型图片的顶部从上往下且从左往右依次获取每一个V模型像素点的灰度值,对每一个所述V模型像素点判断其灰度值是否属于所述预设头顶灰度值范围,若是,则累计第一数值,直至所述第一数值等于所述预设头顶像素点数量,则将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的行坐标作为所述头顶坐标的头顶纵坐标。
3.根据权利要求2所述的一种人脸定位的方法,其特征在于,所述步骤S2中还包括以下步骤:
将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的列坐标作为所述头顶坐标的头顶横坐标。
4.根据权利要求1所述的一种人脸定位的方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、获取所述头顶坐标的头顶纵坐标和预设脸部灰度值范围,所述预设脸部灰度值范围为小于或等于第二预设数值,所述第二预设数值的取值范围为[10,30];
S32、从所述H模型图片的所述头顶纵坐标开始往下循环获取第三预设数值个H模型像素行,对所获取的每一个所述H模型像素行的每一个H模型像素点判断其灰度值是否属于所述预设脸部灰度值范围,若是,对每一个所述H模型像素行的第二数值进行对应累计,得到所述第二数值最大的第一H模型像素行,所述第三预设数值的取值范围为[400,500];
S33、从所述第一H模型像素行的最左边开始往右依次获取H模型像素点,直至所获取的所述第一H模型像素行的第一H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第一H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部左侧坐标的脸部左侧横坐标和脸部左侧纵坐标;
S33、从所述第一H模型像素行的最右边开始往左依次获取H模型像素点,直至所获取的所述第一H模型像素行的第二H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第二H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部右侧坐标的脸部右侧横坐标和脸部右侧纵坐标。
5.根据权利要求1所述的一种人脸定位的方法,其特征在于,所述步骤S4之后还包括以下步骤:
S5、根据所述头顶坐标和预设证件照规则调整所述RGB照片的长度,根据所述脸部左侧坐标、所述脸部右侧坐标和所述预设证件照规则调整所述RGB照片的宽度。
6.一种人脸定位的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取单一背景下的RGB照片,将所述RGB照片转为V模型图片和H模型图片,所述V模型图片、所述H模型图片和所述RGB照片的尺寸大小相同;
S2、通过所述V模型图片中获取头顶坐标;
S3、通过所述H模型图片获取人脸最宽时的脸部左侧坐标和脸部右侧坐标;
S4、根据所述头顶坐标、所述脸部左侧坐标和所述脸部右侧坐标确定所述RGB照片中的人脸位置。
7.根据权利要求6所述的一种人脸定位的终端,其特征在于,所述步骤S2具体包括以下步骤:
S21、获取预设头顶灰度值范围和预设头顶像素点数量,所述预设头顶灰度值为小于或等于第一预设数值,所述第一预设数值的取值范围为[150,240],所述预设头顶像素点数量为[20,100];
S22、从所述V模型图片的顶部从上往下且从左往右依次获取每一个V模型像素点的灰度值,对每一个所述V模型像素点判断其灰度值是否属于所述预设头顶灰度值范围,若是,则累计第一数值,直至所述第一数值等于所述预设头顶像素点数量,则将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的行坐标作为所述头顶坐标的头顶纵坐标。
8.根据权利要求7所述的一种人脸定位的终端,其特征在于,所述步骤S2中还包括以下步骤:
将所述第一数值等于所述预设头顶像素点数量时所对应的所述V模型像素点的列坐标作为所述头顶坐标的头顶横坐标。
9.根据权利要求6所述的一种人脸定位的终端,其特征在于,所述步骤S3具体包括以下步骤:
S31、获取所述头顶坐标的头顶纵坐标和预设脸部灰度值范围,所述预设脸部灰度值范围为小于或等于第二预设数值,所述第二预设数值的取值范围为[10,30];
S32、从所述H模型图片的所述头顶纵坐标开始往下循环获取第三预设数值个H模型像素行,对所获取的每一个所述H模型像素行的每一个H模型像素点判断其灰度值是否属于所述预设脸部灰度值范围,若是,对每一个所述H模型像素行的第二数值进行对应累计,得到所述第二数值最大的第一H模型像素行,所述第三预设数值的取值范围为[400,500];
S33、从所述第一H模型像素行的最左边开始往右依次获取H模型像素点,直至所获取的所述第一H模型像素行的第一H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第一H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部左侧坐标的脸部左侧横坐标和脸部左侧纵坐标;
S33、从所述第一H模型像素行的最右边开始往左依次获取H模型像素点,直至所获取的所述第一H模型像素行的第二H模型像素点的灰度值属于所述预设脸部灰度值范围,则将所述第二H模型像素点的列坐标和行坐标作为所述人脸最宽时的所述脸部右侧坐标的脸部右侧横坐标和脸部右侧纵坐标。
10.根据权利要求6所述的一种人脸定位的终端,其特征在于,所述步骤S4之后还包括以下步骤:
S5、根据所述头顶坐标和预设证件照规则调整所述RGB照片的长度,根据所述脸部左侧坐标、所述脸部右侧坐标和所述预设证件照规则调整所述RGB照片的宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011430501.5A CN112381065B (zh) | 2020-12-07 | 2020-12-07 | 一种人脸定位的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011430501.5A CN112381065B (zh) | 2020-12-07 | 2020-12-07 | 一种人脸定位的方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381065A true CN112381065A (zh) | 2021-02-19 |
CN112381065B CN112381065B (zh) | 2024-04-05 |
Family
ID=74589951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011430501.5A Active CN112381065B (zh) | 2020-12-07 | 2020-12-07 | 一种人脸定位的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381065B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184401A (zh) * | 2011-04-29 | 2011-09-14 | 苏州两江科技有限公司 | 一种人脸特征提取方法 |
CN103218603A (zh) * | 2013-04-03 | 2013-07-24 | 哈尔滨工业大学深圳研究生院 | 一种人脸自动标注方法及系统 |
US20140300758A1 (en) * | 2013-04-04 | 2014-10-09 | Bao Tran | Video processing systems and methods |
CN105069431A (zh) * | 2015-08-07 | 2015-11-18 | 成都明图通科技有限公司 | 人脸的定位方法和装置 |
CN105898216A (zh) * | 2016-04-14 | 2016-08-24 | 武汉科技大学 | 一种利用无人机进行的人数计数方法 |
CN109344724A (zh) * | 2018-09-05 | 2019-02-15 | 深圳伯奇科技有限公司 | 一种证件照自动背景替换方法、系统及服务器 |
CN111222425A (zh) * | 2019-12-26 | 2020-06-02 | 新绎健康科技有限公司 | 一种人脸五官定位的方法及装置 |
CN111814738A (zh) * | 2020-07-27 | 2020-10-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的人脸识别方法、装置、计算机设备及介质 |
-
2020
- 2020-12-07 CN CN202011430501.5A patent/CN112381065B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184401A (zh) * | 2011-04-29 | 2011-09-14 | 苏州两江科技有限公司 | 一种人脸特征提取方法 |
CN103218603A (zh) * | 2013-04-03 | 2013-07-24 | 哈尔滨工业大学深圳研究生院 | 一种人脸自动标注方法及系统 |
US20140300758A1 (en) * | 2013-04-04 | 2014-10-09 | Bao Tran | Video processing systems and methods |
CN105069431A (zh) * | 2015-08-07 | 2015-11-18 | 成都明图通科技有限公司 | 人脸的定位方法和装置 |
CN105898216A (zh) * | 2016-04-14 | 2016-08-24 | 武汉科技大学 | 一种利用无人机进行的人数计数方法 |
CN109344724A (zh) * | 2018-09-05 | 2019-02-15 | 深圳伯奇科技有限公司 | 一种证件照自动背景替换方法、系统及服务器 |
CN111222425A (zh) * | 2019-12-26 | 2020-06-02 | 新绎健康科技有限公司 | 一种人脸五官定位的方法及装置 |
CN111814738A (zh) * | 2020-07-27 | 2020-10-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的人脸识别方法、装置、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112381065B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
US20030021478A1 (en) | Image processing technology for identification of red eyes in image | |
CN106326823B (zh) | 一种获取图片中头像的方法和系统 | |
CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
US20050129326A1 (en) | Image processing apparatus and print system | |
JP3959909B2 (ja) | ホワイトバランス調整方法及び調整装置 | |
CN105187721B (zh) | 一种快速提取人像特征的证照相机及方法 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN111461036B (zh) | 一种利用背景建模增强数据的实时行人检测方法 | |
CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
JP2007272435A (ja) | 顔特徴抽出装置及び顔特徴抽出方法 | |
CN101510255A (zh) | 一种识别定位人脸器官的方法、装置和视频处理芯片 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN113139557B (zh) | 一种基于二维多元经验模态分解的特征提取方法 | |
CN109448093A (zh) | 一种风格图像生成方法及装置 | |
CN113344837A (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
CN110288531B (zh) | 一种辅助操作人员制作标准身份证相片的方法及工具 | |
CN112381065B (zh) | 一种人脸定位的方法及终端 | |
CN110751690B (zh) | 铣床刀头视觉定位方法 | |
JP2003256834A (ja) | 顔領域抽出及び顔構成要素位置判定装置 | |
CN103325101A (zh) | 彩色特征的提取方法及装置 | |
KR101513931B1 (ko) | 구도의 자동보정 방법 및 이러한 구도의 자동보정 기능이 탑재된 영상 장치 | |
CN109934152A (zh) | 一种针对手语图像的改进小弯臂图像分割方法 | |
CN112749713B (zh) | 一种基于人工智能的大数据图像识别系统及方法 | |
CN112258660B (zh) | 一种虚拟穿衣图像的处理方法及其系统 |
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 |