CN117058322A - 一种人脸图像特征处理方法 - Google Patents
一种人脸图像特征处理方法 Download PDFInfo
- Publication number
- CN117058322A CN117058322A CN202311081304.0A CN202311081304A CN117058322A CN 117058322 A CN117058322 A CN 117058322A CN 202311081304 A CN202311081304 A CN 202311081304A CN 117058322 A CN117058322 A CN 117058322A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- processing
- light source
- images
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000005286 illumination Methods 0.000 claims abstract description 8
- 230000001815 facial effect Effects 0.000 claims description 25
- 239000003086 colorant Substances 0.000 claims description 9
- 238000000034 method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008921 facial expression Effects 0.000 description 6
- 210000003128 head Anatomy 0.000 description 6
- 210000000887 face Anatomy 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011284 combination treatment Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸图像特征处理方法,包括以下步骤:S1、多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像;S2、对多张目标用户的正面人脸图像进行人脸重合检测,得到待处理图像,本发明的有益效果是:通过依据人脸图像对三维图像模型进行建立,将人脸图像进行三维建立,对人脸图像的特征进行充分处理,更准确的找到人脸图像的朝向方位,保障图像特征处理的准确性,通过对待处理图像各个位置的RGB色彩值进行计算,通过各个位置的RGB色彩值对图像块进行分类,通过各个图像块中的RGB色彩值对光源位置进行快速获取处理,准确对人脸图像进行光照检测。
Description
技术领域
本发明涉及人脸图像技术领域,具体为一种人脸图像特征处理方法。
背景技术
准确的识别面部表情是个体的一项重要社会技能,在人与人的交流中有着重要的作用。面部表情的识别受到了沟通双方多种因素的影响。一方面,从表情发出者的角度来看,面部本身的特征,包括特定部位(如眼睛和嘴部)和整体的特征信息,均会影响面部表情的识别。另一方面,从信息接收者的角度来看,观察者自身的特性(如其所处的情绪状态、内部思维线索等)也会影响面部表情的识别,人脸特定部位的信息对面部表情识别有重要的影响作用。面部特征点的选取,应包含我们需要提取的面部特征点,同时这些特征点要能很好地描述出每个表情的变化过程,特征点的数量在其标定五官的周围要达到一定密度,以达到在表情变化时完整地描述该五官的变化情况,除了特定部位的特征外,人脸的整体特征也会影响个体对面部表情的识别。整体特征的影响可以表现在多个方面,包括面部结构、人脸的形态和性别等。面部结构是指面孔上各个部位之间的空间关系及布局信息,但在现有的人脸图像特征处理时,对于人脸图像中的特性信息处理的不够准确,在人脸图像信息提取时对图像处理时容易造成图像亮度调节过度,出现图像失真的情况,影响人脸图像特征处理的稳定性。
发明内容
本发明的目的在于提供一种人脸图像特征处理方法,以解决上述背景技术中提出的在现有的人脸图像特征处理时,对于人脸图像中的特性信息处理的不够准确,在人脸图像信息提取时对图像处理时容易造成图像亮度调节过度,出现图像失真的情况,影响人脸图像特征处理的稳定性的问题。
为实现上述目的,本发明提供如下技术方案:一种人脸图像特征处理方法,包括以下步骤:
S1、多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像;
S2、对多张目标用户的正面人脸图像进行人脸重合检测,得到待处理图像;
S3、建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节;
S4、调节人脸图像与三维人脸尺寸进行替换,依据人脸图像得到三维图像模型;
S5、对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置;
S6、依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理,获取人脸处理图像;
S7、将人脸处理图像存在的色彩特征进行提取;
S8、依据色彩特征对人脸处理图像的对应位置进行图像获取,标记第一人脸图像特征;
S9、依据肤色对人脸处理图像特征标记第二人脸图像特征;
S10、录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征;
S11、将人脸图像特征进行汇总,依据目标用户的个人信息进行分类记录处理。
作为本发明的一种优选方案:所述S1中的多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像具体包括以下步骤:对目标用户的人脸进行多次图像扫描,对多次图像扫描得到的人脸图像进行拼接组合,组合后得到多张目标用户的正面人脸图像。
作为本发明的一种优选方案:所述S2中的对多张目标用户的正面人脸图像进行人脸重合检测具体包括以下步骤:
S21、对每张正面人脸图像进行人脸检测,将人脸区域进行裁剪,去除图像背景影响;
S22、将裁剪后的多张目标用户的正面人脸图像进行定位重合,定位重合后得到特征显示完全的正面人脸图像。
作为本发明的一种优选方案:所述S3中的建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节具体包括以下步骤:
S31、建立三维人脸模型库,将三维人脸和头部的三维模型进行录入;
S32、将待处理图像与三维人脸模型库中的三维人脸进行尺寸配对,将尺寸配对成功的三维人脸与对应的头部三维模型进行待处理图像尺寸调节处理。
作为本发明的一种优选方案:所述S5中的对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置具体包括以下步骤:
S51、将待处理图像中的各个位置的RGB色彩值进行计算,通过RGB色彩值对待处理图像的图像块进行划分;
S52、依据各个待处理图像的图像块RGB色彩值大小对光照位置进行获取,从而得到光源位置。
作为本发明的一种优选方案:所述S6中的依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理具体包括以下步骤:
S61、依据光源位置针对每个类型的光源,确定属于光源类型的光源图像块;
S62、依据光源位置对各个光源图像块进行灰度化处理,然后对灰度化处理的各个光源图像块进行组合处理。
作为本发明的一种优选方案:所述S7中的将人脸处理图像存在的色彩特征进行提取具体包括以下步骤:
S71、设置RGB色彩值图像块的差距阈值;
S72、获取RGB色彩值图像块范围内的RGB色彩值极值差距;
S73、根据差距阈值与获取的RGB色彩值极值差距进行比对,得到色彩差距位置;
S74、将人脸处理图像存在的色彩特征进行提取。
作为本发明的一种优选方案:所述S9中的依据肤色对人脸处理图像特征标记第二人脸图像特征具体包括以下步骤:
S91、建立肤色图像对比库,将肤色类型进行分类处理;
S92、对人脸图像进行整体亮度调节,对人脸处理图像的肤色进行校正,与肤色图像对比库进行比对;
S93、根据比对的肤色对人脸处理图像特征标记为第二人脸图像特征。
作为本发明的一种优选方案:所述S10中的录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征具体包括以下步骤:
S101、录入标准人脸图像模型并通过标准人脸图像模型与人脸处理图像进行重合比对;
S102、比对外形后对人脸特征标记为第三人脸图像特征。
与现有技术相比,本发明的有益效果是:本发明通过依据人脸图像对三维图像模型进行建立,将人脸图像进行三维建立,对人脸图像的特征进行充分处理,更准确的找到人脸图像的朝向方位,保障图像特征处理的准确性,通过对待处理图像各个位置的RGB色彩值进行计算,通过各个位置的RGB色彩值对图像块进行分类,通过各个图像块中的RGB色彩值对光源位置进行快速获取处理,准确对人脸图像进行光照检测,通过对人脸图像特征的第一人脸图像特征、第二人脸图像特征和第三人脸图像特征进行对比检测,快速的对人脸图像特征进行准确获取处理。
附图说明
图1为本发明方法步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种人脸图像特征处理方法,包括以下步骤:
S1、多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像;
S2、对多张目标用户的正面人脸图像进行人脸重合检测,得到待处理图像;
S3、建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节;
S4、调节人脸图像与三维人脸尺寸进行替换,依据人脸图像得到三维图像模型,通过依据人脸图像对三维图像模型进行建立,将人脸图像进行三维建立,对人脸图像的特征进行充分处理,更准确的找到人脸图像的朝向方位,保障图像特征处理的准确性;
S5、对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置;
S6、依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理,获取人脸处理图像,通过对待处理图像各个位置的RGB色彩值进行计算,通过各个位置的RGB色彩值对图像块进行分类,通过各个图像块中的RGB色彩值对光源位置进行快速获取处理,准确对人脸图像进行光照检测;
S7、将人脸处理图像存在的色彩特征进行提取;
S8、依据色彩特征对人脸处理图像的对应位置进行图像获取,标记第一人脸图像特征;
S9、依据肤色对人脸处理图像特征标记第二人脸图像特征;
S10、录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征,通过对人脸图像特征的第一人脸图像特征、第二人脸图像特征和第三人脸图像特征进行对比检测,快速的对人脸图像特征进行准确获取处理;
S11、将人脸图像特征进行汇总,依据目标用户的个人信息进行分类记录处理。
其中,S1中的多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像具体包括以下步骤:对目标用户的人脸进行多次图像扫描,对多次图像扫描得到的人脸图像进行拼接组合,组合后得到多张目标用户的正面人脸图像。
其中,S2中的对多张目标用户的正面人脸图像进行人脸重合检测具体包括以下步骤:
S21、对每张正面人脸图像进行人脸检测,将人脸区域进行裁剪,去除图像背景影响;
S22、将裁剪后的多张目标用户的正面人脸图像进行定位重合,定位重合后得到特征显示完全的正面人脸图像。
其中,S3中的建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节具体包括以下步骤:
S31、建立三维人脸模型库,将三维人脸和头部的三维模型进行录入;
S32、将待处理图像与三维人脸模型库中的三维人脸进行尺寸配对,将尺寸配对成功的三维人脸与对应的头部三维模型进行待处理图像尺寸调节处理。
其中,S5中的对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置具体包括以下步骤:
S51、将待处理图像中的各个位置的RGB色彩值进行计算,通过RGB色彩值对待处理图像的图像块进行划分;
S52、依据各个待处理图像的图像块RGB色彩值大小对光照位置进行获取,从而得到光源位置。
其中,S6中的依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理具体包括以下步骤:
S61、依据光源位置针对每个类型的光源,确定属于光源类型的光源图像块;
S62、依据光源位置对各个光源图像块进行灰度化处理,然后对灰度化处理的各个光源图像块进行组合处理,通过对待处理图像各个位置的RGB色彩值进行计算,通过各个位置的RGB色彩值对图像块进行分类,通过各个图像块中的RGB色彩值对光源位置进行快速获取处理,准确对人脸图像进行光照检测。
其中,S7中的将人脸处理图像存在的色彩特征进行提取具体包括以下步骤:
S71、设置RGB色彩值图像块的差距阈值;
S72、获取RGB色彩值图像块范围内的RGB色彩值极值差距;
S73、根据差距阈值与获取的RGB色彩值极值差距进行比对,得到色彩差距位置;
S74、将人脸处理图像存在的色彩特征进行提取。
其中,S9中的依据肤色对人脸处理图像特征标记第二人脸图像特征具体包括以下步骤:
S91、建立肤色图像对比库,将肤色类型进行分类处理;
S92、对人脸图像进行整体亮度调节,对人脸处理图像的肤色进行校正,与肤色图像对比库进行比对;
S93、根据比对的肤色对人脸处理图像特征标记为第二人脸图像特征,通过肤色对人脸图像特征进行第二人脸图像特征标记,对人脸图像进行处理操作。
其中,S10中的录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征具体包括以下步骤:
S101、录入标准人脸图像模型并通过标准人脸图像模型与人脸处理图像进行重合比对;
S102、比对外形后对人脸特征标记为第三人脸图像特征,通过标准人脸图像与人脸处理图像进行快速比对,通过外形得到第三人脸图像特征,将人脸图像特征进行快速获取,通过对人脸图像特征的第一人脸图像特征、第二人脸图像特征和第三人脸图像特征进行对比检测,快速的对人脸图像特征进行准确获取处理。
一种人脸图像特征处理方法,其特征在于,包括以下步骤:
S1、对目标用户的人脸进行多次图像扫描,对多次图像扫描得到的人脸图像进行拼接组合,组合后得到多张目标用户的正面人脸图像;
S2、对每张正面人脸图像进行人脸检测,将人脸区域进行裁剪,去除图像背景影响,将裁剪后的多张目标用户的正面人脸图像进行定位重合,定位重合后得到特征显示完全的正面人脸图像,得到待处理图像;
S3、建立三维人脸模型库,将三维人脸和头部的三维模型进行录入,将待处理图像与三维人脸模型库中的三维人脸进行尺寸配对,将尺寸配对成功的三维人脸与对应的头部三维模型进行待处理图像尺寸调节处理;
S4、调节人脸图像与三维人脸尺寸进行替换,依据人脸图像得到三维图像模型;
S5、将待处理图像中的各个位置的RGB色彩值进行计算,通过RGB色彩值对待处理图像的图像块进行划分,依据各个待处理图像的图像块RGB色彩值大小对光照位置进行获取,从而得到光源位置;
S6、依据光源位置针对每个类型的光源,确定属于光源类型的光源图像块,依据光源位置对各个光源图像块进行灰度化处理,然后对灰度化处理的各个光源图像块进行组合处理,获取人脸处理图像;
S7、设置RGB色彩值图像块的差距阈值,获取RGB色彩值图像块范围内的RGB色彩值极值差距,根据差距阈值与获取的RGB色彩值极值差距进行比对,得到色彩差距位置,将人脸处理图像存在的色彩特征进行提取;
S8、依据色彩特征对人脸处理图像的对应位置进行图像获取,标记第一人脸图像特征;
S9、建立肤色图像对比库,将肤色类型进行分类处理,对人脸图像进行整体亮度调节,对人脸处理图像的肤色进行校正,与肤色图像对比库进行比对,根据比对的肤色对人脸处理图像特征标记为第二人脸图像特征;
S10、录入标准人脸图像模型并通过标准人脸图像模型与人脸处理图像进行重合比对,比对外形后对人脸特征标记为第三人脸图像特征;
S11、将人脸图像特征进行汇总,依据目标用户的个人信息进行分类记录处理。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种人脸图像特征处理方法,其特征在于,包括以下步骤:
S1、多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像;
S2、对多张目标用户的正面人脸图像进行人脸重合检测,得到待处理图像;
S3、建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节;
S4、调节人脸图像与三维人脸尺寸进行替换,依据人脸图像得到三维图像模型;
S5、对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置;
S6、依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理,获取人脸处理图像;
S7、将人脸处理图像存在的色彩特征进行提取;
S8、依据色彩特征对人脸处理图像的对应位置进行图像获取,标记第一人脸图像特征;
S9、依据肤色对人脸处理图像特征标记第二人脸图像特征;
S10、录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征;
S11、将人脸图像特征进行汇总,依据目标用户的个人信息进行分类记录处理。
2.根据权利要求1所述的一种人脸图像特征处理方法,其特征在于:所述S1中的多次扫描人脸得到多张人脸图像并进行组合,组合后得到多张目标用户的正面人脸图像具体包括以下步骤:对目标用户的人脸进行多次图像扫描,对多次图像扫描得到的人脸图像进行拼接组合,组合后得到多张目标用户的正面人脸图像。
3.根据权利要求2所述的一种人脸图像特征处理方法,其特征在于:所述S2中的对多张目标用户的正面人脸图像进行人脸重合检测具体包括以下步骤:
S21、对每张正面人脸图像进行人脸检测,将人脸区域进行裁剪,去除图像背景影响;
S22、将裁剪后的多张目标用户的正面人脸图像进行定位重合,定位重合后得到特征显示完全的正面人脸图像。
4.根据权利要求3所述的一种人脸图像特征处理方法,其特征在于:所述S3中的建立三维人脸模型库,将扫描的待处理图像与三维人脸模型库中的三维人脸尺寸进行调节具体包括以下步骤:
S31、建立三维人脸模型库,将三维人脸和头部的三维模型进行录入;
S32、将待处理图像与三维人脸模型库中的三维人脸进行尺寸配对,将尺寸配对成功的三维人脸与对应的头部三维模型进行待处理图像尺寸调节处理。
5.根据权利要求4所述的一种人脸图像特征处理方法,其特征在于:所述S5中的对待处理图像各个位置的RGB色彩值进行计算,并对图像块进行划分,获取光源位置具体包括以下步骤:
S51、将待处理图像中的各个位置的RGB色彩值进行计算,通过RGB色彩值对待处理图像的图像块进行划分;
S52、依据各个待处理图像的图像块RGB色彩值大小对光照位置进行获取,从而得到光源位置。
6.根据权利要求5所述的一种人脸图像特征处理方法,其特征在于:所述S6中的依据光源位置对各个RGB色彩值图像块所属的光源类型进行灰度化处理具体包括以下步骤:
S61、依据光源位置针对每个类型的光源,确定属于光源类型的光源图像块;
S62、依据光源位置对各个光源图像块进行灰度化处理,然后对灰度化处理的各个光源图像块进行组合处理。
7.根据权利要求6所述的一种人脸图像特征处理方法,其特征在于:所述S7中的将人脸处理图像存在的色彩特征进行提取具体包括以下步骤:
S71、设置RGB色彩值图像块的差距阈值;
S72、获取RGB色彩值图像块范围内的RGB色彩值极值差距;
S73、根据差距阈值与获取的RGB色彩值极值差距进行比对,得到色彩差距位置;
S74、将人脸处理图像存在的色彩特征进行提取。
8.根据权利要求7所述的一种人脸图像特征处理方法,其特征在于:所述S9中的依据肤色对人脸处理图像特征标记第二人脸图像特征具体包括以下步骤:
S91、建立肤色图像对比库,将肤色类型进行分类处理;
S92、对人脸图像进行整体亮度调节,对人脸处理图像的肤色进行校正,与肤色图像对比库进行比对;
S93、根据比对的肤色对人脸处理图像特征标记为第二人脸图像特征。
9.根据权利要求8所述的一种人脸图像特征处理方法,其特征在于:所述S10中的录入标准人脸图像模型并与人脸处理图像进行比对,对人脸特征标记第三人脸图像特征具体包括以下步骤:
S101、录入标准人脸图像模型并通过标准人脸图像模型与人脸处理图像进行重合比对;
S102、比对外形后对人脸特征标记为第三人脸图像特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311081304.0A CN117058322A (zh) | 2023-08-25 | 2023-08-25 | 一种人脸图像特征处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311081304.0A CN117058322A (zh) | 2023-08-25 | 2023-08-25 | 一种人脸图像特征处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117058322A true CN117058322A (zh) | 2023-11-14 |
Family
ID=88655164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311081304.0A Pending CN117058322A (zh) | 2023-08-25 | 2023-08-25 | 一种人脸图像特征处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058322A (zh) |
-
2023
- 2023-08-25 CN CN202311081304.0A patent/CN117058322A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161243B (zh) | 基于样本增强的工业产品表面缺陷检测方法 | |
CN111539912B (zh) | 基于人脸结构定位的健康指标评估方法、设备和存储介质 | |
WO2016123977A1 (zh) | 一种图像色彩识别方法、装置及终端、存储介质 | |
CN104036278B (zh) | 人脸算法标准脸部图像的提取方法 | |
US7835549B2 (en) | Learning method of face classification apparatus, face classification method, apparatus and program | |
EP1271394A2 (en) | Method for automatically locating eyes in an image | |
CN106610969A (zh) | 基于多模态信息的视频内容审查系统及方法 | |
Huang et al. | When face recognition meets occlusion: A new benchmark | |
CN103902958A (zh) | 人脸识别的方法 | |
EP3905104B1 (en) | Living body detection method and device | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN111967319B (zh) | 基于红外和可见光的活体检测方法、装置、设备和存储介质 | |
CN104794693A (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
CN109410138B (zh) | 修饰双下巴的方法、装置和系统 | |
CN112528939A (zh) | 一种人脸图像的质量评价方法及装置 | |
WO2013075295A1 (zh) | 低分辨率视频的服装识别方法及系统 | |
CN111709305B (zh) | 一种基于局部图像块的人脸年龄识别方法 | |
CN111127642A (zh) | 一种人脸三维重建方法 | |
CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
CN110874572B (zh) | 一种信息检测方法及装置、存储介质 | |
CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
CN111680577A (zh) | 人脸检测方法和装置 | |
CN113468954B (zh) | 基于多通道下局部区域特征的人脸伪造检测方法 | |
CN108764343B (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
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 |
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 |