CN1567369A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN1567369A CN1567369A CN 03137345 CN03137345A CN1567369A CN 1567369 A CN1567369 A CN 1567369A CN 03137345 CN03137345 CN 03137345 CN 03137345 A CN03137345 A CN 03137345A CN 1567369 A CN1567369 A CN 1567369A
- Authority
- CN
- China
- Prior art keywords
- candidate
- eye
- adjacent domain
- human eye
- skin
- 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
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理方法,其特征在于包括如下步骤:识别上述图像中的候选人眼区域;选取候选人眼区域的眼部邻近区域;对眼部邻近区域进行处理;以及根据上述处理步骤的结果,将上述候选人眼区域进行分类。按照本发明的方法,根据眼部邻近区域的颜色信息检测出人眼,再根据检测出的人眼进一步检测出人脸。
Description
技术领域
本发明涉及图像处理,尤其涉及对将在其中检测人眼并最终检测人脸的图像进行处理的方法和装置。
背景技术
众所周知,许多技术可用于检测图像中感兴趣的区域,如人脸或其他感兴趣的要识别的目标。人脸检测是一个令人特别感兴趣的领域,因为人脸识别不仅对于图像处理,而且对于身份鉴别和安全,以及人机界面都有重要性。人机界面不仅识别人脸的位置,如果人脸存在的话,其还能识别特定的人脸,并可以理解面部表情和姿势。
近来,报道了许多关于自动人脸检测的研究。参考资料例如包括1996年5th IEEE International Workshop on Robot and HumanCommunication,第341到第346页中的“Face Detection and RotationsEstimation using Color Information”和1999年6月IEEE Transactionon Pattern Analysis and Machine Intelligence卷21第6号中的“FaceDetection from Color Images Using a Fuzzy Pattern Matching Method”。
在众多检测人脸的常规方法中,一种方法是首先检测人眼。例如,由同一申请人于2000年9月15日提出申请,并于2002年4月10日公开的名称为“图像处理方法和设备,图像处理系统以及存储介质”的中国专利申请第00127067.2号公开了确定给定图像中一系列候选眼区域的方法。该申请在此被引用作为参考。
所有检测人脸或者人眼的常规方法,都有它们各自的优点和不足,这取决于处理图像时所用的不同算法。一些方法虽然准确但却复杂而耗时。
发明内容
本发明的目的在于提供一种根据眼部邻近区域的颜色信息,尤其是根据眼部邻近区域的肤色比例,而对将在其中检测人眼并最终检测人脸的图像进行处理的方法和装置。
为了实现上述目的,本发明提供了一种图像处理方法,其特征在于包括如下步骤:
识别上述图像中的候选人眼区域;
选取候选人眼区域的眼部邻近区域;
对眼部邻近区域进行处理;以及
根据上述处理步骤的结果,将上述候选人眼区域分类。
本发明还提供了一种图像处理装置,其特征在于包括:
候选人眼区域识别器,用于识别图像中的候选人眼区域;
眼部邻近区域选取器,用于在已由候选人眼区域识别器识别出的候选人眼区域中选取眼部邻近区域;
眼部邻近区域处理器,用于对已由眼部邻近区域选取器选取出的眼部邻近区域进行处理;以及
分类器,用于根据眼部邻近区域处理器的输出,将已由候选人眼区域识别器识别出的候选人眼区域分类。
按照本发明的方法和装置,可以根据眼部邻近区域的颜色信息检测出人眼。使用眼部邻近区域的肤色比例可以提高人眼检测的准确率。
因此,可以容易地将本发明的方法与确定候选人脸区域的各种常规方法相结合,以便适应不同的情况。根据被分类为真人眼或极可能为真人眼的候选人眼区域的候选人眼区域,可以进一步检测出人脸。
本发明的其他特点和优点可结合附图从下面通过举例对本发明的原理进行解释的优选实施方式的描述中变得更清楚。
附图说明
图1A是根据本发明的图像处理方法的实施方式的流程图;
图1B是图1A所示方法的实施方式的流程图;
图2A是根据本发明的图像处理装置结构的示意性框图;
图2B示意性示出图2A所示眼部邻近区域处理器的内部结构;
图3A和3B示意性示出候选人眼区域和其眼部邻近区域之间的关系;
图4A和4B示出一个图像和其肤色二值图;
图5A和5B示出另一个图像和其肤色二值图;以及
图6示意性示出可在其中实施图1所示方法的图像处理系统。
具体实施方式
在下面的描述中,关于如何识别图像中的候选人眼区域,可以参照由同一申请人于2000年9月15日提出申请,并于2002年4月10日公开的中国专利申请第00127067.2号。该申请在此被引用作为参考。但是,中国专利申请第00127067.2号中公开的识别候选人眼区域的方法不构成对本发明的限制。本发明可以使用任何识别图像中候选人眼区域的常规方法。
图1A是根据本发明的图像处理方法的实施方式的流程图。
该流程开始于步骤101。在步骤102,输入待处理的图像。在步骤103,在步骤102输入的图像中识别候选人眼区域。
在步骤102和103,可以采用任何识别图像中候选人眼区域的常规方法,并且这些方法不构成对本实施方式的限制。
在步骤104,在步骤103识别出的候选人眼区域中选取眼部邻近区域。关于如何选取候选人眼区域的眼部邻近区域将在后面参照图3A和3B进行详细描述。
然后,对眼部邻近区域进行处理,以便计算眼部邻近区域的颜色信息。
本实施方式基于这样的事实:真人眼的邻近区域的像素通常具有肤色。具有肤色的像素被称为“肤色像素”。
假设该图像是HSI格式,则满足下列条件的像素被认为是肤色像素:
((H<50且H≥0)或(H>290且H<358.1))且I>25,
其中H表示像素色相,I表示像素亮度。在本例中,没有使用像素饱和度(S)。为了检测肤色像素也可以设置其他条件。
如果该图像是其他格式,如RGB,为了检测肤色像素可以设置相应的条件。
针对眼部邻近区域计算出的颜色信息在某个范围内。根据该眼部邻近区域的颜色信息可以确定候选人眼区域的眼部邻近区域是真人眼还是假人眼。
可以将任何处理方法应用于眼部邻近区域,只要对眼部邻近区域的处理结果足以将候选人眼区域分类为极可能为真人眼的候选人眼区域,极可能为假人眼的候选人眼区域,真人眼或者假人眼。
处理眼部邻近区域的不同方法和不同颜色信息不构成对本发明的限制。
特别说明的是,在图1A中使用了眼部邻近区域的“肤色比例”。眼部邻近区域的“肤色比例”被定义为眼部邻近区域中肤色像素数目除以眼部邻近区域中像素总数。
真人眼眼部邻近区域中的肤色比例在某个范围内。因此,根据该眼部邻近区域的颜色信息,尤其是根据眼部邻近区域的肤色比例可以确定候选人眼区域的眼部邻近区域是真人眼还是假人眼。
在步骤105,计算眼部邻近区域的肤色比例。
步骤105可以包括两个子步骤(图1A中未示出)。首先,计算眼部邻近区域中的肤色像素数目和眼部邻近区域中的像素总数。然后,将肤色像素数目除以像素总数,获得眼部邻近区域的肤色比例。图1B介绍了计算肤色比例的另一种方法。
然后,在步骤106,判断眼部邻近区域的肤色比例是否小于预定阈值。如果步骤106的结果为否,则流程进入步骤108,否则进入步骤107。
预定阈值在[0.1,0.9]的范围内。优选地,预定阈值等于0.5。
在步骤107,候选人眼区域被分类为假人眼或者极可能为假人眼的候选人眼区域。
在步骤108,候选人眼区域被分类为真人眼或者极可能为真人眼的候选人眼区域。
步骤107或步骤108之后,流程结束于步骤109。
一旦检测出图像中的人眼,就可以对图像或被检测出的人眼进行进一步的处理。例如,根据检测出的人眼可以确定候选人脸。
图1B是图1A所示方法的实施方式的流程图。图1B中的步骤101b至104b以及106b至109b与图1A中的步骤101至104以及106至109相同。因此,仅对步骤105a,105b和105c进行描述。
在步骤105a,将眼部邻近区域进行肤色二值化。进行二值化处理后,形成被称为二值图(或二值化眼部邻近区域)的黑白图像。在该二值图中,与原始图像中肤色像素对应的像素的灰度级被设置为255,其他像素的灰度级被设置为0。
虽然在步骤105a中描述了将眼部邻近区域进行二值化,但是将包括眼部邻近区域的整个图像进行二值化也是可以的和实用的。图4A和4B示出了一个例子,图5A和5B示出了另一个例子。是否将眼部邻近区域或整个图像进行二值化不构成对本实施方式的限制。
假设该图像是HSI格式,而将整个图像二值化。
在步骤105a,首先将图像均衡化。关于“均衡化”的详细解释,请参见Prentice Hall公司Kenneth R.Castleman的“数字图像处理”,1996年版,第六章“均衡化”。
下面,根据均衡化的图像,形成被称为二值图的黑白图像。该二值图包含其灰度级为255或0的像素。灰度级为255的像素对应于均衡化图像中的肤色像素,而灰度级为0的黑色像素对应于均衡化图像中的非肤色像素
形成二值图的流程包括判断均衡化图像中的像素是否满足下列条件的步骤:
((H<50且H≥0)或(H>290且H<358.1))且I>25,
其中H表示像素色相,I表示像素亮度。
如果像素满足上述条件,则二值图中相应像素的灰度级被设置为255。
上述条件仅是一个例子,对于不同的图像格式、不同的人种(白种人、亚洲人、非洲人等等),该条件可以不相同。因此,判断像素是否是肤色像素的不同方法不构成对本实施方式的限制。
在步骤105b,计算二值化眼部邻近区域的平均灰度级。这可以通过将二值化眼部邻近区域中所有像素的灰度级和除以二值化眼部邻近区域中的像素总数得到。
在步骤105c,将平均灰度级除以255,获得眼部邻近区域的肤色比例。
根据本实施方式的方法,一旦一个或多个候选人眼区域被分类为真人眼或极可能为真人眼的候选人眼区域,就可以根据这些真人眼或极可能为真人眼的候选人眼区域,确定同一个图像中的一个或多个候选人脸区域。特别地,图1A的步骤108和步骤109之间,或者图1B的步骤108b和步骤109b之间可以包含如下步骤:
如果在分类步骤(图1A步骤108或者图1B步骤108b)中,候选人眼区域被分类为真人眼或极可能为真人眼的候选人眼区域,则根据该候选人眼区域确定图像中至少一个候选人脸区域;
根据该图像,判断该至少一个候选人脸区域是否表示真人脸。
图2A是根据本发明的图像处理装置结构的示意性框图。
如图2A所示,标号201表示候选人眼区域识别器;标号202表示分类器;标号203表示眼部邻近区域选取器;标号204表示眼部邻近区域处理器。
候选人眼区域识别器201用于识别待处理图像中的候选人眼区域。在候选人眼区域识别器201中可以采用用于识别图像中候选人眼区域的任何常规算法,并且其不构成对本实施方式的限制。
眼部邻近区域选取器203用于在已由候选人眼区域识别器201识别出的候选人眼区域中选取眼部邻近区域。关于如何选取候选人眼区域的眼部邻近区域,将在后面参照图3A和图3B进行详细描述。
眼部邻近区域处理器204用于对已由眼部邻近区域选取器203选取的眼部邻近区域进行处理,并输出处理结果。
该处理结果通常是由眼部邻近区域选取器203选取的眼部邻近区域的某些类型的特征值(可以被称为“颜色信息”),只要它们对于分类器202而言,足以将该候选人眼区域分类为一个极可能为真人眼的候选人眼区域、一个极可能为假人眼的候选人眼区域、真人眼或者假人眼。
分类器202用于根据眼部邻近区域处理器204的输出,将已由候选人眼区域识别器201识别出的候选人眼区域分类为一个极可能为真人眼的候选人眼区域、一个极可能为假人眼的候选人眼区域、真人眼或者假人眼。
虽然如图2A和2B所示,已由候选人眼区域识别器201识别出的候选人眼区域被输入分类器202,但是实际上不必如此。重要的是当分类器202接收到来自眼部邻近区域处理器204的输出(例如,候选人眼区域的眼部邻近区域的颜色信息)时,它将知道将对哪个候选人眼区域进行分类。
分类器202的分类结果可被用于对图像的进一步处理。
应当注意,眼部邻近区域处理器204可将任何处理方法应用于眼部邻近区域,只要对于分类器202而言,对该眼部邻近区域的处理结果足以将该候选人眼区域分类为一个极可能为真人眼的候选人眼区域、一个极可能为假人眼的候选人眼区域、真人眼或者假人眼。
图2B示意性示出图2A所示眼部邻近区域处理器的内部结构。
图2B中使用的颜色信息与眼部邻近区域的肤色比例相关。眼部邻近区域处理器204至少包括两个部件,即,肤色像素识别器205和肤色比例计算器206。
肤色像素识别器205在由眼部邻近区域选取器203选取的眼部邻近区域中识别所有包含肤色的像素,即识别眼部邻近区域中的所有肤色像素。
肤色比例计算器206通过将在眼部邻近区域中识别出的肤色像素的数目除以眼部邻近区域中的像素总数,计算眼部邻近区域的肤色比例。获得的肤色比例被输出到分类器202。
例如,肤色像素识别器205可以首先将眼部邻近区域(或者整个图像)进行肤色二值化,使得二值化眼部邻近区域(或者二值图)中肤色像素的灰度级被设置成一个固定值,例如255,其他像素的灰度级被设置为零(0)。然后,肤色比例计算器206首先计算二值化眼部邻近区域的平均灰度级,之后,将该平均灰度级除以那个固定值(例如255),以便获得眼部邻近区域的肤色比例。图4A和4B示出了一个例子,图5A和5B示出了另一个例子。在现有技术中,将一个图像进行肤色二值化处理是为人所熟知的。
在分类器202中,如果眼部邻近区域的肤色比例小于预定阈值,分类器202则将该候选人眼区域分类为假人眼,或者一个极可能为假人眼的候选人眼区域;如果眼部邻近区域的肤色比例不小于预定阈值,分类器202则将该候选人眼区域分类为真人眼,或者一个极可能为真人眼的候选人眼区域。
预定阈值在[0.1,0.9]的范围内。优选地,该预定阈值等于0.5。
根据本实施方式的装置,一旦一个或多个候选人眼区域被分类为真人眼或者极可能为真人眼的候选人眼区域,就可以根据这些真人眼或者极可能为真人眼的候选人眼区域,确定同一个图像中的一个或多个候选人脸区域。因此,本实施方式的装置可以还包括:
用于如果候选人眼区域被分类器202分类为真人眼或者极可能为真人眼的候选人眼区域,则根据该候选人眼区域,确定图像中至少一个候选人脸区域的装置;以及
用于根据图像判断至少一个候选人脸区域是否表示真人脸的装置。
图3A和3B示意性示出候选人眼区域和其眼部邻近区域之间的关系。
如图3A所示,标号301表示候选人眼区域,标号302表示候选人眼区域301的眼部邻近区域。候选人眼区域301的高度为H1。候选人眼区域301的宽度为W1。眼部邻近区域302的高度为H2。眼部邻近区域302的宽度为W2。
上述宽度和高度满足下列等式:
H2=H1*r1,1≤r1≤4,(优选地,r1=2.4)
W2=W1*r2,1≤r2≤4,(优选地,r2=2.4)
图1、图2A和图2B中对眼部邻近区域的选取可以满足上面等式。
眼部邻近区域302的中心可以与候选人眼区域301的中心相同。
尽管图3A所示眼部邻近区域302为矩形,然而眼部邻近区域302可以采用任何其他不规则形状,如图3B所示。
图4A示出一个图像。标号401表示候选人眼区域;标号402表示候选人眼区域401的眼部邻近区域;标号403表示另一个候选人眼区域;标号404表示候选人眼区域403的眼部邻近区域。
图4B示出图4A所示图像的肤色二值图。标号401至404与图4A中的那些标号具有相同的含义。由于对图4A中图像的二值化是针对肤色进行的,而其中肤色像素的灰度级被设置成255,所以图4B中的白色区域表示图4A中具有肤色的相应区域。这样,就可以使用该二值图识别原始图像中的肤色像素。
以候选人眼区域401为例。预定阈值被设置为0.5,r1和r2被设置为2.4。
候选人眼区域401的高度为10个像素。候选人眼区域401的宽度为8个像素。眼部邻近区域402的高度为10*2.4=24个像素。眼部邻近区域402的宽度为8*2.4=19个像素。根据图4B所示二值图,计算出眼部邻近区域402的平均灰度级为179。因此,眼部邻近区域402的肤色比例为179/255≈0.7。该眼部邻近区域402的肤色比例(0.7)大于预定阈值(0.5)。因此,候选人眼区域401被分类为真人眼,或者极可能为真人眼的候选人眼区域。
以候选人眼区域403为例。预定阈值被设置为0.45,r1和r2被设置为2.4。
候选人眼区域403的高度为17个像素。候选人眼区域403的宽度为25个像素。眼部邻近区域404的高度为17*2.4=41个像素。眼部邻近区域404的宽度为25*2.4=60个像素。根据图4B所示二值图,计算出眼部邻近区域404的平均灰度级为61。因此,眼部邻近区域404的肤色比例为61/255≈0.24。该眼部邻近区域404的肤色比例(0.24)小于预定阈值(0.45)。因此,候选人眼区域403被分类为假人眼,或者极可能为假人眼的候选人眼区域。
图5A示出另一个图像。该图像不包含候选人眼区域。
图5B示出图5A所示图像的肤色二值图。
图6示意性示出可在其中实施图1所示示例性方法的图像处理系统。图6中所示的图像处理系统包括CPU(中央处理单元)601,RAM(随机存取存储器)602,ROM(只读存储器)603,系统总线604,HD(硬盘)控制器605,键盘控制器606,串行接口控制器607,并行接口控制器608,显示器控制器609,硬盘610,键盘611,照相机612,打印机613和显示器614。在这些部件中,与系统总线604相连的有CPU 601、RAM 602、ROM 603、HD控制器605、键盘控制器606,串行接口控制器607,并行接口控制器608和显示器控制器609。硬盘610与HD控制器605相连,键盘611与键盘控制器606相连,照相机612与串行接口控制器607相连,打印机613与并行接口控制器608相连,以及显示器614与显示器控制器609相连。
图6中每个部件的功能在本技术领域都是众所周知的,并且图6所示的体系结构也是常规的。这种体系结构不仅适用于个人计算机,而且适用于手持设备,诸如掌上电脑,PDA(个人数据助理),数码照相机,等等。在不同的应用中,图6中所示的某些部件可以被省略。例如,如果整个系统是一个数码照相机,并行接口控制器608和打印机613可以被省略,并且该系统可实现为单片机。如果应用软件被存储在EPROM或其他非易失性存储器中,HD控制器605和硬盘610可以被省略。
图6中所示的整个系统由通常作为软件存储在硬盘610中(或如上所述,存储在EPROM或其他非易失性存储器中)的计算机可读指令控制。软件也可从网络(图中未示出)下载。或者存储在硬盘610中,或者从网络下载的软件可被加载到RAM602中,并被CPU601执行,以便完成由软件确定的功能。
对于本领域内的熟练技术人员,无需创造性劳动即可在图1所示的示例性流程图的基础上,开发出一种或多种软件。这样开发出的软件将执行如图1所示的图像处理方法。
在某种意义上,图6中所示的图像处理系统,如果得到根据图1所示流程图开发出的软件的支持,可以实现如图2A和2B所示图像处理装置同样的功能。
虽然,前述说明参照了本发明的特定实施例,但是本领域内熟练的技术人员应当理解,这些仅是举例进行说明,可以对这些实施例作出许多改变而不脱离本发明的原理,本发明的范围由所附权利要求书限定。
Claims (20)
1.一种图像处理方法,其特征在于包括如下步骤:
识别所述图像中的候选人眼区域;
选取所述候选人眼区域的眼部邻近区域;
对所述眼部邻近区域进行处理;以及
根据所述处理步骤的结果,将所述候选人眼区域进行分类。
2.根据权利要求1所述的图像处理方法,其特征在于所述选取步骤选取一个眼部邻近区域,该区域的宽度是所述候选人眼区域宽度的r2倍,且该区域的高度是所述候选人眼区域高度的r1倍,其中r2为[1,4]范围内的常数,且r1为[1,4]范围内的常数。
3.根据权利要求2所述的图像处理方法,其特征在于所述r2等于2.4,且所述r1等于2.4。
4.根据权利要求1所述的图像处理方法,其特征在于所述处理步骤包括如下步骤:
根据所述眼部邻近区域的肤色像素计算所述眼部邻近区域的颜色信息;
并且其特征在于所述分类步骤根据所述颜色信息将所述候选人眼区域进行分类。
5.根据权利要求4所述的图像处理方法,其特征在于所述颜色信息是所述肤色像素与所述被选取的眼部邻近区域的比例。
6.根据权利要求4所述的图像处理方法,其特征在于所述计算颜色信息步骤包括如下步骤:
计算所述眼部邻近区域中肤色像素的数目;
通过将所述肤色像素的数目除以所述眼部邻近区域中的像素总数,计算肤色比例;
并且其特征在于所述分类步骤通过将所述肤色比例与预定阈值相比较,将所述候选人眼区域进行分类。
7.根据权利要求4所述的图像处理方法,其特征在于所述计算颜色信息步骤包括如下步骤:
至少将所述眼部邻近区域进行肤色二值化,获得其中肤色像素的灰度级等于固定值而其他像素的灰度级等于零的二值化眼部邻近区域;
计算所述二值化眼部邻近区域的平均灰度级;
通过将所述平均灰度级除以所述固定值计算肤色比例;
并且其特征在于所述分类步骤通过将所述肤色比例与预定阈值相比较,将所述候选人眼区域进行分类。
8.根据权利要求6或7的任一项所述的图像处理方法,其特征在于所述预定阈值在[0.1,0.9]的范围内。
9.根据权利要求8所述的图像处理方法,其特征在于所述预定阈值等于0.5。
10.根据权利要求1、4、5、6或7的任一项所述的图像处理方法,其特征在于还包括如下步骤:
如果在所述分类步骤,所述候选人眼区域被分类为真人眼或者极可能为真人眼的候选人眼区域,则根据所述候选人眼区域确定所述图像中的至少一个候选人脸区域;以及
根据所述图像,判断所述至少一个候选人脸区域是否表示真人脸。
11.一种图像处理装置,其特征在于包括:
候选人眼区域识别器,用于识别所述图像中的候选人眼区域;
眼部邻近区域选取器,用于选取已由所述候选人眼区域识别器识别出的所述候选人眼区域的眼部邻近区域;
眼部邻近区域处理器,用于对已由所述眼部邻近区域选取器选取出的所述眼部邻近区域进行处理;以及
分类器,用于根据所述眼部邻近区域处理器的输出,将已由所述候选人眼区域识别器识别出的所述候选人眼区域进行分类。
12.根据权利要求11所述的图像处理装置,其特征在于所述眼部邻近区域选取器选取一个眼部邻近区域,该区域的宽度是所述候选人眼区域宽度的r2倍,且该区域的高度是所述候选人眼区域高度的r1倍,其中r2为[1,4]范围内的常数,且r1为[1,4]范围内的常数。
13.根据权利要求12所述的图像处理装置,其特征在于所述r2等于2.4,且所述r1等于2.4。
14.根据权利要求11所述的图像处理装置,其特征在于所述眼部邻近区域处理器包括:
肤色像素识别器,用于识别所述眼部邻近区域中的多个肤色像素;
颜色信息计算器,用于根据所述多个肤色像素,计算所述眼部邻近区域的颜色信息;
并且其特征在于所述分类器根据由所述颜色信息计算器计算出的所述颜色信息,将所述候选人眼区域进行分类。
15.根据权利要求1 4所述的图像处理装置,其特征在于所述颜色信息是所述肤色像素与所述被选取的眼部邻近区域的比例。
16.根据权利要求14所述的图像处理装置,其特征在于:
所述肤色像素识别器计算所述眼部邻近区域中肤色像素的数目;
所述颜色信息计算器通过将所述肤色像素的数目除以所述眼部邻近区域中的像素总数计算肤色比例;
并且其特征在于所述分类器通过将所述肤色比例与预定阈值相比较,将所述候选人眼区域进行分类。
17.根据权利要求14所述的图像处理装置,其特征在于:
所述肤色像素识别器通过至少将所述眼部邻近区域进行肤色二值化,识别所述多个肤色像素,获得其中肤色像素的灰度级等于固定值而其他像素的灰度级等于零的二值化眼部邻近区域;
所述颜色信息计算器包括:
第一计算器,用于计算所述二值化眼部邻近区域的平均灰度级;
第二计算器,用于通过将所述平均灰度级除以所述固定值计算肤色比例;
并且其特征在于所述分类器通过将所述肤色比例与预定阈值相比较,将所述候选人眼区域进行分类。
18.根据权利要求16或17的任一项所述的图像处理装置,其特征在于所述预定阈值在[0.1,0.9]的范围内。
19.根据权利要求18所述的图像处理装置,其特征在于所述预定阈值等于0.5。
20.根据权利要求11、14、15、16或17的任一项所述的图像处理装置,其特征在于还包括:
用于如果所述候选人眼区域被所述分类器分类为真人眼或者极可能为真人眼的候选人眼区域,则根据所述候选人眼区域,确定所述图像中的至少一个候选人脸区域的装置;以及
用于根据所述图像,判断所述至少一个候选人脸区域是否表示真人脸的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB031373453A CN1333370C (zh) | 2003-06-18 | 2003-06-18 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB031373453A CN1333370C (zh) | 2003-06-18 | 2003-06-18 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1567369A true CN1567369A (zh) | 2005-01-19 |
CN1333370C CN1333370C (zh) | 2007-08-22 |
Family
ID=34470367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB031373453A Expired - Fee Related CN1333370C (zh) | 2003-06-18 | 2003-06-18 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1333370C (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609500B (zh) * | 2008-12-01 | 2012-07-25 | 公安部第一研究所 | 出入境数字人像相片质量评估方法 |
CN104463074A (zh) * | 2013-09-12 | 2015-03-25 | 金佶科技股份有限公司 | 真伪指纹的辨识方法及辨识装置 |
CN106156689A (zh) * | 2015-03-23 | 2016-11-23 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61145690A (ja) * | 1984-12-19 | 1986-07-03 | Matsushita Electric Ind Co Ltd | 顔の特徴部分の認識装置 |
JP3549013B2 (ja) * | 1998-03-05 | 2004-08-04 | 日本電信電話株式会社 | 目の位置検出方法、目の位置検出装置および目の位置検出プログラムを記録した記録媒体 |
GB2341231A (en) * | 1998-09-05 | 2000-03-08 | Sharp Kk | Face detection in an image |
JP2000235640A (ja) * | 1999-02-15 | 2000-08-29 | Oki Electric Ind Co Ltd | 顔器官検出装置 |
US7092554B2 (en) * | 2001-05-01 | 2006-08-15 | Eastman Kodak Company | Method for detecting eye and mouth positions in a digital image |
-
2003
- 2003-06-18 CN CNB031373453A patent/CN1333370C/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609500B (zh) * | 2008-12-01 | 2012-07-25 | 公安部第一研究所 | 出入境数字人像相片质量评估方法 |
CN104463074A (zh) * | 2013-09-12 | 2015-03-25 | 金佶科技股份有限公司 | 真伪指纹的辨识方法及辨识装置 |
CN104463074B (zh) * | 2013-09-12 | 2017-10-27 | 金佶科技股份有限公司 | 真伪指纹的辨识方法及辨识装置 |
CN106156689A (zh) * | 2015-03-23 | 2016-11-23 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106156689B (zh) * | 2015-03-23 | 2020-02-21 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN1333370C (zh) | 2007-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401372B (zh) | 一种扫描文档图文信息提取与鉴别的方法 | |
US9053384B2 (en) | Feature extraction unit, feature extraction method, feature extraction program, and image processing device | |
US7620214B2 (en) | Human eye detection method, apparatus, system and storage medium | |
CN1991865A (zh) | 从复杂背景文档图像提取文本的装置、方法、程序及介质 | |
CN1977286A (zh) | 对象识别方法及其设备 | |
US20030174869A1 (en) | Image processing apparatus, image processing method, program and recording medium | |
JP2008117391A (ja) | デジタル画像における顔を検出する方法、およびデジタル画像における顔を検出する装置 | |
CN1894703A (zh) | 模式识别方法、设备以及程序 | |
US20090169066A1 (en) | Multidirectonal face detection method | |
CN1975759A (zh) | 一种基于结构主元分析的人脸识别方法 | |
CN1667355A (zh) | 图像识别方法和图像识别装置 | |
US7370059B2 (en) | Model of documents and method for automatically classifying a document | |
CN110717497A (zh) | 图像相似度匹配方法、装置及计算机可读存储介质 | |
CN113343989B (zh) | 一种基于前景选择域自适应的目标检测方法及系统 | |
CN1282943C (zh) | 图像处理方法及装置 | |
CN1374623A (zh) | 图像处理设备 | |
CN1577380A (zh) | 用于检测彩色图像中的脸部的方法和设备 | |
JP2007025900A (ja) | 画像処理装置、画像処理方法 | |
JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
Winarno et al. | Analysis of color features performance using support vector machine with multi-kernel for batik classification. | |
JP2006323779A (ja) | 画像処理方法、画像処理装置 | |
CN1567369A (zh) | 图像处理方法及装置 | |
CN1275191C (zh) | 用于扩展在图象中的字符区域的设备及方法 | |
CN100416597C (zh) | 用于文档的自适应二值化的方法和设备 | |
JP2007026308A (ja) | 画像処理方法、画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070822 Termination date: 20170618 |