CN1967562A - 以人脸五官辨识为基础之人脸辨识方法 - Google Patents
以人脸五官辨识为基础之人脸辨识方法 Download PDFInfo
- Publication number
- CN1967562A CN1967562A CN 200510118996 CN200510118996A CN1967562A CN 1967562 A CN1967562 A CN 1967562A CN 200510118996 CN200510118996 CN 200510118996 CN 200510118996 A CN200510118996 A CN 200510118996A CN 1967562 A CN1967562 A CN 1967562A
- Authority
- CN
- China
- Prior art keywords
- face
- people
- human face
- organ
- method based
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种以人脸五官辨识为基础之人脸辨识方法,主要是利用影像处理技术侦测出人脸及五官的位置,接着将人脸部的器官事先分成几个主要的类别并加以描述,以建立每个人的人脸五官类别数据库,使用此种类描述方法主要可用于人脸搜寻及人脸辨识等应用,然后将输入的影像由人脸侦测单元使用影像处理技术撷取影像中出现的人脸及其五官位置,最后人脸五官描述单元将人脸五官事先分门别类并加入描述内容,再将侦测出的人脸五官分别辨认出其所属的类别,即可将其应用于人脸搜寻及人脸辨识。
Description
技术领域
本发明系有关于一种以人脸五官辨识为基础之人脸辨识方法,可自动地侦测出人脸及其五官位置并将各器官分门别类。本系统使用影像处理技术,准确且有效地将人脸五官分类,可广泛应用于人脸搜寻或人脸辨识等功能。
背景技术
当前的生物特征认证系统或人脸辨识系统,人脸辨识的功能大部份是采用影像处理的方法,而且大多需要建立人脸的影像数据库,然后将目标人脸与数据库中的人脸逐一比对,比对的运算耗时耗资源,且对于不同身份的人均未有视觉上的描述,很多时候对于使用者而言,很难感觉出目标人脸是否与数据库中的影像相同。另外,目前亦没有任何针对人脸五官做描述的方法出现。由此可见,上述现有系统对于使用者而言实在是很不友善,有待加以改良;本系统采用影像处理技术侦测出人脸五官,并妥善将人脸五官分门别类,可提供一合理且良好的人脸描述方式,故能有效地应用于当前的人脸辨识系统、生物特征认证系统及其它相关应用。
综上所述,提供一种可妥善分类、有效应用于当前的人脸辨识系统、生物特征认证系统及其它相关应用的以人脸五官辨识为基础之人脸辨识方法实为必要。
发明内容
本发明的目的在于提供以人脸五官辨识为基础之人脸辨识方法,改良原本现有之生物特征认证及人脸辨识系统,并提供合理且可行的人脸五官描述方案。
现今市面上己有不少的人脸辨识或生物特征认证系统,大部份都是为了辨识或认证功能而产生,对于一般人们所采用的人脸五官描述方式有所不同,因此对于使用者而言不是直觉且友善的。因此上述系统很难应用于实际环境下,本发明的系统为了克服上述系统的缺点,提供以人脸五官辨识为基础之人脸辨识方法。
本系统主要由人脸侦测单元及人脸五官描述单元所组成。输入的影像由人脸侦测单元使用人脸侦测算法,撷取出人脸的部份,然后再进行人脸五官位置侦测,如眼睛、鼻子、耳朵及嘴巴等器官。最后再由人脸五官描述单元按照各个器官事先规画好常见的类别,将各个器官给予适当的类别,例如常见的眼睛类别有单凤眼、炯炯大眼及独眼等,常见的嘴巴类别有樱桃小嘴、厚唇及血盆大口等。
目前常见的生物特征认证系统及人脸辨识系统,透过本发明的器官描述方法,可事先定义好各个器官足够、合理的类别,不但可以用来做为认证功能,还可以有较适当的器官描述方式,对于人们现有的口语描述方法,透过本方法仍然可以有效的找出所有可能的目标,由此可知,本方法确实是拥有较良善的使用及沟通接口。
本发明所提供的以人脸五官辨识为基础之人脸辨识方法,与现有技术相比较时,具有下列优点:
1、有直觉的且友善的器官描述方式。
2、可应用于生物特征认证系统及人脸辨识系统。
3、可有效的将人脸五官描述与辨识系统两大功能做适当的整合。
附图说明
图1是本发明以人脸五官辨识为基础之人脸辨识方法架构示意图;
图2A~图2H是本发明以人脸五官辨识为基础之人脸辨识方法范例图;
图3A~图3F是本发明嘴巴类别示意图;
图4是本发明各种分类器组合示意图;
图5是本发明中使用双眼屏蔽侦测可能的眼睛位置的示意图。
具体实施方法
本发明所提供的以人脸五官辨识为基础之人脸辨识方法,是以人脸侦测单元侦测出影像中人脸及五官位置,再由人脸五官描述单元将各器官分类,使输入的人脸影像分别辨识各器官种类,并总合各器官的类别与数据库中登录的个人各器官类别比对,即可辨识出人脸为谁,其中,该数据库是利用影像处理技术侦测出人脸及五官的位置,并将人脸部的器官事先分成几个主要的类别并加以描述,所建立的每个人的五官类别数据库。
请参阅图1及图2A~图2H所示,是本发明的实施例之一,其中图1是本发明以人脸五官辨识为基础之人脸辨识方法架构示意图,图2A~图2H是本发明以人脸五官辨识为基础之人脸辨识方法范例图。
首先,本发明输入的影像交由人脸侦测单元11进行处理,如图2A、图2B所示,是本发明所取得的连续两张人脸影像。人脸定位13的方法可使用移动物体侦测及边线(edge)影像侦测,找出欲侦测目标的轮廓,如图2C、图2D所示,接着再使用椭圆定位配合肤色侦测算法侦测出人脸的位置,如图2E所示,人脸五官撷取14则是将欲分类的器官侦测出来,常用的人脸器官有眼睛、鼻子、耳朵及嘴巴等,各个器官可分别定义成数个类别,本发明仅以侦测眼睛及嘴巴做为说明,使用如图5所示的双眼屏蔽侦测可能的眼睛位置:
第一个屏蔽的大小为P×2Q,用来寻找上面长方形区块较暗且下面长方形区块较亮的中心点,第二个屏蔽的大小为P×Q,用来寻找中间长方形区块较亮且两边长方形区块较暗的中心点。在同一位点上,若同时满足两个屏蔽运算结果都大于门槛值ρ,则可将其视为双眼的中心点位置,因此将以上两个屏蔽命名为双眼中心屏蔽。
找到双眼中心点位置之后,因为有很多候选点,需再进一步确认双眼的位置,以找出正确的双眼及其中心点位置。此时将人脸区块分别依垂直及水平方向取各线条上的区域极小值,将两方向的区域极小值取交集可得到数个双眼候选点。利用先前找到的双眼中心点位置,使用相连组件标示法(Connected component labeling)将其分成数个双眼中心区块,然后在每个区块的两边各自寻找双眼配对,条件有三个:一、配对的双眼中心位置必须落在该双眼中心区块上,二、配对的双眼其平均灰阶值必须相近,三、配对的双眼倾斜角度必须在一个容忍范围内,符合上述三个条件的双眼配对仍然不少,最后选择双眼距离最小但须在门槛值σ之上的配对,做为本双眼中心区块所找到的双眼位置,最后,从找到双眼配对的双眼中心区块之中,将最接近人脸中心位置的该区块视为双眼的中心区块,图2F中,黑色的区块代表可能的双眼中心区块,灰色的点是区域极小值。
嘴巴的位置一样要利用双眼中心区块,因为嘴巴的位置一定在双眼中心区块的下方。与寻找双眼配对方法类似,将人脸区块依垂直方向,取各线条上的区域极小值(此时不用取水平方向各线条的区域极小值),然后在各双眼中心区块的下方寻找相连长度大于2的区域极小值联机,每个联机均可能为嘴巴特征,若是有侦测出双眼,则可利用双眼距离及双眼中心至嘴巴的距离来找出最适合的联机视为嘴巴,图2G为所有双眼中心区块底下的区域极小值联机,图2H中灰色的点为本范例最后找到的双眼位置及嘴巴位置。
人脸五官描述单元12把侦测到的人脸器官先做适当的分类,例如眼睛可分成大眼、小眼及独眼等类别,嘴巴也可以分成樱桃小嘴及血盆大口等类别,然后再把目前侦测到的器官与各种类别做比对,可将其适当的归类。各个器官依照需求来适当的分类是很重要的,因此需要计算不同类别之间的差异性(Difference)及该器官的可用性(Usability),再从可用性高低,可以判断该器官的分类是否适当。本发明以嘴巴为例,图3A、图3B及图3C是分类好的三个不同嘴巴类别,因此比例差异性Dr可定义为两两不同类别的长宽比例的商值:
Dr=MAX(W1/H1,W2/H2)/MIN(W1/H1,W2/H2),
其中Wi为第i类的宽度,Hi为第i类的高度,MAX(A,B)为取A,B的最大值,MIN(A,B)为取A,B的最小值。
图3D、图3E及图3F是将A、B及C分别取得最外围轮廓及中心线的示意图,所以还可以定义轮廓差异性Dc为两两不同类别上下轮廓与中心线距离的差值:
Dc=|∑i|H1i-center1|-∑j|H2j-center2||/Sum,
其中H1i及H2j为两个类别的轮廓上界或下界,而center1及center2为两个类别的中心线位置,Sum为两类别的总轮廓点数。计算出Dr及Dc之后,我们可以得到一个总差异性Dt:
Dt=Dr×Dc,
此差异性大小可用来计算一个侦测到的特征属于哪一类别之外,还可以计算该器官的可用性,计算公式可以使用如下定义:
U=MIN({Dt}),
其中{Dt}是两两类别间的总差异性值所形成的群(group)。使用此公式可以得到差异性最低的总差异值,本发明用它来计算此器官的分类方式是否具有可用性;值越大,代表此器官的类别两两之间的差异性都大,值越小,表示有至少两个类别的差异性小,以上所述是可行的分类方法,另外类神经网络(Neural Network)及主要组件分析法(Principal Component Analysis)也是常见的分类算法。
个别的人脸器官除了可以各自分成数个类别外,如图4所示,还可以将其统合起来形成一个大型的分类器(classifier),或者是器官两两整合在一起亦可形成中型的分类器,例如本发明仅使用两个器官,眼睛及嘴巴,如果各自分成10类别,那么本例的分类方法就可以成为能够分辨10×10=100个不同类别的分类器,若是再加入其它器官做参考,更能大大的增加分类的能力,因此本方法亦能运用于各种辨识功能的系统上。
上述说明仅仅是本发明具体实施例的具体说明,然本领域一般技术人员可理解,任何非实质性更改或变换皆包含在本发明范围内,该实施例并非用以限制本发明的专利范围。
Claims (11)
1、一种以人脸五官辨识为基础之人脸辨识方法,其特征在于,其是以人脸侦测单元侦测出影像中人脸及五官位置,再由人脸五官描述单元将各器官分类,使输入的人脸影像分别辨识各器官种类,并总合各器官的类别与数据库中登录的个人各器官类别比对,即可辨识出人脸为谁。
2、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸侦测单元可使用移动物体侦测及边线影像侦测等方法侦测出人脸位置。
3、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,人脸侦测单元可使用双眼中心区块及区域极小值侦测眼睛。
4、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸侦测单元可使用双眼中心区块及区域极小值侦测嘴巴。
5、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸侦测单元可侦测包含眉毛、眼睛、鼻子、耳朵及嘴巴等器官。
6、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸五官描述单元可使用轮廓侦测做为器官分类的特征,并定义合理的差异性公式来做分类或辨识。
7、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸五官描述单元可使用类神经网络做为器官分类的方法。
8、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸五官描述单元可使用主要元素分析法做为器官分类的方法。
9、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸五官描述单元所使用的器官可单独用来做为分类器或提供辨识功能,也可使用两两器官或复数个器官的分类结果做为分类器或提供辨识功能,或是使用所有器官的分类结果做为分类器或提供辨识功能。
10、如权利要求9所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该人脸五官描述单元可使用的人脸器官两两之间的相对关系做为分类器的参考项目。
11、如权利要求1所述的以人脸五官辨识为基础之人脸辨识方法,其特征在于,该数据库是利用影像处理技术侦测出人脸及五官的位置,并将人脸部的器官事先分成几个主要的类别并加以描述,所建立的每个人的五官类别数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510118996 CN1967562A (zh) | 2005-11-15 | 2005-11-15 | 以人脸五官辨识为基础之人脸辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510118996 CN1967562A (zh) | 2005-11-15 | 2005-11-15 | 以人脸五官辨识为基础之人脸辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1967562A true CN1967562A (zh) | 2007-05-23 |
Family
ID=38076322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200510118996 Pending CN1967562A (zh) | 2005-11-15 | 2005-11-15 | 以人脸五官辨识为基础之人脸辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1967562A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456135A (zh) * | 2010-11-04 | 2012-05-16 | 索尼公司 | 图像处理设备、方法和程序 |
CN104933742A (zh) * | 2015-05-25 | 2015-09-23 | 中山大学 | 一种卡通肖像自动生成方法 |
CN105303149A (zh) * | 2014-05-29 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 人物图像的展示方法和装置 |
CN107292257A (zh) * | 2017-06-14 | 2017-10-24 | 深圳先进技术研究院 | 基于深度学习的身体部位自动识别磁共振扫描方法与装置 |
CN108268822A (zh) * | 2016-12-30 | 2018-07-10 | 深圳光启合众科技有限公司 | 人脸识别方法、装置及机器人 |
CN110555331A (zh) * | 2018-05-30 | 2019-12-10 | 苏州乐轩科技有限公司 | 脸部辨识系统与方法 |
CN113255488A (zh) * | 2021-05-13 | 2021-08-13 | 广州繁星互娱信息科技有限公司 | 主播搜索方法、装置、计算机设备及存储介质 |
-
2005
- 2005-11-15 CN CN 200510118996 patent/CN1967562A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456135A (zh) * | 2010-11-04 | 2012-05-16 | 索尼公司 | 图像处理设备、方法和程序 |
CN105303149A (zh) * | 2014-05-29 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 人物图像的展示方法和装置 |
CN104933742A (zh) * | 2015-05-25 | 2015-09-23 | 中山大学 | 一种卡通肖像自动生成方法 |
CN108268822A (zh) * | 2016-12-30 | 2018-07-10 | 深圳光启合众科技有限公司 | 人脸识别方法、装置及机器人 |
CN107292257A (zh) * | 2017-06-14 | 2017-10-24 | 深圳先进技术研究院 | 基于深度学习的身体部位自动识别磁共振扫描方法与装置 |
CN110555331A (zh) * | 2018-05-30 | 2019-12-10 | 苏州乐轩科技有限公司 | 脸部辨识系统与方法 |
CN110555331B (zh) * | 2018-05-30 | 2022-04-15 | 苏州乐轩科技有限公司 | 脸部辨识系统与方法 |
CN113255488A (zh) * | 2021-05-13 | 2021-08-13 | 广州繁星互娱信息科技有限公司 | 主播搜索方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480658B (zh) | 基于多角度视频的人脸识别装置和方法 | |
CN110837784B (zh) | 一种基于人体头部特征的考场偷窥作弊检测系统 | |
CN100361138C (zh) | 视频序列中人脸的实时检测与持续跟踪的方法及系统 | |
Khairosfaizal et al. | Eyes detection in facial images using circular hough transform | |
CN1967562A (zh) | 以人脸五官辨识为基础之人脸辨识方法 | |
WO2019114036A1 (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
CN110443102B (zh) | 活体人脸检测方法及装置 | |
US20140177946A1 (en) | Human detection apparatus and method | |
Lai et al. | An efficient real-time traffic sign recognition system for intelligent vehicles with smart phones | |
CN102096823A (zh) | 基于高斯模型和最小均方差的人脸检测方法 | |
Saleem et al. | Face recognition using facial features | |
CN102542246A (zh) | Atm机异常人脸检测方法 | |
CN102831379B (zh) | 人脸图像识别方法及装置 | |
KR101343623B1 (ko) | 적응적 피부색 검출 방법, 그리고 이를 이용한 얼굴 검출 방법 및 그 장치 | |
CN102073842A (zh) | 一种通过分类匹配的人脸识别方法 | |
CN115294632A (zh) | 一种真假笑容辨别方法及系统 | |
Tsang et al. | Combined AdaBoost and gradientfaces for face detection under illumination problems | |
Rao et al. | Convolutional Neural Network Model for Traffic Sign Recognition | |
CN112149559A (zh) | 人脸识别方法、装置、可读存储介质及计算机设备 | |
Singla et al. | Face Detection and Recognition Using Digital Image Processing:" State of the Art" | |
Phung et al. | Naive bayes face-nonface classifier: a study of preprocessing and feature extraction techniques | |
Ye et al. | Cascaded convolutional neural network for eye detection under complex scenarios | |
CN110110623A (zh) | 一种基于Android平台的人脸识别系统及设计方法 | |
Kim et al. | Face recognition in unconstrained environments | |
Siswadi et al. | Images processing of facial expression to predict the customer opinion towards a product |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |