WO2019165604A1 - 一种发际线轮廓的定位方法、装置及计算机可读存储介质 - Google Patents
一种发际线轮廓的定位方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- WO2019165604A1 WO2019165604A1 PCT/CN2018/077586 CN2018077586W WO2019165604A1 WO 2019165604 A1 WO2019165604 A1 WO 2019165604A1 CN 2018077586 W CN2018077586 W CN 2018077586W WO 2019165604 A1 WO2019165604 A1 WO 2019165604A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- hairline
- contour
- detected
- pixel point
- image
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种一种发际线轮廓的定位方法、装置及计算机可读存储介质,该方法包括:获取待检测人脸图像;生成所述待检测人脸图像的发际线初始轮廓;在灰度图中计算所述发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差;根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓。本申请提供的技术方案可以精确地勾勒出人脸图像的发际线轮廓,从而可以将全部额头皮肤划入人脸ROI内。
Description
本申请涉及图像检测领域,并且更具体地,涉及一种发际线轮廓的定位方法、装置及计算机可读存储介质。
在人脸皮肤进行检测过程中,需要划分人脸皮肤的感兴趣区域(region of interest,ROI),其中,人脸皮肤的感兴趣区域包括额头皮肤区域,如果人脸的感兴趣区域划分不完整,将会造成皮肤区域漏检的情况。
现有技术中,利用颜色模型检测出人脸图像的皮肤区域,并通过对人脸图像的皮肤区域进行椭圆拟合从而划分出人脸的感兴趣区域。但是,现有技术中将人脸图像的皮肤区域(发际线轮廓)拟合为椭圆,由于拟合出的椭圆是一个规则图形,若椭圆尺寸过大则会在人脸的感兴趣区域内引入头发干扰,若椭圆尺寸过小则无法将全部额头皮肤区域划入到人脸的感兴趣区域内。从而导致无法准确地勾勒出人脸的发际线轮廓,尤其是在人的左右头帘不规整的情况下,更难以准确地勾勒出人脸的发际线轮廓。
因此,如何精确检测出人脸的发际线轮廓成为亟需要解决的问题。
发明内容
本申请提供一种发际线轮廓的定位方法、装置及计算机可读存储介质,可以精确检测出发际线轮廓。
第一方面,提供了一种发际线轮廓的定位方法,包括:获取待检测人脸图像;生成所述待检测人脸图像的发际线初始轮廓;在灰度图中计算所述发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差;根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓。
上述技术方案中,可以通过计算发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差,在灰度图中对人脸图像的发际线初始轮廓进行修正,可以精确地勾勒出人脸图像的发际线轮廓。并且在用户左右头帘不规整的情况下,也可以精确地勾勒出人脸图像的发际线轮廓,从而可以将全部额头皮肤划入人脸ROI内。
在一种可能的实现方式中,所述根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓,包括:根据所述发际线初始轮廓上的像素点与相邻像素点的灰度值之差确定目标像素点,所述目标像素点与周围相邻像素点的灰度值之差大于预设阈值;将所述目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的发际线准确轮廓。
上述技术方案中,可以通过像素点的方向梯度计算发际线精确轮廓上的目标像素点,并可以按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的发际线准确轮廓, 这样可以准确地勾勒出人脸图像的发际线轮廓。
在一种可能的实现方式中,所述根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓,包括:根据所述发际线初始轮廓上的像素点与相邻像素点的灰度值之差确定目标像素点,所述目标像素点与周围相邻像素点的灰度值之差大于预设阈值;将所述目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的第一发际线轮廓;对所述第一发际线轮廓上不符合要求的地方进行修正,得到所述待检测人脸图像的发际线准确轮廓。
上述技术方案中,可以在找到发际线精确轮廓上的目标像素点之后,对按照发际线初始轮廓的变化趋势生成的第一发际线轮廓进行进一步修正。可以将目标像素点作为中心,遍历第一发际线轮廓上的左右两侧,对第一发际线轮廓上不符合要求的地方进行修正,从而可以得到发际线准确轮廓。尤其在用户左右头帘不规整的情况下,也可以精确地勾勒出人脸图像的发际线轮廓。
在一种可能的实现方式中,所述目标像素点为所述发际线准确轮廓上的最高点。
上述技术方案中,可以将发际线准确轮廓上的最高点作为目标像素点,可以将最高点作为中心,遍历第一发际线轮廓上的左右两侧,对第一发际线轮廓上不符合要求的地方进行修正,从而可以减小计算的复杂度。
在一种可能的实现方式中,所述灰度图为经过对比度拉伸后的灰度图。
上述技术方案中,灰度图为经过对比度拉伸后的灰度图,这样可以在头发颜色与正常皮肤颜色较接近的情况下,通过对比度拉伸后,同样可以在灰度图中利用像素点之间的灰度值之差,精确地勾勒出人脸图像的发际线轮廓。
在一种可能的实现方式中,所述生成所述待检测人脸图像的发际线初始轮廓,包括:根据颜色模型对所述待检测人脸图像中的皮肤区域进行分割,得到所述待检测人脸图像中的皮肤区域;消除所述皮肤区域边缘宽度较小的凸起,生成待检测人脸图像的发际线初始轮廓。
上述技术方案中,可以对分割出的人脸皮肤区域边缘的凸起进行消除,从而可以获得较为平滑的发际线初始轮廓。
在一种可能的实现方式中,所述生成所述人脸检测图像的发际线初始轮廓,还包括:根据所述颜色模型消除所述皮肤区域边缘头发的干扰,生成待检测人脸图像的发际线初始轮廓。
上述技术方案中,可以利用颜色模型对人脸皮肤区域边缘处的毛发进行识别,并且可以消除皮肤区域边缘头发的干扰,从而可以获得较为平滑的发际线初始轮廓。
在一种可能的实现方式中,所述颜色模型为YCrCb。
第二方面,提供了一种发际线轮廓的定位装置,包括存储器和处理器,所述存储器用于存储程序;所述处理器用于执行所述存储器中存储的程序,当所述程序被执行时,所述处理器执行第一方面或第一方面的任意一种可能的实现方式中所述的方法。
第三方面,提供了一种计算机可读存储介质,包括计算机指令,当所述计算机指令在所述发际线轮廓的定位装置上运行时,使得所述发际线轮廓的定位装置执行第一方面或第一方面的任意一种可能的实现方式中所述的方法。
第四方面,提供了一种芯片,包括存储器、处理器,
所述存储器用于存储程序;
所述处理器用于执行所述存储器中存储的程序,当所述程序被执行时,所述处理器执行第一方面或第一方面的任意一种可能的实现方式中所述的方法。
第五方面,提供了一种计算机程序产品,当所述计算机程序产品在所述际线轮廓的定位装置上运行时,使得所述际线轮廓的定位装置执行第一方面或第一方面的任意一种可能的实现方式中所述的方法。
图1是本申请实施例提供的发际线轮廓的定位方法的示意性流程图。
图2是图1中的步骤140的一种可能的实现方式的示意性流程图。
图3是本申请实施例提供的发际线轮廓的定位装置的示意性结构图。
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例提供了一种发际线轮廓的定位方法,可以精确检测出发际线轮廓。下面结合图1-图2对本申请实施例进行详细描述。
图1是本申请实施例提供的发际线轮廓的定位方法的示意性流程图。图1的方法可以包括步骤110-140,下面分别对步骤110-140进行详细描述。
在步骤110中,获取待检测人脸图像。
在步骤120中,生成所述待检测人脸图像的发际线初始轮廓。
本申请实施例中生成待检测人脸图像的发际线初始轮廓的实现方式可以有多种,本申请对此不做具体限定。作为一个示例,可以在人脸范围内利用颜色模型检测皮肤区域,从而可以得到待检测人脸图像的发际线初始轮廓。作为另一个示例,还可以利用人脸“三庭五眼”的比例划分出人脸皮肤区域,从而可以得到待检测人脸图像的发际线初始轮廓。
以利用颜色模型得到发际线初始轮廓为例进行说明,在人脸范围内,可以利用合适的颜色模型检测出人脸皮肤区域,可以得到人脸的肤色区域。本申请实施例对提及的颜色模型不做具体限定,可以是任何一种颜色模型,作为一个示例,该颜色模型例如可以是YCrCb,RGB、HSV、Cr、Cb等。
具体地,以颜色模型事YCrCb为例进行说明,人脸皮肤在Cr通道中例如可以集中在133-173之间,人脸皮肤在Cb通道中例如可以集中在77-127之间。可以通过判断人脸皮肤与毛发在颜色模型YCrCb中的不同数值对人脸图像中的皮肤区域进行分割,从而可以得到人脸图像的发际线初始轮廓。
以利用人脸“三庭五眼”的比例得到发际线初始轮廓为例进行说明,在人脸范围内,可以在人脸范围内利用面部图像灰度分布的峰谷以及频率特性检测出眼睛、嘴、下巴等区域,然后可以利用人脸“三庭五眼”的比例划分出额头区域,从而可以得到待检测人脸图像的发际线初始轮廓。
应理解,上文提及的人脸“三庭五眼”是一种人的脸长与脸宽的一般标准比例,将人脸的头部上下分为三等分,将头部的宽度分为五等分。其中,三庭是指人脸的长度比例,可以把人脸的长度分为三个等分。从前额发际线至眉骨,从眉骨至鼻底,从鼻底至下颏, 各占脸长的1/3。五眼是指人脸的宽度比例,以眼形长度为单位,把脸的宽度分成五个等分。从左侧发际至右侧发际,为五只眼形,两只眼睛之间有一只眼睛的间距,两眼外侧至侧发际各为一只眼睛的间距,各占比例的1/5。
可选地,在一些实施例中,可以在人脸图像中利用颜色模型检测出皮肤区域后,还可以消除该皮肤区域边缘上一些宽度较小的凸起,从而可以生成待检测人脸图像的发际线初始轮廓。
本申请实施例对消除皮肤区域边缘一些宽度较小的凸起的实施方式不做具体限定。作为一个示例,可以分别计算皮肤区域边缘处每个凸起的水平方向宽度和垂直方向宽度,并可以消除一些宽度较小的凸起。
可选地,在一些实施例中,可以在人脸图像中利用颜色模型检测出皮肤区域后,可以消除所述皮肤区域边缘头发的干扰,从而可以生成待检测人脸图像的发际线初始轮廓。
本申请实施例对消除所述皮肤区域边缘头发的干扰的实施方式不做具体限定。作为一个示例,可以根据人脸皮肤与头发在颜色模型中的不同数值,可以区分出人脸皮肤与头发,并可以消除皮肤区域边缘头发的干扰。此处,本申请实施例对提及的颜色模型不做具体限定,可以是任何一种颜色模型,作为一个示例,该颜色模型例如可以是YCrCb,RGB、HSV、Cr、Cb等。
具体地,以颜色模型为RGB进行举例说明,一般而言,东亚人的头发颜色在R通道上的数值可以小于60。可以在颜色模型RGB中利用人脸皮肤与头发的不同数值,可以对人脸皮肤与头发进行区分,从而可以消除人脸皮肤区域边缘头发的干扰。
需要说明的是,在人脸图像中利用颜色模型检测出皮肤区域后,可选地,在一些实施例中,可以仅消除该人脸皮肤区域边缘上一些宽度较小的凸起。可选地,在一些实施例中,也可以仅根据颜色模型消除所述人脸皮肤区域边缘头发的干扰。可选地,在一些实施例中,还可以既消除该皮肤区域边缘宽度较小的凸起又可以根据颜色模型消除所述皮肤区域边缘头发的干扰。
在步骤130中,在灰度图中计算所述发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差。
本申请实施例对灰度图不做具体限定,例如,可以是未进行拉伸的灰度图。又如,还可以是经过对比度拉伸后的灰度图。
本申请实施例中可以在灰度图中计算发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差,也就是计算发际线初始轮廓上的像素点的局部方向梯度。本申请实施例对计算发际线初始轮廓最高点的局部方向梯度的方向不做具体限定。作为一个示例,可以计算初始轮廓上的像素点与周围相邻的一个像素点的灰度值之差。例如,可以计算初始轮廓上的像素点与y方向的一个像素点的灰度值之差,又如,还可以计算初始轮廓上的像素点与90度方向的一个像素点的灰度值之差,又如,还可以计算初始轮廓上的像素点与-45度方向的一个像素点的灰度值之差,又如,还可以计算初始轮廓上的像素点与45度方向的一个像素点的灰度值之差。作为另一个示例,可以计算初始轮廓上的像素点与周围相邻的多个像素点的灰度值之差。例如,可以计算初始轮廓上的像素点与y方向、90度方向、45度方向等多个相邻像素的灰度值之差。
在步骤140中,根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检 测人脸图像的发际线准确轮廓。
本申请实施例中可以根据初始轮廓上的像素点的灰度值之差(也可以称为初始轮廓上像素点的方向梯度)对发际线初始轮廓进行修正,从而可以生成所述待检测人脸图像的发际线准确轮廓。
本申请实施例中对计算所述发际线初始轮廓上的像素点的个数不做具体限定。作为一个示例,可以计算发际线初始轮廓上一个像素点的灰度值之差。作为另一个示例,还可以计算发际线初始轮廓上多个像素点的灰度值之差。
步骤140的具体实现方式可以有多种,本申请对此不做具体限定。作为一个示例,可以将计算出的目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的发际线准确轮廓。作为另一个示例,还可以将计算出的目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的第一发际线轮廓,并可以对所述第一发际线轮廓上不符合要求的地方进行修正,得到所述待检测人脸图像的发际线准确轮廓。下文会结合图2对上文提及的具体实现方式进行详细描述,此处暂不详述。
本申请实施例中,可以通过计算发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差,在灰度图中对人脸图像的发际线初始轮廓进行修正,可以精确地勾勒出人脸图像的发际线轮廓。并且在用户左右头帘不规整的情况下,也可以精确地勾勒出人脸图像的发际线轮廓,从而可以将全部额头皮肤划入人脸ROI内。
图2是图1中的步骤140的一种可能的实现方式的示意性流程图。图2的方法可以包括步骤210-220,下面分别对步骤210-220进行详细描述。
在步骤210中,根据所述发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差确定目标像素点,所述目标像素点与周围相邻像素点的灰度值之差大于预设阈值。
可选地,在一些实施例中,目标像素点可以为所述发际线准确轮廓上的最高点。
可选地,在一些实施例中,如果生成的发际线初始轮廓符合人脸“三庭五眼”的比例,可以计算发际线初始轮廓最高点的局部方向梯度。
下面以目标像素的90度方向梯度为例进行说明,可以将初始轮廓最高像素点的像素值与该最高像素点相邻的90度的像素点的像素值之差作为最高像素点的方向梯度,如果该方向梯度超过预设阈值,可以将初始轮廓最高像素点作为准确的人脸发际线轮廓的最高像素点。如果该方向梯度小于预设阈值,可以继续寻找下一个最高像素点,直到最高像素点的方向梯度超过预设阈值。
可选地,在一些实施例中,由于人脸皮肤与头发的颜色较为接近造成无法基于颜色分割区分出人脸皮肤与头发的分界线,使得生成的发际线初始轮廓不符合人脸“三庭五眼”的比例。本申请实施例可以利用人脸“三庭五眼”的比例确定一个最高像素点的检测区域,并可以在该最高像素点的检测区域中定位准确发际线轮廓的最高像素点(也就是目标像素点)。
应理解,可以根据所述“三庭五眼”比例划分所述发际线最高点的检测区域,然后可以在所述发际线最高点的检测区域内计算像素点的方向梯度。其中,发际线最高点的检测区域的灰度图可以是经过对比度拉伸后的灰度图,可以在对比度拉伸后的灰度图中计算目标像素点。
本申请实施例对灰度图进行对比度拉伸的实现方式不做具体限定,可以是任何形式的灰度图亮暗差幅值的提高。作为一个示例,可以根据自动色彩均衡(automatic color equalization,ACE)算法对灰度图进行对比度拉伸。例如,可以通过差分计算目标像素点与周围像素点之间的灰度值之差(也可以称为相对明暗关系),对灰度图的亮暗差幅值进行相应的提高。也就是说,可以在将对比度拉伸后,利用人脸皮肤与头发像素值的不同,可以区分出人脸皮肤与头发之间的分界线。
本申请实施例中可以在所有符合要求的最高像素点(像素点的方向梯度均大于预设阈值)中选取符合要求的连通域,并可以将连通域上的最高点确定为目标像素点。作为一个示例,可以选择一个凸型连通域。具体而言,可以将连通域分为N段,可以计算每一段内的平均y坐标。
在步骤220中,将所述目标像素点作为所述发际线准确轮廓上的像素点,对所述发际线初始轮廓进行修正,生成所述待检测人脸图像的发际线准确轮廓。
本申请实施例中,可以将所述目标像素点作为所述发际线准确轮廓上的像素点,也可以将所述目标像素点作为所述发际线准确轮廓上的最高像素点。
步骤220的具体实现方式有多种,作为一个示例,可以将所述目标像素点作为所述发际线准确轮廓上的最高像素点,并可以按照发际线初始轮廓的变化趋势生成所述待检测人脸图像的发际线准确轮廓。作为另一个示例,可以将所述目标像素点作为所述发际线准确轮廓上的最高像素点,并可以按照发际线初始轮廓的变化趋势生成所述待检测人脸图像的第一发际线轮廓,最后可以对第一发际线轮廓中不符合要求的地方进行修正,可以得到待检测人脸图像的发际线准确轮廓。
本申请实施例对提及的可以对第一发际线轮廓中不符合要求的地方进行修正,可以得到待检测人脸图像的发际线准确轮廓的实现方式不做具体限定。作为一个示例,可以对第一发际线轮廓中下降较剧烈的地方进行修正,可以计算第一发际线轮廓中下降较剧烈的地方的像素点与其周围像素点的方向梯度,从而可以对第一发际线轮廓进行修正,可以得到待检测人脸图像的发际线准确轮廓。
本申请实施例对确定发际线轮廓中下降较剧烈的地方的实现方式不做具体限定。作为一个示例,可以在y坐标中,目标像素与相邻像素之间的y坐标值之差如果大于预设阈值,可以将该目标像素所在位置确定为降较为剧烈的地方。
本申请实施例中,可以在找到发际线精确轮廓上的目标像素点后,可以将目标像素点作为中心,遍历第一发际线轮廓上的左右两侧,可以对第一发际线轮廓中下降较剧烈的地方进行修正,从而可以得到发际线准确轮廓。尤其在用户左右头帘不规整的情况下,也可以精确地勾勒出人脸图像的发际线轮廓。
上文结合图1-图2,详细描述了本申请实施例提供的发际线轮廓的定位方法,下面将结合图3,详细描述本申请实施例提供的发际线轮廓的定位装置。
图3是本申请实施例提供的发际线轮廓的定位装置的示意性结构图。图3中的发际线轮廓的定位装置300可以执行图1-图2的任一实施例描述的发际线轮廓的定位方法。图3的发际线轮廓的定位装置300可以包括存储器310和处理器320。存储器310可用于存储程序,处理器320可用于执行所述存储器310中存储的程序。当存储器310中存储的程序被执行时,所述处理器320可执行上文任一实施例描述的发际线轮廓的定位方法。
应理解,在本申请实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计 算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (12)
- 一种发际线轮廓的定位方法,其特征在于,包括:获取待检测人脸图像;生成所述待检测人脸图像的发际线初始轮廓;在灰度图中计算所述发际线初始轮廓上的像素点与周围相邻像素点的灰度值之差;根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓。
- 如权利要求1所述的方法,其特征在于,所述根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓,包括:根据所述发际线初始轮廓上的像素点与相邻像素点的灰度值之差确定目标像素点,所述目标像素点与周围相邻像素点的灰度值之差大于预设阈值;将所述目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的发际线准确轮廓。
- 如权利要求1所述的方法,其特征在于,所述根据所述灰度值之差对所述发际线初始轮廓进行调整,生成所述待检测人脸图像的发际线准确轮廓,包括:根据所述发际线初始轮廓上的像素点与相邻像素点的灰度值之差确定目标像素点,所述目标像素点与周围相邻像素点的灰度值之差大于预设阈值;将所述目标像素点作为所述发际线准确轮廓上的像素点,按照所述发际线初始轮廓的变化趋势生成所述待检测人脸图像的第一发际线轮廓;对所述第一发际线轮廓上不符合要求的地方进行修正,得到所述待检测人脸图像的发际线准确轮廓。
- 如权利要求2或3所述的方法,其特征在于,所述目标像素点为所述发际线准确轮廓上的最高点。
- 如权利要求1至4中任一项所述的方法,其特征在于,所述灰度图为经过对比度拉伸后的灰度图。
- 如权利要求1至5中任一项所述的方法,其特征在于,所述生成所述待检测人脸图像的发际线初始轮廓,包括:根据颜色模型对所述待检测人脸图像中的皮肤区域进行分割,得到所述待检测人脸图像中的皮肤区域;消除所述皮肤区域边缘宽度较小的凸起,生成待检测人脸图像的发际线初始轮廓。
- 如权利要求4所述的方法,其特征在于,所述生成所述人脸检测图像的发际线初始轮廓,还包括:根据所述颜色模型消除所述皮肤区域边缘头发的干扰,生成待检测人脸图像的发际线初始轮廓。
- 如权利要求6或7所述的方法,其特征在于,所述颜色模型为YCrCb。
- 一种发际线轮廓的定位装置,其特征在于,包括存储器和处理器,所述存储器用于存储程序;所述处理器用于执行所述存储器中存储的程序,当所述程序被执行时,所述处理器执行如权利要求1至8中任一项所述的方法。
- 一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在所述发际线轮廓定位装置上运行时,使得所述发际线轮廓定位装置执行如权利要求1至8中任一项所述的方法。
- 一种芯片,其特征在于,包括存储器、处理器,所述存储器用于存储程序;所述处理器用于执行所述存储器中存储的程序,当所述程序被执行时,所述处理器执行如权利要求1至8中任一项所述的方法。
- 一种计算机程序产品,其特征在于,当所述计算机程序产品在所述际线轮廓定位装置上运行时,使得所述际线轮廓定位装置执行如权利要求1至8中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18907870.2A EP3751446B1 (en) | 2018-02-28 | 2018-02-28 | Hairline contour locating method and device, and computer readable storage medium |
PCT/CN2018/077586 WO2019165604A1 (zh) | 2018-02-28 | 2018-02-28 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
CN201880071219.7A CN111295664B (zh) | 2018-02-28 | 2018-02-28 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/077586 WO2019165604A1 (zh) | 2018-02-28 | 2018-02-28 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019165604A1 true WO2019165604A1 (zh) | 2019-09-06 |
Family
ID=67804781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/077586 WO2019165604A1 (zh) | 2018-02-28 | 2018-02-28 | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3751446B1 (zh) |
CN (1) | CN111295664B (zh) |
WO (1) | WO2019165604A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126344A (zh) * | 2019-12-31 | 2020-05-08 | 杭州趣维科技有限公司 | 一种生成人脸额头关键点的方法与系统 |
CN111489823A (zh) * | 2020-04-08 | 2020-08-04 | Oppo广东移动通信有限公司 | 头发健康状况评估方法、装置、移动终端及存储介质 |
CN111968144A (zh) * | 2020-09-07 | 2020-11-20 | 北京凌云光技术集团有限责任公司 | 一种图像边缘点获取方法及装置 |
CN112131414A (zh) * | 2020-09-23 | 2020-12-25 | 北京百度网讯科技有限公司 | 信号灯的图像的标注方法、装置、电子设备以及路侧设备 |
CN112434578A (zh) * | 2020-11-13 | 2021-03-02 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
CN113034349A (zh) * | 2021-03-24 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113837067A (zh) * | 2021-09-18 | 2021-12-24 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
CN114723888A (zh) * | 2022-04-08 | 2022-07-08 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258535B (zh) * | 2020-10-26 | 2022-09-16 | 大连理工大学 | 超声图像中胼胝体及小脑蚓部的一体化定位及分割方法 |
CN112669228A (zh) * | 2020-12-22 | 2021-04-16 | 厦门美图之家科技有限公司 | 图像处理方法、系统、移动终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913067A (zh) * | 2016-04-18 | 2016-08-31 | 徐庆 | 图像轮廓特征的提取方法及其装置 |
CN107730444A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021550B (zh) * | 2014-05-22 | 2017-01-18 | 西安理工大学 | 一种人脸三庭五眼自动定位及比例确定方法 |
JP6115545B2 (ja) * | 2014-11-11 | 2017-04-19 | コニカミノルタ株式会社 | 画像処理装置及び画像処理方法 |
CN106651777B (zh) * | 2015-10-29 | 2020-07-03 | 小米科技有限责任公司 | 图像处理方法及装置、电子设备 |
CN106650654B (zh) * | 2016-12-15 | 2019-11-22 | 天津大学 | 一种基于人体头部彩色点云模型的三维发际线提取方法 |
-
2018
- 2018-02-28 WO PCT/CN2018/077586 patent/WO2019165604A1/zh unknown
- 2018-02-28 CN CN201880071219.7A patent/CN111295664B/zh active Active
- 2018-02-28 EP EP18907870.2A patent/EP3751446B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913067A (zh) * | 2016-04-18 | 2016-08-31 | 徐庆 | 图像轮廓特征的提取方法及其装置 |
CN107730444A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126344A (zh) * | 2019-12-31 | 2020-05-08 | 杭州趣维科技有限公司 | 一种生成人脸额头关键点的方法与系统 |
CN111126344B (zh) * | 2019-12-31 | 2023-08-01 | 杭州趣维科技有限公司 | 一种生成人脸额头关键点的方法与系统 |
CN111489823A (zh) * | 2020-04-08 | 2020-08-04 | Oppo广东移动通信有限公司 | 头发健康状况评估方法、装置、移动终端及存储介质 |
CN111968144A (zh) * | 2020-09-07 | 2020-11-20 | 北京凌云光技术集团有限责任公司 | 一种图像边缘点获取方法及装置 |
CN111968144B (zh) * | 2020-09-07 | 2024-03-29 | 凌云光技术股份有限公司 | 一种图像边缘点获取方法及装置 |
CN112131414A (zh) * | 2020-09-23 | 2020-12-25 | 北京百度网讯科技有限公司 | 信号灯的图像的标注方法、装置、电子设备以及路侧设备 |
CN112434578B (zh) * | 2020-11-13 | 2023-07-25 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
CN112434578A (zh) * | 2020-11-13 | 2021-03-02 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
CN113034349A (zh) * | 2021-03-24 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113034349B (zh) * | 2021-03-24 | 2023-11-14 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113837067B (zh) * | 2021-09-18 | 2023-06-02 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
CN113837067A (zh) * | 2021-09-18 | 2021-12-24 | 成都数字天空科技有限公司 | 器官轮廓检测方法、装置、电子设备及可读存储介质 |
CN114723888A (zh) * | 2022-04-08 | 2022-07-08 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111295664A (zh) | 2020-06-16 |
CN111295664B (zh) | 2022-06-07 |
EP3751446B1 (en) | 2023-08-16 |
EP3751446A1 (en) | 2020-12-16 |
EP3751446A4 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019165604A1 (zh) | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 | |
US10282611B2 (en) | Eyelid shape estimation | |
Esmaeili et al. | Automatic detection of exudates and optic disk in retinal images using curvelet transform | |
WO2017036160A1 (zh) | 人脸识别的眼镜消除方法 | |
US20160162673A1 (en) | Technologies for learning body part geometry for use in biometric authentication | |
US8295593B2 (en) | Method of detecting red-eye objects in digital images using color, structural, and geometric characteristics | |
TWI694809B (zh) | 檢測眼球運動的方法、其程式、該程式的記憶媒體以及檢測眼球運動的裝置 | |
US9020270B2 (en) | Image processing device, image processing method, image processing control program, and recording medium | |
JP2002230547A (ja) | 画像における人間の虹彩を検出するためのデジタル画像処理方法及びコンピュータプログラムプロダクト | |
JPH11250267A (ja) | 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 | |
US11877800B2 (en) | Method and system for detecting blepharoptosis | |
US10635919B2 (en) | Information processing device, image processing system, image processing method, and program storage medium | |
TW201928759A (zh) | 確定瞳孔位置的方法和裝置 | |
WO2021115040A1 (zh) | 图像校正方法、装置、终端设备和存储介质 | |
WO2017054276A1 (zh) | 一种生物特征身份识别方法及装置 | |
US20060269128A1 (en) | Image correction method and apparatus | |
Shetty et al. | A novel approach for glaucoma detection using fractal analysis | |
Malek et al. | Automated optic disc detection in retinal images by applying region-based active aontour model in a variational level set formulation | |
JP2007281798A (ja) | 赤目補正装置、赤目補正方法、および赤目補正プログラム | |
CN115131696A (zh) | 图像处理装置、图像处理方法和存储介质 | |
US20170109569A1 (en) | Hybrid face recognition based on 3d data | |
TWI673034B (zh) | 眼瞼下垂檢測方法及系統 | |
JP2005141523A (ja) | 画像処理方法 | |
JP4683236B2 (ja) | 目の位置の検出方法 | |
Dewi et al. | Robust pupil localization algorithm under off-axial pupil occlusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18907870 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2018907870 Country of ref document: EP Effective date: 20200909 |