專利名稱：：一種臉型輪廓的檢測(cè)與分類方法一種臉型輪廓的檢測(cè)與分類方法技術(shù)領(lǐng).域本發(fā)明涉及一種圖像處理方法，特別地涉及一種臉型輪廓的檢測(cè)與分類方法。
背景技術(shù)：
：隨著我國(guó)人民物質(zhì)生活水平的日益提高，人們?cè)谧晕倚蜗笤O(shè)計(jì)方面的需求迅速增長(zhǎng)，與此同步，所對(duì)應(yīng)的服務(wù)行業(yè)，如形象設(shè)計(jì)、美容美發(fā)、服裝首飾、化妝娛樂等，也正向著個(gè)性化、專業(yè)化、科學(xué)化、信息化的方向發(fā)展。在這些領(lǐng)域中的很多場(chǎng)合，服務(wù)商在提供產(chǎn)品和服務(wù)時(shí)，需要根據(jù)顧客的臉型做出相廠2的設(shè)計(jì)或推薦，如發(fā)型選擇、首飾佩戴等。在日常生活中，包括從我們國(guó)家的歷史記載，對(duì)人的臉型有一些典型的分類方法，例如，一種方法把臉型分為圓臉、方臉、蛋臉、鉆型臉、三角臉、長(zhǎng)臉、洋梨臉等七種(參見圖3)。針對(duì)這些臉型，盡管人們?cè)陂L(zhǎng)期的實(shí)踐中也總結(jié)出許多廣為認(rèn)可的規(guī)律，例如，何種臉型的人適合何種發(fā)型、首飾等，但是目前這些行業(yè)的服務(wù)人員水平參差不一，難以為客戶提供高水平、科學(xué)準(zhǔn)確的判定。人為因素所產(chǎn)生的偏差時(shí)常存布，隨意作出的臉型判斷以及基于該結(jié)果所提供的服務(wù)使客戶難以信服和滿意。這種技術(shù)現(xiàn)狀極大地限制了這些行業(yè)的服務(wù)質(zhì)量和發(fā)展。本發(fā)明的主要目的就是為這些行業(yè)提供一種科學(xué)的圖像處理方法，使人們?cè)诠ぷ鲿r(shí)有據(jù)可依，科學(xué)快捷，信息化、數(shù)字化。圖像處理是目前多媒體技術(shù)和信號(hào)處理
技術(shù)領(lǐng)域：
的重要組成部分，其中對(duì)圖像中的人臉進(jìn)行檢測(cè)和識(shí)別是研究人員開展了多年的一項(xiàng)技術(shù)，取得了豐富的技術(shù)成果，并在多媒體處理、攝像技術(shù)、安防、公安等領(lǐng)域獲得有效的應(yīng)用。、目前，對(duì)圖像中的人臉位置進(jìn)行檢測(cè)和定位已經(jīng)有了比較有效的方法，例如釆用經(jīng)典的Haar人臉檢測(cè)方法等。這類方法可以對(duì)圖像中的人臉進(jìn)行檢測(cè)定位。其基本方法是，首先通過對(duì)人臉的正面或側(cè)面特征進(jìn)行建模，建立特征庫(kù)，然后，在使用時(shí)對(duì)整個(gè)圖像進(jìn)行掃描和匹配，來確定圖像中是否存在人臉，及其具體位置(參見圖1);其次是在圖像中的人臉位置確定后確定臉部的輪廓。在圖像處理中，人們也提出了進(jìn)行輪廓(邊緣)檢測(cè)的方法，如Canny,Sobel，Prewitt等。在Canny方法中，通過尋找圖像中局部最大灰度級(jí)梯度，并設(shè)定門限的方法來判別圖像中的各個(gè)邊緣位置。但由于該方法并不假設(shè)圖像的內(nèi)容，也不對(duì)將要得到的輪廓有任何假設(shè)和要求，因此，當(dāng)對(duì)一幅人臉圖像進(jìn)行處理時(shí)，由于拍攝時(shí)光線的因素，在絕大多數(shù)情況下會(huì)獲得一個(gè)不連續(xù)、邊緣凹凸的復(fù)雜的輪廓檢測(cè)結(jié)果，尤其在頭發(fā)、下巴等處，如圖2所示。因此這種方法得不到臉型輪廓，也就更無法利用這個(gè)結(jié)果進(jìn)行臉型分類。其它的邊緣檢測(cè)方恃也存在同樣的問題。因此通常人們所說的人臉識(shí)別技術(shù)，事實(shí)上是比較人臉中僅包含兩眼、鼻子嘴巴在內(nèi)的一個(gè)矩形區(qū)域內(nèi)的圖像特征的接近程度，與人臉輪廓并沒有直接關(guān)系。也就是說現(xiàn)有利用現(xiàn)有技術(shù)無法檢測(cè)得到準(zhǔn)確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進(jìn)行臉型分類。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種臉型輪廓的檢測(cè)與分類方法，以克服現(xiàn)有技術(shù)存在的無法檢測(cè)得到準(zhǔn)確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進(jìn)行臉型分類的問題。為克服現(xiàn)有技術(shù)存在的問題，本發(fā)明提供的技術(shù)方案是一種臉型輪廓的檢測(cè)與分類方法，包括以下步驟歩驟(一)人臉定位采用現(xiàn)有的檢測(cè)方法檢測(cè)出任意圖像中一幅或多幅人臉的位置，并給出臉GP的矩形區(qū)域^5a)，其中對(duì)角頂點(diǎn)的坐標(biāo)為j(X"，^),C(Xc，yb,中心點(diǎn)o的坐標(biāo)<formula>formulaseeoriginaldocumentpage8</formula>步驟(二)人臉輪廓檢測(cè)首先設(shè)定臉型輪廓的基本模型為一個(gè)由若干個(gè)點(diǎn)組成矢量封閉對(duì)稱曲線Zm，其坐標(biāo)序列為<formula>formulaseeoriginaldocumentpage8</formula>將常見七種臉型中的蛋形臉作為基本模型。令&，W坐標(biāo)的高度少i等間隔變化，這樣僅需確定各點(diǎn)的橫坐標(biāo)x,就可以確定臉型輪廓。定義該輪廓中心軸的橫坐標(biāo)為仏并以臉寬作歸一化，即設(shè)臉寬為1，臉高隨比例隨后確定。將矢量曲線Zm的中心與臉部中心點(diǎn)O重合，以臉部矩形區(qū)域」5CD的大小為基準(zhǔn)，以O(shè)為參考點(diǎn)，對(duì)丄m作矢量伸縮，使得丄m的上下左右頂點(diǎn)&,《2,&,《4分別切上臉部范圍^BCD的各個(gè)邊沿，將此時(shí)的各個(gè)曲線坐標(biāo)作為臉型輪廓的初始值丄fl;在初始輪廓丄。的基礎(chǔ)上，對(duì)臉部的各個(gè)部位的細(xì)節(jié)進(jìn)行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標(biāo)位置，分別敘述如下，(1)額頭的髙度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線修正的步驟是(a)在人臉區(qū)域矩形內(nèi)，取出上1/4區(qū)域的中間1/2的部分A，以陰影來表示，這部分圖像中下半部分為額頭，上半部分為頭發(fā)。(b)確定發(fā)跡線的檢測(cè)準(zhǔn)則將區(qū)域^內(nèi)各個(gè)點(diǎn)處的象素點(diǎn)灰度級(jí)C^分為W個(gè)區(qū)間，統(tǒng)計(jì)所有象素點(diǎn)的灰度級(jí)，尋找數(shù)目最小的象素點(diǎn)區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級(jí)門限Gr。(c)在區(qū)域A中，自下向上，統(tǒng)計(jì)所取圖像中每行各個(gè)像素的灰度級(jí)高于門限Gr的點(diǎn)的數(shù)目，當(dāng)某一行中，高于門限G"勺像素點(diǎn)的數(shù)目與該行像素點(diǎn)的總數(shù)目的比例高于1/7時(shí)，確定該行所處的垂直位置就是發(fā)跡線，即額頭的頂端。(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整^，使其上頂點(diǎn)A與該垂直位置重合，修正后的輪廓曲線保存在丄/中。如果由于照片中人臉圖像的頭發(fā)將發(fā)跡線全部遮蓋根本找不到，將不滿足上述的(C)的條件，這時(shí)就維持初始值^不變；(2)下巴高度的確定下巴的垂直位置是下巴的淺色區(qū)域(光照較強(qiáng))與頸部的深色(光照較弱)的交接處，判斷步驟是(a)在人臉區(qū)域矩形^SCD內(nèi)，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域i2。(b)對(duì)區(qū)域A中的每一行的像素灰度級(jí)求和，和值最小的那一行對(duì)應(yīng)的就是下巴的高度位置。(C)根據(jù)下巴的垂直位置，伸縮調(diào)整￡7，修正后的輪廓曲線保存在丄2中。(3)左右臉頰的確定(a)除掉人臉區(qū)域矩形v4BO)內(nèi)縱向中間1/3的部分，兩個(gè)區(qū)域?yàn)?amp;;和&2。(b)對(duì)區(qū)域?yàn)楹?amp;2的各列像素的灰度級(jí)進(jìn)行求和；(C)搜索左側(cè)區(qū)域^;的左邊的『/"寬度的區(qū)域和右側(cè)區(qū)域&2的右邊的『/"寬度的區(qū)域內(nèi)各列像素灰度級(jí)之和的最小值，得到左右兩側(cè)臉頰的橫坐標(biāo)位置。(d)根據(jù)臉頰的水平位置，水平伸縮調(diào)整丄2，修正后的輪廓曲線保存在丄j中。步驟(三)臉型分類獲得臉型輪廓曲線后，可以利用現(xiàn)有的方法進(jìn)行分類。上述步驟(二)中，還可以包括(4)腮部形狀的修訂，其具體步驟是(a)單獨(dú)取出人臉區(qū)域^SCD的下半部分來提取人臉腮部的圖像；(b)利用Canny方法進(jìn)行邊緣檢測(cè)，在腮部獲得一些不連續(xù)的輪廓邊緣；(c)找出腮部諸多輪廓邊緣線條中長(zhǎng)度最長(zhǎng)的線條/，保存這根線條的所有點(diǎn)的坐標(biāo)一，"U,…，P;(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，=0.5sina,+A:(sin",.)0.4y,=0.5!/W其中/=0，7,2,,A^M^-7，由此獲得一組a和A。然后，在該函數(shù)中僅需調(diào)節(jié)k值即可改變?nèi)壳€曲率，形成各型腮部形狀,-(e)利用上述的函數(shù)，使HI從-0.1向0.1變化，尋找與(c)中找到的線條/最吻合的曲線，使得在各個(gè)高度上，該曲線與線條/的水平距離均方差最小，該線務(wù)即為腮部最佳邊緣曲線；(f)根據(jù)最佳邊緣曲線，替換丄3中的對(duì)應(yīng)坐標(biāo)，修正后的輪廓曲線保存在丄中。上述步驟(三)中，所采用的分類方法具體是根據(jù)人臉輪廓結(jié)果計(jì)算特征參數(shù)，然后將特征參數(shù)與分類門限進(jìn)行比較，最終獲得臉型類別最具代表性的特征參數(shù)臉高與臉寬之比H2W—RATIO,下巴寬與臉寬之比XB—RATIO,額頭寬與臉寬之比ET—RATIO,兩腮寬與臉寬之比LS一RATIO，下巴曲率YJ一RATI02，利用這些特征值進(jìn)行統(tǒng)計(jì)，可獲得具體的分類門限參數(shù)，在下面的表中給出一個(gè)簡(jiǎn)單的臉型分類的判斷條件臉型名稱條件(與的關(guān)系)長(zhǎng)形臉蛋形臉圓臉方臉LS7M77<9〉線心形臉JT5J^77(9〈諸Z51—7^77(9<=睛K/—7^7702<-謹(jǐn)洋梨五r—iL4770《睛LS一緒70五7二7^77(9〉0JJ鉆形臉朋JM7TO〈0.5211當(dāng)某個(gè)臉型不滿足任何一個(gè)條件組合時(shí)，他/她可能介于某兩種臉型之間。上述步驟(一)中，所述臉部區(qū)域檢測(cè)方法是Harr方法上述步驟(二)中，對(duì)稱曲線丄111的坐標(biāo)序列為&，；^，/=^，..,^^M越大精度越高。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)是本發(fā)明提出一種檢測(cè)任意圖像中人臉外型輪廓的方法，該方法首先從圖像中定位出人臉的位置，然后確定出一個(gè)完整、連續(xù)、光滑的臉型輪廓，最后對(duì)人臉外型輪廓的類型進(jìn)行分類。本發(fā)明可以為形象設(shè)計(jì)、美容、美發(fā)、服裝、首飾、化妝、娛樂等諸多行業(yè)提供有效的自動(dòng)圖像處理手段，為各種應(yīng)用行業(yè)提供自動(dòng)化、客觀的技術(shù)支持。同時(shí)，還可幫助廣大群眾進(jìn)行自我臉型判定，根據(jù)規(guī)律進(jìn)行自我形象設(shè)計(jì)。圖1:利用Harr臉型檢測(cè)方法可以有效地檢測(cè)出一幅圖像中人臉的位置；圖2:利用Canny方法進(jìn)行邊緣檢測(cè)的結(jié)果；圖3:常見的七種臉型；圖4:蛋形臉的基本模型及其頂點(diǎn)位置表示；圖5:臉部范圍以及進(jìn)行額頭、下巴搜索的區(qū)域示意圖6:臉部范圍以及進(jìn)行左右兩側(cè)臉頰搜索的區(qū)域示意圖7:臉型定位、輪廓檢測(cè)和分類的輸入輸出關(guān)系流程；圖8:人臉輪廓檢測(cè)方法流程；圖9:臉型分類流程；圖10:輪廓檢測(cè)具體實(shí)施例，圖中的紅色曲線為計(jì)算機(jī)自動(dòng)計(jì)算出來的結(jié)果。具體實(shí)施方式-下面將結(jié)合附圖對(duì)本發(fā)明做詳細(xì)地說明。本發(fā)明的目的是要從一幅圖像中檢測(cè)到人臉的位置，得到其臉部外型輪廓，最終給出分類結(jié)果。參見圖4，實(shí)施步驟分為三步，即人臉定位、人臉輪廓檢測(cè)和臉型分類。步驟(一)人臉定位，采用現(xiàn)有的Harr檢測(cè)方法可有效檢測(cè)出任意圖像中一幅或多幅人臉的位置，并給出臉部的矩形區(qū)域頂點(diǎn)的坐標(biāo)。在后面的敘述中，我們僅以一幅人臉圖像為例來解釋。當(dāng)原始圖像片中有多于一幅人臉時(shí)，該方法可以逐一檢測(cè)出每幅人臉的位置和范圍。參見圖1，定義檢測(cè)出的人臉區(qū)域的四個(gè)角的坐標(biāo)分別為A,8,C,D，其中/\的坐標(biāo)為(Xa，Ya)，C的坐標(biāo)為(Xc,Yc)，中心點(diǎn)為Of(Xa+;fc)/2,(T"+步驟(二)人臉輪廓檢測(cè)，過程參見圖5，其中包括在臉部區(qū)域的坐標(biāo)內(nèi)分別對(duì)額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標(biāo)位置，腮部形狀進(jìn)行修訂后合成最終的臉型輪廓。當(dāng)獲得臉部區(qū)域的坐標(biāo)后，尋找臉型輪廓的圖像處理工作就局限在該區(qū)域附近。為了使獲得的臉型輪廓是一個(gè)光滑、連續(xù)、封閉的曲線，我們采用以下方法首先設(shè)定臉型輪廓的基本模型為由若干個(gè)點(diǎn)組成矢量封閉對(duì)稱曲線Zm，其坐標(biāo)序列為^，^，/=7義..，似，采用圖3中蛋形臉作為基本模型，圖7給出該臉型及其各個(gè)頂點(diǎn)的示意圖。本實(shí)施例中給出采用一個(gè)左右對(duì)稱的，由A/=72個(gè)點(diǎn)構(gòu)成蛋形臉的輪廓作為基本模型。令(3c,，^坐標(biāo)的高度等間隔變化，這樣僅需確定各點(diǎn)的橫坐標(biāo)就可以確定臉型輪廓。定義該輪廓中心軸的橫坐標(biāo)為0，并以臉寬作歸一化，即臉寬為l，高度隨比例來定。下面給出本發(fā)明采用的一組輪廓中的一半36個(gè)點(diǎn)的坐標(biāo)如下(左右對(duì)稱)，橫坐標(biāo)的順序?yàn)閺南掳偷筋~頭A.i=[0.00000.25010.30250.35490.38890.41530.43460.45240.46720.47590.48500.49070.49380.50000.49990.49960.49900.49790.49580.49140.48260.47760.46750.45570.44470.43080.41570.39390.37090.34590.31680.27920.23760.18340.14590.0000]由于我們已知臉部的大致范圍JSCD，因此可以將矢量曲線Zm的中心與臉部中心點(diǎn)(9重合，以臉部范圍大小為基準(zhǔn)，以O(shè)為參考點(diǎn)，對(duì)Z^作矢量伸縮，使得丄m的上下左右頂點(diǎn)《/，&，^^分別貼上臉部范圍WCZ)的各個(gè)邊沿，將此時(shí)的各個(gè)曲線坐標(biāo)作為臉型輪廓的初始值丄o。在初始輪廓丄。的基礎(chǔ)上，需要對(duì)臉部的各個(gè)部位的細(xì)節(jié)進(jìn)行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標(biāo)位置，腮部形狀等。確定這幾項(xiàng)參數(shù)的方法可以通過對(duì)圖像灰度級(jí)的分析來獲得。我們?cè)谕ㄟ^對(duì)大量的照片的觀察與統(tǒng)計(jì)實(shí)驗(yàn)后，獲得了一套十分有效的方法，在圖8中給出實(shí)施步驟流程，根據(jù)人臉的定位結(jié)果，可以大致獲得人臉范圍頂點(diǎn)坐標(biāo)，根據(jù)此再精確定位額頭高度、下巴高度，左右側(cè)臉頰的水平頂點(diǎn)位置，腮部曲線，最終合成臉型輪廓。具體方法在下面作詳細(xì)介紹。在這幾個(gè)參數(shù)的確定過程中，原來的初始值丄o會(huì)根據(jù)修訂結(jié)果進(jìn)行調(diào)整，所得結(jié)果將逐漸逼近真實(shí)臉型輪廓額頭的高度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線。找到發(fā)跡線的垂直位置，就可以用來進(jìn)一步修正臉型輪廓初始值丄o最上部頂點(diǎn)的精確位置。確定額頭發(fā)跡線的困難之處在于，并不是每張照片都把發(fā)跡線清晰地裸漏在外面，有時(shí)候是一部分，有時(shí)候就幾乎看不到。頭發(fā)的遮擋成為主要困難。為此采取以下方法首先，我們已經(jīng)有初始值Zo最上部頂點(diǎn)的位置。如果發(fā)跡線根本就找不到，我們就不修改初始值丄0。如果有一部分漏出來，那么我們就有可能對(duì)發(fā)跡線進(jìn)行檢測(cè)，修正初始值丄o。判斷發(fā)跡線的方法是-(a)如圖7所示，在人臉區(qū)域矩形JiCD內(nèi)，取出上1/4區(qū)域的中間1/2的區(qū)域A，以陰影來表示，這部分圖像中下半部分應(yīng)該為額頭，上半部分應(yīng)該為頭發(fā)。'(b)確定發(fā)跡線的檢測(cè)準(zhǔn)則。將區(qū)域&內(nèi)各個(gè)點(diǎn)處的象素點(diǎn)灰度級(jí)G^分為W個(gè)區(qū)間(例如，iV=70)。在這一部分，頭發(fā)的黑色與額頭的黃色所對(duì)應(yīng)的灰度級(jí)像素點(diǎn)應(yīng)當(dāng)所占比例較高，而發(fā)跡線處的灰度級(jí)象素點(diǎn)相比占少數(shù)。因此，我們統(tǒng)計(jì)所有象素點(diǎn)的灰度級(jí)，尋找數(shù)目最小的象素點(diǎn)區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級(jí)門限(C)在區(qū)域A中，自下向上，統(tǒng)計(jì)所取圖像中每行各個(gè)像素的灰度級(jí)高于門限(^的點(diǎn)的數(shù)目。當(dāng)某一行中，高于門限Gr的像素點(diǎn)的數(shù)目與該行像素點(diǎn)的總數(shù)目的比例高于l/7時(shí)(經(jīng)驗(yàn)值)，認(rèn)為該行所處的垂直位置就是發(fā)跡線，即額頭的頂端。(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整^，修正后的輪廓曲線保存在丄,中。下巴髙度的確定參見圖1，下巴的垂直位置是下巴的淺色區(qū)域(光照較強(qiáng))與頸部的深色(光照較弱)的交接處。具體的判斷方法是(a)參見圖7，在臉部區(qū)域中，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域52。(b)對(duì)區(qū)域B2中的每一行的像素灰度級(jí)求和，和值最小的那一行對(duì)應(yīng)的就是下巴的高度位置。(c)根據(jù)下巴的垂直位置，伸縮調(diào)整Z^，修正后的輪廓曲線保存在&中。左右臉頰的確定左右臉頰橫坐標(biāo)位置的確定受到耳朵、頭發(fā)、光線照射、背景因素的影響，確定起來比較困難。具體的判斷方法是(a)如圖8所示，除掉人臉范圍縱向中間三分之一的部分，這樣做會(huì)把耳朵部分的影響去掉。兩個(gè)區(qū)域?yàn)?amp;/和^2。(b)對(duì)區(qū)域?yàn)楹?amp;2的各列像素的灰度級(jí)進(jìn)行求和；(C)根據(jù)人臉的形狀特點(diǎn)，在絕大部分照片中，搜索左側(cè)區(qū)域&;的左邊的壞7"寬度的區(qū)域和右側(cè)區(qū)域&2的右邊的寬度的區(qū)域內(nèi)各列像素灰度級(jí)之和的最小值，就可以得到左右兩側(cè)臉頰的橫坐標(biāo)位置。(d)根據(jù)臉頰的水平位置，水平伸縮調(diào)整丄2，修正后的輪廓曲線保存在丄3中。由于以上一直采用的是一個(gè)基本的臉型模型，在此基礎(chǔ)上只是簡(jiǎn)單地進(jìn)行高低胖瘦的變化，這樣做對(duì)大部分臉型基本可以滿足要求。但對(duì)一些如方臉、心形臉等，就不能很好的逼近。這時(shí)我們需要對(duì)腮部(整個(gè)臉型輪廓下部1/2的曲線)進(jìn)行重新調(diào)整。腮部形狀的修訂具體實(shí)施步驟如下(a)提取人臉腮部的圖像，如圖1所示，我們單獨(dú)取出區(qū)域」BCZ)的下半部分。(b)利用Canny方法進(jìn)行邊緣檢測(cè)。這樣我們會(huì)獲得一些斷斷續(xù)續(xù)的邊緣。如圖2中虛線所示的區(qū)域，這里面會(huì)有一些線條是腮部輪廓的線條，而許多線《則不是。(c)找出腮部諸多線條中長(zhǎng)度最長(zhǎng)的線條/，這根線條一般就是人臉輪廓，保存這根線條的所有點(diǎn)的坐標(biāo),:^，y'=A2,...，P。(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，jc,二0.5sina,+A:(sinA)0.4少，=0.5其中k-i,i=0，l,2,...，N,N=M/4-i，由此獲得一組a和y9。然后，在該函數(shù)中僅需調(diào)節(jié)W直即可改變?nèi)壳€曲率，形成各型腮部形狀。例如，當(dāng)^/=72時(shí)，我們可以得到a=[1.57081.62971.68871.74821.80831.86931.93151.99522.06082.12872.19972.27452.35452.44142.53842.65162.79693.14159]3-腮部曲線是臉型輪廓曲線Z的前半部分，左右對(duì)稱，計(jì)算一邊即可，共18個(gè)點(diǎn)。(d)利用上述函數(shù)，使W直從-0.1向0.1變化，尋找與線條撮吻合的曲線，使得在各個(gè)高度上，該曲線與線條/的水平距離均方差最小，該線條即為腮部最佳邊緣曲線。(e)根據(jù)最佳邊緣曲線，替換&中的對(duì)應(yīng)坐標(biāo)，修正后的輪廓曲線保存在丄中。(1)臉型輪廓計(jì)算結(jié)束。步驟(三)；臉型分類參見圖9。首先根據(jù)人臉輪廓結(jié)果計(jì)算特征參數(shù)，然后將特征參數(shù)與分類門限進(jìn)行比較，最終獲得臉型類別。為了區(qū)分不同的臉型，確定了以下幾個(gè)最具代表性的特征參數(shù)臉高與臉寬之比，下巴寬與臉寬之比，額頭寬與臉寬之比，兩腮寬與臉寬之比，下巴曲率。通過對(duì)這些參數(shù)單項(xiàng)進(jìn)行統(tǒng)計(jì)，然后進(jìn)行門限設(shè)定與比較，就可以實(shí)現(xiàn)對(duì)每幅臉型進(jìn)行分類，分類參數(shù)如下間臉高與臉寬之比772『J^770(b)下巴寬與臉寬之比^SJL477(9W額頭寬與臉寬之比五rjM77(9問兩腮寬與臉寬之比丄S—i^77<9間下巴曲率K/J^7Y(92利用這些特征值進(jìn)行統(tǒng)計(jì)，可獲得具體的分類門限參數(shù)，在下面的表中給出一個(gè)簡(jiǎn)單的臉型分類的判斷條件。<table>tableseeoriginaldocumentpage17</column></row><table>五r—7^477(9鏡鉆形臉AT—7^477(9<0.7丄S—7M7YO+五rjL477(9<="0當(dāng)某個(gè)臉型不滿足任何一個(gè)條件組合時(shí)，他/她可能介于某兩種臉型之間。這種情況可以根據(jù)用戶的需求進(jìn)行處理。當(dāng)自動(dòng)臉型輪廓檢測(cè)完成后，用戶還可以自行作小范圍修改，以便達(dá)到最佳效果。以圖10中的人臉為例，進(jìn)一步完整描述本發(fā)明的各個(gè)步驟。首先，對(duì)圖像中的人臉進(jìn)行定位。Harr檢測(cè)方法可以利用Intel的開源計(jì)算機(jī)視覺庫(kù)OpenCV中的人臉定位函數(shù)實(shí)現(xiàn)，具體函數(shù)名稱為cvHaarDetectObjects。利用該函數(shù)就可以獲得人臉在圖像中的位置、范圍和數(shù)目。有關(guān)該函數(shù)的使用在C語言中如下描述。cvHaarDetectObjects(m一plmg,cascade,storage,1.2,2,CV—HAAR_DO_CANNY—PRUNINQcvSize(O,0";定位結(jié)果如圖10(a)所示。這時(shí)一個(gè)矩形的邊框，確定了大致的人臉范圍，并使得該范圍一定將所有人臉部分包含在內(nèi)；第二，以臉型位置為依據(jù)，采用蛋型臉的模型作為初始輪廓，這時(shí)的輪廓偏差比較大，無論大小，還是與真實(shí)臉型的貼近程度都不能滿足使用要求。第三，對(duì)臉型部分的額頭位置進(jìn)行調(diào)整。按照我們提出的方法，額頭的位置得到有效的調(diào)整，參見圖10(b)的額頭位置，這時(shí)可以看到，額頭的位置得到很好的調(diào)整，基本與實(shí)際位置吻合。第四，對(duì)臉型部分的下巴位置進(jìn)行調(diào)整，參見圖10(c)，下巴位置得到精確定位后，與真實(shí)位置十分貼近。第五，對(duì)臉頰位置進(jìn)行調(diào)整，參見圖10(d)，這時(shí)臉頰的位置己經(jīng)與真實(shí)位置吻合。第六，對(duì)腮部曲線進(jìn)行計(jì)算，參見圖10(e)，位置與上部基本一致，因?yàn)樵瓉淼木突竞线m了。第七，進(jìn)行臉型分類。按照定義，各個(gè)特征參數(shù)的結(jié)果如下間臉高與臉寬之比//2『JM770=W下巴寬與臉寬之比^2—^770=0.57W額頭寬與臉寬之比五r一^477(9=0.70(d)兩腮寬與臉寬之比丄5"_一7^770=0.貼問下巴曲率K/一/M776>2=aW按照上述判決條件，該臉型為長(zhǎng)臉型，與我們目視的結(jié)果十分吻和。權(quán)利要求1、一種臉型輪廓的檢測(cè)與分類方法，包括以下步驟步驟(一)人臉定位采用現(xiàn)有的檢測(cè)方法檢測(cè)出任意圖像中一幅或多幅人臉的位置，并給出臉部的矩形區(qū)域ABCD，其中對(duì)角頂點(diǎn)的坐標(biāo)為A(Xa，Ya)，C(Xc，Yc)，中心點(diǎn)O的坐標(biāo)O((Xa+Xc)/2，(Ya+Yc/2)；步驟(二)人臉輪廓檢測(cè)首先設(shè)定臉型輪廓的模型為一個(gè)若干點(diǎn)組成的矢量封閉對(duì)稱曲線Lm，其坐標(biāo)序列為(xi，yi)，1＝1，2，..，M；將常見七種臉型中的蛋形臉作為基本模型，令(xi，yi)坐標(biāo)的高度yi等間隔變化，這樣僅需確定各點(diǎn)的橫坐標(biāo)xi就可以確定臉型輪廓曲線。定義該輪廓曲線中心軸的橫坐標(biāo)為0，并以臉寬作歸一化，即設(shè)臉寬為1，臉高隨比例隨后確定，將矢量曲線Lm的中心與臉部中心點(diǎn)O重合，以臉部矩形區(qū)域ABCD的大小為基準(zhǔn)，以O(shè)為參考點(diǎn)，對(duì)Lm作矢量伸縮，使得Lm的上下左右頂點(diǎn)K1，K2，K3，K4分別切上臉部范圍ABCD的各個(gè)邊沿，將此時(shí)的各個(gè)曲線坐標(biāo)作為臉型輪廓的初始值L0；在初始輪廓L0的基礎(chǔ)上，對(duì)臉部的各個(gè)部位的細(xì)節(jié)進(jìn)行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標(biāo)位置、腮部形狀，分別敘述如下(1)額頭高度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線，修正的步驟是(a)在人臉區(qū)域矩形ABCD內(nèi)，取出上1/4區(qū)域的中間1/2的部分B1，以陰影來表示，這部分圖像中下半部分為額頭，上半部分為頭發(fā)；(b)確定發(fā)跡線的檢測(cè)準(zhǔn)則將區(qū)域B1內(nèi)各個(gè)點(diǎn)處的象素點(diǎn)灰度級(jí)Gxy分為N個(gè)區(qū)間，統(tǒng)計(jì)所有象素點(diǎn)的灰度級(jí)，尋找數(shù)目最小的象素點(diǎn)區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級(jí)門限GT；(c)在區(qū)域B1中，自下向上，統(tǒng)計(jì)所取圖像中每行各個(gè)像素的灰度級(jí)高于門限GT的點(diǎn)的數(shù)目，當(dāng)某一行中，高于門限GT的像素點(diǎn)的數(shù)目與該行像素點(diǎn)的總數(shù)目的比例高于1/7時(shí)，確定該行所處的垂直位置就是發(fā)跡線，即額頭的頂端；(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整L0，使其上頂點(diǎn)K1與該垂直位置重合，修正后的輪廓曲線保存在L1中；如果由于照片中人臉圖像的頭發(fā)將發(fā)跡線全部遮蓋根本找不到，將不滿足上述的(c)的條件，這時(shí)就維持初始值L0不變；(2)下巴高度的確定下巴的垂直位置是下巴的淺色區(qū)域(光照較強(qiáng))與頸部的深色(光照較弱)的交接處，判斷步驟是(a)在人臉區(qū)域矩形ABCD內(nèi)，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域B2；(b)對(duì)區(qū)域B2中的每一行的像素灰度級(jí)求和，和值最小的那一行對(duì)應(yīng)的就是下巴的高度位置；(c)根據(jù)下巴的垂直位置，伸縮調(diào)整L1，修正后的輪廓曲線保存在L2中；(3)左右臉頰的確定(a)除掉人臉區(qū)域矩形ABCD內(nèi)縱向中間1/3的部分，兩個(gè)區(qū)域?yàn)锽31和B32；(b)對(duì)區(qū)域?yàn)锽31和B32的各列像素的灰度級(jí)進(jìn)行求和；(c)＝搜索左側(cè)區(qū)域B31的左邊的W/15寬度的區(qū)域和右側(cè)區(qū)域B32的右邊的W/15寬度的區(qū)域內(nèi)各列像素灰度級(jí)之和的最小值，得到左右兩側(cè)臉頰的橫坐標(biāo)位置；(d)水平伸縮調(diào)整L2，修正后的輪廓曲線保存在L2中。步驟(三)臉型分類獲得臉型輪廓曲線后，可以利用現(xiàn)有的方法進(jìn)行分類。2、如權(quán)利要求1所述的一種臉型輪廓的檢測(cè)與分類方法，其特征在于所述步驟(二)中，修訂時(shí)還包括(4)腮部形狀的修訂，其具體步驟是(a)單獨(dú)取出人臉區(qū)域JSCD的下半部分來提取人臉腮部的圖像；(b)利用Canny方法進(jìn)行邊緣檢測(cè)，在腮部獲得一些不連續(xù)的輪廓邊緣；(c)找出腮部諸多輪廓邊緣線條中長(zhǎng)度最長(zhǎng)的線條/，保存這根線條的所有點(diǎn)的坐標(biāo)(Xj,yj),7.=1,2,.."戶,(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，x,=0.5sin",+;t(sin/,)04=0.5-〃iV其中A=l，/=0，1,2，...，7V，AA=M/4-l，由此獲得一組ct和々。然后，在該函數(shù)中僅需調(diào)節(jié)k值即可改變?nèi)壳€曲率，形成各型腮部形狀。(e)利用上述的函數(shù)，使A值從-0.1向0.1變化，尋找與(c)中找到的線條/最吻合的曲線，使得在各個(gè)高度上，該曲線與線條/的水平距離均方差最小，該線條即為腮部最佳邊緣曲線。(f)根據(jù)最佳邊緣曲線，替換&中的對(duì)應(yīng)坐標(biāo)，修正后的輪廓曲線保存在丄中。3、如權(quán)利要求1和2所述的一種臉型輪廓檢測(cè)與分類方法，其特征在于所述步驟(三)中，所采用的分類方法具體是，根據(jù)人臉輪廓結(jié)果z計(jì)算這些特征參數(shù)，然后將特征參數(shù)與分類門限進(jìn)行比較，最終獲得臉型類別，典型特征參數(shù)包括臉高與臉寬之比H2W一RATI0，下巴寬與臉寬之比》'B—RATIO,額頭寬與臉寬之比ET—RATIO,兩腮寬與臉寬之比LS—RATIO,下巴曲率YJ_RAri02。利用這些特征值進(jìn)行統(tǒng)計(jì)，獲得了具體的分類門限參數(shù)。在下面的表中給出這些門限和一個(gè)簡(jiǎn)單的臉型分類判斷條件關(guān)系<table>tableseeoriginaldocumentpage5</column></row><table>4、如權(quán)利要求3所述的一種臉型輪廓的檢測(cè)與分類方法，其特征在于所述步驟(一)中，臉部區(qū)域檢測(cè)方法是Harr方法。5、如權(quán)利要求4所述的一種臉型輪廓的檢測(cè)與分類方法，其特征在于所述步驟(二)中，對(duì)稱曲線LM的坐標(biāo)序列為(xi，yi)，i=1,2...M,M越大精度越高。全文摘要本發(fā)明涉及一種圖像處理方法，特別地涉及一種臉型輪廓的檢測(cè)與分類方法。本發(fā)明的目的是要克服現(xiàn)有技術(shù)存在的無法檢測(cè)得到準(zhǔn)確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進(jìn)行臉型分類的問題。本發(fā)明提供的技術(shù)方案是步驟1.人臉定位；步驟2.人臉輪廓檢測(cè)先設(shè)定蛋形臉為一個(gè)由若干個(gè)點(diǎn)組成矢量封閉對(duì)稱曲線L_m，再對(duì)臉部的額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標(biāo)位置以及腮部形狀進(jìn)行修正；步驟3.臉型分類。本發(fā)明可以為形象設(shè)計(jì)、美容、美發(fā)、服裝、首飾、化妝、娛樂等諸多行業(yè)提供有效的自動(dòng)圖像處理手段，為各種應(yīng)用行業(yè)提供自動(dòng)化、客觀的技術(shù)支持。文檔編號(hào)G06K9/00GK101339612SQ20081015067公開日2009年1月7日申請(qǐng)日期2008年8月19日優(yōu)先權(quán)日2008年8月19日發(fā)明者劉波霞,磊向,敏梁,陳建峰申請(qǐng)人:陳建峰