專利名稱：圖像中獲取人臉膚色區(qū)域的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像圖形處理技術(shù)領(lǐng)域，尤其是涉及一種圖像中獲取人臉膚色區(qū)域的方法和裝置。
背景技術(shù)：
隨著圖像圖形技術(shù)的進(jìn)步，黃色圖片的過濾技術(shù)也得到了長足的發(fā)展。最初人們通過在黃色圖片上先找人，找到人后再看動(dòng)作，并通過預(yù)先定義人的一些部位如手、腳、頭、 肩等，再分析動(dòng)作來識(shí)別。這種技術(shù)常常把合影的人、雕塑當(dāng)成是色情圖片，再加上無法識(shí)別出人臉，這種方式很快就被淘汰了。目前的黃色圖片過濾技術(shù)主要依賴膚色來分辨，但一些允許的圖片存在膚色面積很大的情況，如大頭像照片、人臉照片等，極容易被誤判為黃色圖片而被過濾掉，從而導(dǎo)致圖像識(shí)別的準(zhǔn)確率較低，圖像過濾的效果較差。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供了一種圖像中獲取人臉膚色區(qū)域的方法和裝置，能夠簡單快速地實(shí)現(xiàn)對(duì)待檢測圖像的過濾，提高圖像識(shí)別的準(zhǔn)確率和圖像過濾的效果。為達(dá)到上述目的，本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的本發(fā)明實(shí)施例提供了一種圖像中獲取人臉膚色區(qū)域的方法，所述方法包括通過圖像區(qū)域分割，得到待檢測圖像的膚色區(qū)域；識(shí)別出所述待檢測圖像中的人臉區(qū)域；根據(jù)所述待檢測圖像的人臉區(qū)域和膚色區(qū)域，獲取到人臉膚色區(qū)域；判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是，允許所述待檢測圖像，若否，禁止所述待檢測圖像。本發(fā)明實(shí)施例還供了一種圖像中獲取人臉膚色區(qū)域的裝置，所述裝置包括膚色區(qū)域獲取單元、人臉區(qū)域識(shí)別單元、人臉膚色區(qū)域獲取單元和判斷單元，所述人臉區(qū)域識(shí)別單元，用于采用基于Adaboosting的Viola-Jones算法對(duì)待檢測圖像中的人臉區(qū)域進(jìn)行判定，識(shí)別出所述人臉區(qū)域；所述人臉膚色區(qū)域獲取單元，用于將所述待檢測圖像的人臉區(qū)域和膚色區(qū)域進(jìn)行交集運(yùn)算，獲取到人臉膚色區(qū)域；所述判斷單元，用于判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是，允許所述待檢測圖像，若否，禁止所述待檢測圖像；所述膚色區(qū)域獲取單元，包括如下模塊聚類分割模塊，用于獲取待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)，根據(jù)所述HSV數(shù)據(jù)對(duì)各像素點(diǎn)進(jìn)行聚類，得到聚類結(jié)果圖像；閾值范圍選取模塊，用于基于統(tǒng)計(jì)結(jié)果，選取色調(diào) H的閾值范圍；閾值分割模塊，用于根據(jù)所述聚類結(jié)果圖像中各像素點(diǎn)的H分量以及所述H 的閾值范圍，進(jìn)行區(qū)域分割，得到所述待檢測圖像的膚色區(qū)域。
由上述可見，本發(fā)明實(shí)施例提供了一種新型的利用膚色屬性結(jié)合人臉屬性進(jìn)行圖片過濾的方案，在膚色分割的基礎(chǔ)上，通過人臉識(shí)別進(jìn)一步將人臉膚色區(qū)域分離出來，根據(jù)人臉膚色區(qū)域在整個(gè)膚色區(qū)域中所占的比例，判斷出當(dāng)前的待檢測圖像是否為可允許的人臉照片，避免了可允許的圖像被過濾掉，從而提高了圖像識(shí)別的準(zhǔn)確率和圖像過濾的效果。進(jìn)一步的，本技術(shù)方案先對(duì)待檢測圖像在HSV空間中進(jìn)行聚類，將具有相似顏色屬性的像素點(diǎn)分割在同一類中；然后，在聚類的基礎(chǔ)上，根據(jù)統(tǒng)計(jì)得到的膚色分布的閾值范圍，再次進(jìn)行區(qū)域的分割，得到所需檢測的膚色區(qū)域。本方案的這種兩次分割的處理模式， 提高了膚色區(qū)域分割的準(zhǔn)確率，能夠快速有效地得到膚色區(qū)域。實(shí)驗(yàn)證明，本技術(shù)方案提供的快速膚色區(qū)域分割方式和優(yōu)秀的人臉識(shí)別方式相結(jié)合的圖片過濾方案，能夠簡單快速地實(shí)現(xiàn)對(duì)待檢測圖像的過濾，具有較高的可行性和較廣的應(yīng)用前景。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例一提供的一種圖像中獲取人臉膚色區(qū)域的方法流程示意圖；圖2為本發(fā)明實(shí)施例二提供的HSV顏色空間的圓錐空間模型示意圖；圖3為本發(fā)明實(shí)施例二提供的金字塔算法流程處理示意圖；圖4為本發(fā)明實(shí)施例二提供的統(tǒng)計(jì)得到的表示膚色的H向量的概率分布圖；圖5為本發(fā)明實(shí)施例二提供的分類器的分類方法的流程示意圖；圖6為本發(fā)明實(shí)施例三提供的一種圖像中獲取人臉膚色區(qū)域的裝置結(jié)構(gòu)示意圖；圖7本方案提供的實(shí)驗(yàn)一中原始的待檢測圖像；圖8為實(shí)驗(yàn)一中采用聚類分割后得到的聚類結(jié)果圖像；圖9為實(shí)驗(yàn)一中對(duì)圖8的聚類結(jié)果圖像執(zhí)行H閾值分割后得到的圖像；圖10中圓圈標(biāo)示的區(qū)域顯示了實(shí)驗(yàn)一中進(jìn)行人臉識(shí)別后得到的人臉區(qū)域；圖11為實(shí)驗(yàn)一中采用本方案得到的人臉膚色區(qū)域結(jié)果示意圖；圖12本方案提供的實(shí)驗(yàn)二中原始的待檢測圖像；圖13為實(shí)驗(yàn)二中采用聚類分割后得到的聚類結(jié)果圖像；圖14為實(shí)驗(yàn)二中對(duì)圖8的聚類結(jié)果圖像執(zhí)行H閾值分割后得到的圖像；圖15中圓圈標(biāo)示的區(qū)域顯示了實(shí)驗(yàn)二中進(jìn)行人臉識(shí)別后得到的人臉區(qū)域；圖16為實(shí)驗(yàn)二中采用本方案得到的人臉膚色區(qū)域結(jié)果示意圖；圖17本方案提供的實(shí)驗(yàn)三中原始的待檢測圖像；圖18為實(shí)驗(yàn)三中采用聚類分割后得到的聚類結(jié)果圖像；圖19為實(shí)驗(yàn)三中對(duì)圖8的聚類結(jié)果圖像執(zhí)行H閾值分割后得到的圖像；圖20中圓圈標(biāo)示的區(qū)域顯示了實(shí)驗(yàn)三中進(jìn)行人臉識(shí)別后得到的人臉區(qū)域；圖21為實(shí)驗(yàn)三中采用本方案得到的人臉膚色區(qū)域結(jié)果示意圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明的附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例， 本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例一提供了一種圖像中獲取人臉膚色區(qū)域的方法，參見圖1，所述方法包括11 通過圖像區(qū)域分割，得到待檢測圖像的膚色區(qū)域；12 識(shí)別出所述待檢測圖像中的人臉區(qū)域；13 根據(jù)所述待檢測圖像的人臉區(qū)域和膚色區(qū)域，獲取到人臉膚色區(qū)域；14:判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是， 執(zhí)行步驟15，若否，執(zhí)行步驟16 ；15 允許所述待檢測圖像。具體地，本步驟中的允許操作可以為允許該待檢測圖像的顯示、傳輸或編輯等操作，即放行該待檢測圖像的當(dāng)前處理。16 禁止所述待檢測圖像。在本步驟中，禁止對(duì)該待檢測圖像的當(dāng)前處理，如禁止該圖像的顯示(刪除或遮擋)傳輸或編輯等操作。由上述可見，本發(fā)明實(shí)施例提供了一種新型的利用膚色屬性結(jié)合人臉屬性進(jìn)行圖片過濾的方案，在膚色分割的基礎(chǔ)上，通過人臉識(shí)別進(jìn)一步將人臉膚色區(qū)域分離出來，根據(jù)人臉膚色區(qū)域在整個(gè)膚色區(qū)域中所占的比例，判斷出當(dāng)前的待檢測圖像是否為可允許的人臉照片，避免了可允許的圖像被過濾掉，從而提高了圖像識(shí)別的準(zhǔn)確率和圖像過濾的效果。下面對(duì)本發(fā)明實(shí)施例二提供的一種圖像中獲取人臉膚色區(qū)域的方法進(jìn)行說明。11 通過圖像區(qū)域分割，得到待檢測圖像的膚色區(qū)域。在本步驟中，本方案采用了一種新型的膚色分割方案，具體如下111 獲取待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)，根據(jù)所述HSV數(shù)據(jù)對(duì)各像素點(diǎn)進(jìn)行聚類，得到聚類結(jié)果圖像。根據(jù)不同應(yīng)用的需要，設(shè)計(jì)了多種顏色空間，如RGB顏色空間、HSV顏色空間。然而本技術(shù)方案中采用在HSV顏色空間中進(jìn)行膚色區(qū)域的分割。主要原因在于人類的膚色在顏色空間分布比較集中，但是受人種和光照的影響比較大。人種的問題可以通過分類解決，但光照問題則不太容易處理，是普通存在的問題。為了解決這個(gè)問題，本方案把顏色空間映射到亮度(光照)和色度(顏色)分離的顏色空間，即采用HSV顏色空間，從而避免了光照對(duì)區(qū)域分割的影響。并且，RGB模式雖然是一種常用的顏色空間，但這個(gè)空間不區(qū)分亮度、色度，主要是面向硬件設(shè)備，如物理顯示器、攝影機(jī)等，并不適合人眼系統(tǒng)，不適于直接用于膚色分割。HS V顏色空間中H是色調(diào)，S是飽和度，V是亮度。H值是色彩的基本屬性，也就是通常說的顏色，取值0-360。S是色彩的純度，S越高色彩越純，S越低則色彩越灰，取值 0-100。V是亮度，取值0-100。HSV顏色空間可以用一個(gè)圓錐空間模型來表示，參見圖2。 HSV顏色空間的模型對(duì)應(yīng)于圓柱坐標(biāo)系中的一個(gè)圓錐形子集，圓錐的頂面對(duì)應(yīng)于V= 1，它對(duì)應(yīng)RGB模型中的R= LG= LB = 1三個(gè)面，所代表的顏色較亮。色彩H由繞V軸的旋轉(zhuǎn)角給定。紅色對(duì)應(yīng)于角度0°，綠色對(duì)應(yīng)于角度120°，藍(lán)色對(duì)應(yīng)于角度。在HS V 顏色模型中，每一種顏色和它的補(bǔ)色相差180°。飽和度S取值從0到1，所以圓錐頂面的半徑為1。HS V顏色模型所代表的顏色域是CIE色度圖的一個(gè)子集。在圓錐的頂點(diǎn)(即原點(diǎn))處，V = 0，H和S無定義，代表黑色。圓錐的頂面中心處S = 0，V = 1，H無定義，代表白色。從該點(diǎn)到原點(diǎn)代表亮度漸暗的灰色，即具有不同灰度的灰色。對(duì)于這些點(diǎn)，S = 0，H 的值無定義?？梢哉f，HSV模型中的V軸對(duì)應(yīng)于RGB顏色空間中的主對(duì)角線。在圓錐頂面的圓周上的顏色，V= LS= 1，這種顏色是純色。當(dāng)利用硬件設(shè)備讀取待檢測圖像時(shí)，硬件設(shè)備采用是RGB顏色空間，則通過對(duì)待檢測圖像中各像素點(diǎn)的RGB值進(jìn)行轉(zhuǎn)換，得到所述各像素點(diǎn)的HSV數(shù)據(jù)。RGB數(shù)據(jù)向HSV數(shù)據(jù)的轉(zhuǎn)換方式可以具體表示如下RGB = > HSV,轉(zhuǎn)換公式如下令MAX為R、G、B三個(gè)分量的最大值；MIN為三個(gè)分量的最小值若MAX = MIN,貝丨JH = OS = OV = MAX/255若MAX 乒 MIN當(dāng)G彡B時(shí)H = (Max-R' +G，_Min+B，-Min) / (Max-Min) X 60S = 1-MIN/MAXV = MAX/255當(dāng)G < B 時(shí)H = 360- (Max-R' +G，_Min+B，-Min) / (Max-Min) X 60S = 1-MIN/MAXV = MAX/255在利用H的閾值范圍進(jìn)行區(qū)域分割之前，先通過聚類分割將顏色屬性相近的像素點(diǎn)分割在同一區(qū)域，從而提高了最終膚色區(qū)域分割的準(zhǔn)確度。本方案的聚類分割處理中，將待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)作為聚類分割的輸入數(shù)據(jù)，即對(duì)各像素點(diǎn)的HSV數(shù)據(jù)執(zhí)行聚類分割操作。聚類的主要操作就是在待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)中，根據(jù)預(yù)定的特征閾值范圍進(jìn)行搜索，將滿足所述特征閾值范圍的像素點(diǎn)劃分在同一個(gè)類中。例如，將位于特征閾值范圍內(nèi)的像素點(diǎn)或者接近特征閾值范圍的像素點(diǎn)集合在一起歸為同一類。進(jìn)一步的，在聚類操作中，本方案還可以采用金字塔聚類分割方式，從而達(dá)到分割速度更快，分割效果更好的效果。 金字塔聚類分割方式具體包括 通過多分辨分析，將HSV數(shù)據(jù)構(gòu)成的待檢測圖像迭代分解為多級(jí)不同分辨率的金字塔濾波圖像；按照分辨率從高到底的順序，根據(jù)預(yù)定的特征閾值范圍在所述多個(gè)金字塔濾波圖像中進(jìn)行搜索，將滿足所述特征閾值范圍的像素點(diǎn)劃分在同一個(gè)類中。
例如，若原始的HSV圖像表示為g0，對(duì)g0分解得到的一階金字塔濾波圖像表示為 gl，go的分辨率和采樣率都比gl低，然后再對(duì)gl分解得到的二階金字塔濾波圖像表示為 g2，不斷迭代處理得到g3、g4等，這一系列的圖像{g0，gl,…，gn}構(gòu)成金子塔結(jié)構(gòu)，用公式描述如下gk = R(gk_!)其中，k表示序號(hào)，R( ·)表示關(guān)系函數(shù)。每階的濾波圖像對(duì)應(yīng)于一個(gè)節(jié)點(diǎn)，則示例性的，對(duì)每個(gè)節(jié)點(diǎn)可以有如下公式
權(quán)利要求
1.一種圖像中獲取人臉膚色區(qū)域的方法，其特征在于，所述方法包括 通過圖像區(qū)域分割，得到待檢測圖像的膚色區(qū)域；識(shí)別出所述待檢測圖像中的人臉區(qū)域；根據(jù)所述待檢測圖像的人臉區(qū)域和膚色區(qū)域，獲取到人臉膚色區(qū)域； 判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是，允許所述待檢測圖像，若否，禁止所述待檢測圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通圖像過區(qū)域分割，得到待檢測圖像的膚色區(qū)域包括獲取待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)，根據(jù)所述HSV數(shù)據(jù)對(duì)各像素點(diǎn)進(jìn)行聚類，得到聚類結(jié)果圖像；基于統(tǒng)計(jì)結(jié)果，選取色調(diào)H的閾值范圍；根據(jù)所述聚類結(jié)果圖像中各像素點(diǎn)的H分量以及所述H的閾值范圍，進(jìn)行區(qū)域分割，得到所述待檢測圖像的膚色區(qū)域。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于， 所述獲取待檢測圖像中各像素點(diǎn)的HSV值包括通過對(duì)待檢測圖像中各像素點(diǎn)的RGB值進(jìn)行轉(zhuǎn)換，得到所述各像素點(diǎn)的HSV數(shù)據(jù)。 所述根據(jù)所述HSV值對(duì)各像素點(diǎn)進(jìn)行聚類，得到聚類結(jié)果圖像包括 在待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)中，根據(jù)預(yù)定的特征閾值范圍進(jìn)行搜索，將滿足所述特征閾值范圍的像素點(diǎn)劃分在同一個(gè)類中。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述在待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)中，根據(jù)預(yù)定的特征閾值范圍進(jìn)行搜索，將滿足所述特征閾值范圍的像素點(diǎn)劃分在同一個(gè)類中，具體包括通過多分辨分析，將HSV數(shù)據(jù)構(gòu)成的待檢測圖像迭代分解為多級(jí)不同分辨率的金字塔濾波圖像；按照分辨率從高到底的順序，根據(jù)預(yù)定的特征閾值范圍在所述多個(gè)金字塔濾波圖像中進(jìn)行搜索，將滿足所述特征閾值范圍的像素點(diǎn)劃分在同一個(gè)類中；其中，將所述待檢測圖像迭代分解為4級(jí)不同分辨率的金字塔濾波圖像。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于統(tǒng)計(jì)結(jié)果，選取色調(diào)H的閾值范圍包括建立膚色圖片的樣本庫； 確定所述樣本庫中各膚色圖片內(nèi)的膚色區(qū)域；對(duì)所述膚色區(qū)域中出現(xiàn)的每一個(gè)H向量，通過如下公式，計(jì)算該H向量的概率值 P(Skin)(c) = Skin(c)/PixCount其中，Skin (c)表示各膚色區(qū)域中H向量為c的像素點(diǎn)的個(gè)數(shù)，PixCount表示樣本庫中各膚色圖片所包含的像素點(diǎn)的總數(shù)；當(dāng)H向量所對(duì)應(yīng)的概率值大于概率閾值時(shí)，該H向量屬于所述H的閾值范圍內(nèi)。
6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述H的閾值范圍為7到12。
7.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述聚類結(jié)果圖像中各像素點(diǎn)的H分量以及所述閾值范圍，進(jìn)行區(qū)域分割，得到所述待檢測圖像的膚色區(qū)域，具體包括提取所述聚類結(jié)果圖像中各像素點(diǎn)的H分量；判斷所述像素點(diǎn)的H分量是否滿足H的閾值范圍，若滿足，確認(rèn)該像素點(diǎn)位于膚色區(qū)域中，并保留該像素點(diǎn)；若不滿足，確認(rèn)該像素點(diǎn)位于膚色區(qū)域之外，丟棄該像素點(diǎn)。
8.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述識(shí)別出所述待檢測圖像中的人臉區(qū)域包括采用基于自適應(yīng)增強(qiáng)Adaboosting的維爾拉-瓊斯Viola-Jones算法對(duì)待檢測圖像中的人臉區(qū)域進(jìn)行判定，識(shí)別出所述人臉區(qū)域。
9.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述待檢測圖像的人臉區(qū)域和膚色區(qū)域，獲取到人臉膚色區(qū)域包括利用如下公式，對(duì)所述人臉區(qū)域和膚色區(qū)域做交集運(yùn)算，通過交集區(qū)域得到所述人臉膚色區(qū)域AnB = C其中，A表示所述待檢測圖像的膚色區(qū)域，B表示所述待檢測圖像的人臉區(qū)域，C表示所述待檢測圖像的人臉膚色區(qū)域。
10.一種圖像中獲取人臉膚色區(qū)域的裝置，其特征在于，所述裝置包括膚色區(qū)域獲取單元、人臉區(qū)域識(shí)別單元、人臉膚色區(qū)域獲取單元和判斷單元，所述人臉區(qū)域識(shí)別單元，用于采用基于Adaboosting的Viola-Jones算法對(duì)待檢測圖像中的人臉區(qū)域進(jìn)行判定，識(shí)別出所述人臉區(qū)域；所述人臉膚色區(qū)域獲取單元，用于將所述待檢測圖像的人臉區(qū)域和膚色區(qū)域進(jìn)行交集運(yùn)算，獲取到人臉膚色區(qū)域；所述判斷單元，用于判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是，允許所述待檢測圖像，若否，禁止所述待檢測圖像；所述膚色區(qū)域獲取單元，包括如下模塊聚類分割模塊，用于獲取待檢測圖像中各像素點(diǎn)的HSV數(shù)據(jù)，根據(jù)所述HSV數(shù)據(jù)對(duì)各像素點(diǎn)進(jìn)行聚類，得到聚類結(jié)果圖像；閾值范圍選取模塊，用于基于統(tǒng)計(jì)結(jié)果，選取色調(diào)H的閾值范圍；閾值分割模塊，用于根據(jù)所述聚類結(jié)果圖像中各像素點(diǎn)的H分量以及所述H的閾值范圍，進(jìn)行區(qū)域分割，得到所述待檢測圖像的膚色區(qū)域。
全文摘要
本發(fā)明公開了一種圖像中獲取人臉膚色區(qū)域的方法和裝置，能夠簡單快速地實(shí)現(xiàn)對(duì)待檢測圖像的過濾，提高圖像識(shí)別的準(zhǔn)確率和圖像過濾的效果。本發(fā)明實(shí)施例提供的一種圖像中獲取人臉膚色區(qū)域的方法包括通過圖像區(qū)域分割，得到待檢測圖像的膚色區(qū)域；識(shí)別出所述待檢測圖像中的人臉區(qū)域；根據(jù)所述待檢測圖像的人臉區(qū)域和膚色區(qū)域，獲取到人臉膚色區(qū)域；判斷所述人臉膚色區(qū)域與所述膚色區(qū)域的比值是否大于預(yù)定比例閾值，若是，允許所述待檢測圖像，若否，禁止所述待檢測圖像。
文檔編號(hào)G06T7/00GK102324036SQ20111025833
公開日2012年1月18日 申請(qǐng)日期2011年9月2日 優(yōu)先權(quán)日2011年9月2日
發(fā)明者楊志宇 申請(qǐng)人:北京新媒傳信科技有限公司