基于活動形狀模型和加權(quán)插值法的人臉圖像眼鏡去除方法
【專利摘要】本發(fā)明提供了一種基于活動形狀模型和加權(quán)插值法的人臉圖像眼鏡去除方法及其在人臉識別中的應(yīng)用，該方法通過人臉檢測技術(shù)檢測到的人臉數(shù)據(jù)進(jìn)行眼鏡去除處理，處理后的數(shù)據(jù)用于人臉識別，精確的眼鏡去除方法可以有效提高人臉識別準(zhǔn)確率。算法利用活動形狀模型進(jìn)行眼鏡區(qū)域的定位，通過基于加權(quán)插值的方法進(jìn)行眼鏡區(qū)域的去除，以保證眼鏡去除的效果。該方法有效的解決了針對人臉識別過程中深顏色粗框眼鏡遮擋人臉導(dǎo)致識別率大幅降低的問題，從而提高了人臉識別的識別性能。
【專利說明】基于活動形狀模型和加權(quán)插值法的人臉圖像眼鏡去除方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)視覺領(lǐng)域，尤其涉及一種人臉圖像眼鏡去除的方法。

【背景技術(shù)】
[0002] 人臉識別作為近年來的一個重要研究領(lǐng)域，雖然已經(jīng)取得很大進(jìn)展，但在一些實(shí) 際的應(yīng)用中，光照、姿態(tài)、眼鏡等眾多因素不同程度地對識別效果產(chǎn)生影響，其中眼鏡是較 常見的一種干擾物。
[0003] 現(xiàn)階段最常用的人臉圖像眼鏡去除方法為主成分分析法。該方法利用無眼鏡人臉 圖像訓(xùn)練特征空間，對于與訓(xùn)練圖像相近的輸入圖像效果較好，但對于與訓(xùn)練圖像出入較 大的輸入圖像容易引入大量噪聲甚至導(dǎo)致識別率下降，而且需要一定時間和一定數(shù)量的圖 片進(jìn)行訓(xùn)練。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供了一種新的人臉圖像眼鏡去除方法，提高了眼鏡去除的效率和效果。
[0005] 本發(fā)明采用如下技術(shù)方案：
[0006] 基于活動形狀模型和加權(quán)插值法的人臉圖像眼鏡去除方法，包括：
[0007] (1)利用活動形狀模型產(chǎn)生的人臉特征點(diǎn)定位出眼鏡的初始搜索區(qū)域；
[0008] (2)利用基于皮膚灰度共生矩陣的紋理特征在初始搜索區(qū)域中提取出二次搜索區(qū) 域；
[0009] (3)在二次搜索區(qū)域中求出每個連通域面積，若大于等于某個閾值則認(rèn)為是眼鏡 區(qū)域，若小于該閾值則認(rèn)為不是眼鏡區(qū)域；
[0010] (4)在眼鏡區(qū)域內(nèi)進(jìn)行基于距離的加權(quán)插值法去除眼鏡。
[0011] 與現(xiàn)有方法相比，本發(fā)明所公開的人臉圖像眼鏡去除方法，能夠節(jié)省訓(xùn)練時間，對 單樣本的輸入圖像進(jìn)行實(shí)時有效的眼鏡去除。

【專利附圖】

【附圖說明】
[0012] 圖1為活動形狀模型定位眼鏡初始搜索區(qū)域的流程圖；
[0013] 圖2為紋理特征提取眼鏡二次搜索區(qū)域的流程圖；
[0014] 圖3為總流程圖。

【具體實(shí)施方式】
[0015] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(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。基于 本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動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。

【具體實(shí)施方式】 [0016] 為：
[0017] (1)對輸入圖像灰度化，利用基于Haar特征的Adaboost分類器檢測人臉；
[0018] (2)結(jié)合附圖1，利用活動形狀模型提取人臉中68個特征點(diǎn)定位出眉毛和嘴巴之 間的區(qū)域，然后在該區(qū)域內(nèi)排除鼻子的區(qū)域，從而定位眼鏡的初始搜索區(qū)域；
[0019] (3)結(jié)合附圖2,求取基于灰度共生矩陣人臉皮膚紋理特征，并通過在初始搜索區(qū) 域內(nèi)尋找與人臉皮膚紋理特征匹配度低于80%的位置作為二次搜索區(qū)域；
[0020] (4)對二次搜索區(qū)域通過基于灰度值的連通域法進(jìn)行獨(dú)立目標(biāo)提取，當(dāng)獨(dú)立目標(biāo) 面積大于等于50像素時，將該目標(biāo)確定為眼鏡區(qū)域；反之，確定為非眼鏡區(qū)域；
[0021] (5)在眼鏡區(qū)域內(nèi)進(jìn)行大小為5*5的基于距離的加權(quán)插值法去除眼鏡，權(quán)重系數(shù) 呈高斯分布隨距離增大而減少。
【權(quán)利要求】
1. 基于活動形狀模型和加權(quán)插值法的人臉圖像眼鏡去除方法，其特征在于利用活動形 狀模型進(jìn)行眼鏡區(qū)域的定位，以提高算法效率；利用基于加權(quán)插值的方法進(jìn)行眼鏡區(qū)域的 去除，以保證眼鏡去除的效果。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于基于活動形狀模型產(chǎn)生的人臉特征點(diǎn)定位 出眉毛和嘴巴之間的區(qū)域，即眼鏡一般存在的區(qū)域，然后在該區(qū)域內(nèi)排除鼻子的區(qū)域，即眼 鏡一般不存在區(qū)域，從而快速定位眼鏡的初始搜索區(qū)域。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于基于活動形狀模型進(jìn)行眼鏡區(qū)域的定位， 其算法在于，通過權(quán)利要求2所述的算法得出眼鏡的初始搜索區(qū)域后，通過在該區(qū)域內(nèi)尋 找與人臉皮膚紋理特征不匹配的位置作為二次搜索區(qū)域，然后對該區(qū)域通過基于灰度值的 連通域法進(jìn)行獨(dú)立目標(biāo)提取，當(dāng)獨(dú)立目標(biāo)大小在一定合理范圍內(nèi)時，將該目標(biāo)確定為眼鏡 區(qū)域；若目標(biāo)大小在設(shè)定范圍以外時直接進(jìn)行過濾，實(shí)驗(yàn)證明該定位方法可以降低算法運(yùn) 算復(fù)雜度，從而有效提高算法效率。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于二次提取中對于紋理的特征，算法通過對 初次提取的眼鏡區(qū)域和附近人臉皮膚對應(yīng)區(qū)域同時獲取灰度共生矩陣進(jìn)行，然后通過對比 灰度共生矩陣中的熵，能量加權(quán)值來確認(rèn)初步提取的人臉區(qū)域中某位置是否作為進(jìn)一步篩 選區(qū)域。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于基于活動形狀模型進(jìn)行眼鏡區(qū)域定位算 法，其算法通過基于領(lǐng)域插值的方法進(jìn)行眼鏡區(qū)域的去除，以保證算法的效果，表現(xiàn)在算法 中通過對眼鏡區(qū)域進(jìn)行基于距離的像素加權(quán)插值法進(jìn)行像素替換，從而保證眼鏡去除的效 果。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于眼鏡區(qū)域提取后，算法通過將眼鏡區(qū)域一 定范圍內(nèi)人臉區(qū)域像素值的平均值復(fù)制到該區(qū)域里，然后利用基于距離的像素加權(quán)插值法 對眼鏡區(qū)域內(nèi)的像素值進(jìn)行調(diào)整，從而使眼鏡去除后原眼鏡區(qū)域接近人臉皮膚的效果。
【文檔編號】G06K9/00GK104156700SQ201410366526
【公開日】2014年11月19日 申請日期:2014年7月26日 優(yōu)先權(quán)日:2014年7月26日
【發(fā)明者】馮琰一, 張少文, 丁保劍 申請人:佳都新太科技股份有限公司