一種度量人臉圖像模糊程度的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像通信技術(shù)領(lǐng)域，特別是一種度量人臉圖像模糊程度的方法。
【背景技術(shù)】
[0002] 人臉識別技術(shù)已經(jīng)逐漸深入大眾生活中，人臉識別系統(tǒng)中依據(jù)人臉圖像的模糊度 進行選擇、識別是其重要特點之一，當前國內(nèi)外判斷圖像模糊程度的方法比較多，但是專門 針對人臉圖像進行模糊判斷的方法較少，現(xiàn)有的圖像模糊判斷方法主要有基于邊緣梯度信 息的方法和基于頻域信息的方法。
[0003] 圖像的模糊程度與其邊緣銳度有關(guān)，圖像的邊緣銳度高，說明該圖像清晰，圖像的 邊緣銳度低，則說明圖像比較模糊，因此圖像的模糊檢測可以通過檢測圖像的邊緣銳度來 進行?；谶吘壧荻刃畔⒌亩攘糠椒鞒倘缦拢菏紫仁褂眠吘墮z測算子查找出人臉圖像的 邊緣像素點，然后設(shè)定一個邊緣漸變閾值，在邊緣像素點聯(lián)通區(qū)域附近計算梯度小于漸變 閾值的像素點數(shù)量，滿足該條件的像素點數(shù)量越多，說明圖像邊緣漸變越緩慢，圖像越模 糊，反之，滿足該條件的像素點越少，則說明圖像越清晰。但是該方法依賴于圖像的邊緣信 息，在視頻應(yīng)用場景中，由于人臉一直在運動，人臉區(qū)域的背景一直在變化，人臉區(qū)域的圖 像邊緣信息也在變化，當多張人臉圖片中包含的邊緣信息變化比較大時，這些圖片之間的 人臉模糊度就沒有可比性，此時，基于邊緣梯度信息的圖像模糊度檢測方法也就失去了作 用。
[0004] 根據(jù)信號處理的原理，信號的高頻信息越多，則說明信號的噪音越多、信號變化越 頻繁。從圖像上看，圖像的高頻部分的信息越多，說明圖像的邊緣信息越多，銳度越高；反 之，圖像中高頻部分的信息越少，說明圖像銳度越低、越模糊?；陬l域的圖像模糊度檢測 方法就是根據(jù)上述原料，使用傅里葉變換算法將圖像從空域轉(zhuǎn)換到頻域，再計算圖像中高 頻能量占所有能量的比率，占比越高，則說明圖像銳度越高，占比越低，則說明圖像越模糊。 如圖2所示，圖中包含兩張人臉圖像和這兩張人臉圖像的頻譜能量圖，頻譜能量圖中心位置 的信號表示直流信號，四周的信號表示高頻信號，從圖中可以看到，越模糊的圖像，高頻信 號越多。然而該方法主要依賴于圖像的頻域信息，因此碰到的問題也和基于邊緣梯度信息 的方法類似，當多張人臉圖像中包含的邊緣信息變化比較大時，相同清晰度的圖像之間的 高頻信息變化也比較大，此時，基于頻域信息的圖像模糊度檢測方法也失去了作用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為解決上述問題，提供了一種度量人臉圖像模糊程度的方法，以度量在變 化場景中獲取的人臉圖像的模糊度，以便從抓拍到的視頻流中篩選出最清晰的人臉圖像， 提尚人臉識別的準確率。
[0006] 為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0007] 如圖1所示本發(fā)明揭示的一種度量人臉圖像模糊程度的方法，包括以下步驟：
[0008] 10.模糊人臉圖像獲取:將原始人臉圖像P進行高斯模糊運算，獲得模糊人臉圖像 P，；
[0009] 20.頻譜信息獲取:將原始人臉圖像P和模糊人臉圖像P'分別做傅里葉變換，得到P 的頻譜信息F以及P'的頻譜信息F' ；
[0010] 30.能量譜和計算:根據(jù)頻譜信息F以及頻譜信息F'分別計算P的能量譜和Η及P'的 能量譜和Η' ；
[0011] 40.高斯模糊影響因子計算:根據(jù)能量譜和Η與能量譜和Η'計算人臉圖像的高斯模 糊影響因子X，參照圖3所示，高斯模糊影響因子X越大，則圖形越清晰，反之則圖像越模糊。
[0012] 所述步驟10具體為:將原始人臉圖像Ρ轉(zhuǎn)為成灰度圖像，然后對灰度圖像進行高斯 模糊運算。
[0013] 所述高斯模糊運算采用3X3的高斯模糊算子，且進行兩次一維的高斯運算，高斯 模糊運算公式為：
[0016] 式中，f(x)表示沿著圖像X坐標的每一行都進行的一維高斯運算的結(jié)果，g(x)表示 沿著圖像y坐標的每一行都進行的第二次一維高斯運算的結(jié)果。
[0017] 所述步驟20通過快速傅里葉變換，獲得頻譜信息，具體計算方法為：
[0019] 所述能量譜和為各個頻譜的能量和。
[0020] 所述步驟40具體為:先計算能量譜和Η與能量譜和H'的差值和D，對差值和D取對數(shù) 獲得人臉圖像的高斯模糊影響因子X。
[0021] 本發(fā)明的有益效果是：本發(fā)明通過高斯模糊影響因子來度量人臉圖像的模糊程 度，在監(jiān)控視頻場景進行測試，計算連續(xù)視頻序列中連續(xù)的多張人臉圖像的高斯模糊影響 因子，計算結(jié)果顯示圖像越模糊，高斯模糊影響因子越小，因此采用高斯模糊影響因子作為 人臉圖像模糊度的度量值，該度量值可以應(yīng)用在人臉識別、人臉年齡性別分析、人臉表情分 析等領(lǐng)域，以及在視頻序列中獲得同一人連續(xù)多張的人臉圖像中選擇最清晰的人臉圖像進 行圖像識別和分析，提升識別和分析的準確率。
【附圖說明】
[0022] 圖1是本發(fā)明的流程簡圖；
[0023] 圖2是清晰人臉圖像與模糊人臉圖像進行傅里葉變換的對比圖；
[0024] 圖3采用本發(fā)明一種度量人臉圖像模糊程度的方法進行人臉模糊度分析實驗的對 照圖。
【具體實施方式】
[0025] 為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié) 合附圖及實施例對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅用 以解釋本發(fā)明，并不用于限定本發(fā)明。
[0026] 本發(fā)明揭示的一種度量人臉圖像模糊程度的方法，其包括以下步驟：
[0027] 10.模糊人臉圖像獲取:將原始人臉圖像P進行高斯模糊運算，獲得模糊人臉圖像 P，；
[0028] 20.頻譜信息獲取:將原始人臉圖像P和模糊人臉圖像P'分別做傅里葉變換，得到P 的頻譜信息F以及P'的頻譜信息F' ；
[0029] 30.能量譜和計算:根據(jù)頻譜信息F以及頻譜信息F'分別計算P的能量譜和Η及P'的 能量譜和Η'；其中所述能量譜和為各個頻譜的能量和；
[0030] 40.高斯模糊影響因子計算:根據(jù)能量譜和Η與能量譜和Η'計算人臉圖像的高斯模 糊影響因子X，高斯模糊影響因子X越大，則圖形越清晰，反之則圖像越模糊。
[0031] 所述步驟10具體為:將原始人臉圖像Ρ轉(zhuǎn)為成灰度圖像，然后對灰度圖像進行高斯 模糊運算。
[0032] 所述高斯模糊運算采用3X3的高斯模糊算子，且進行兩次一維的高斯運算，高斯 模糊運算公式為：
[0035] 式中，f(x)表示沿著圖像X坐標的每一行都進行的一維高斯運算的結(jié)果，g(x)表示 沿著圖像y坐標的每一行都進行的第二次一維高斯運算的結(jié)果。
[0036] 傳統(tǒng)的傅里葉變換計算方法為：知通過分解為奇偶兩部分公 式，可以發(fā)現(xiàn)奇偶兩個公式的形式一樣。
[0037] 因此，本實施例步驟20通過快速傅里葉變換，獲得頻譜信息，具體計算方法為：
[0038]
只進行一次計算， 計算量相當于以前的一半，不停的往下進行分解，計算復(fù)雜度可以從〇(η~2)下降到0(Nlog (N))，計算量成倍減少。
[0039]所述步驟40具體為:先計算能量譜和Η與能量譜和H'的差值和D，對差值和D取對數(shù) 獲得人臉圖像的高斯模糊影響因子X。根據(jù)大量數(shù)據(jù)的測評對比及觀察，我們發(fā)現(xiàn)隨著圖像 模糊程度的提升，原始圖像與模糊圖像之間頻譜分量的能量值的差值的和呈指數(shù)減少的趨 勢，因此需要將該結(jié)果做對數(shù)運算，最后得到的人臉圖像的高斯模糊影響因子X與模糊程度 變化趨勢最為吻合，度量結(jié)果最準確。
[0040] 本發(fā)明通過高斯模糊影響因子來度量人臉圖像的模糊程度，在監(jiān)控視頻場景進行 測試，計算連續(xù)視頻序列中連續(xù)的多張人臉圖像的高斯模糊影響因子，計算結(jié)果顯示圖像 越模糊，高斯模糊影響因子越小，因此采用高斯模糊影響因子作為人臉圖像模糊度的度量 值，該度量值可以應(yīng)用在人臉識別、人臉年齡性別分析、人臉表情分析等領(lǐng)域，以及在視頻 序列中獲得同一人連續(xù)多張的人臉圖像中選擇最清晰的人臉圖像進行圖像識別和分析，提 升識別和分析的準確率。
[0041] 上述說明示出并描述了本發(fā)明的優(yōu)選實施例，應(yīng)當理解本發(fā)明并非局限于本文所 披露的形式，不應(yīng)看作是對其他實施例的排除，而可用于各種其他組合、修改和環(huán)境，并能 夠在本文發(fā)明構(gòu)想范圍內(nèi)，通過上述教導(dǎo)或相關(guān)領(lǐng)域的技術(shù)或知識進行改動。而本領(lǐng)域人 員所進行的改動和變化不脫離本發(fā)明的精神和范圍，則都應(yīng)在本發(fā)明所附權(quán)利要求的保護 范圍內(nèi)。
【主權(quán)項】
1. 一種度量人臉圖像模糊程度的方法，其特征在于，包括W下步驟：10.模糊人臉圖像獲取:將原始人臉圖像P進行高斯模糊運算，獲得模糊人臉圖像P'；20.頻譜信息獲取:將原始人臉圖像P和模糊人臉圖像P '分別做傅里葉變換，得到P的頻 譜信息FW及P'的頻譜信息F'；30.能量譜和計算:根據(jù)頻譜信息FW及頻譜信息F'分別計算P的能量譜和Η及P'的能量 譜和Η' ；40.高斯模糊影響因子計算:根據(jù)能量譜和Η與能量譜和Η'計算人臉圖像的高斯模糊影 響因子X，高斯模糊影響因子X越大，則圖形越清晰，反之則圖像越模糊。2. 如權(quán)利要求1所述的一種度量人臉圖像模糊程度的方法，其特征在于:所述步驟10具 體為:將原始人臉圖像Ρ轉(zhuǎn)為成灰度圖像，然后對灰度圖像進行高斯模糊運算。3. 如權(quán)利要求1或2所述的一種度量人臉圖像模糊程度的方法，其特征在于:所述高斯 模糊運算采用3 X 3的高斯模糊算子，且進行兩次一維的高斯運算，高斯模糊運算公式為：式中，f(x)表示沿著圖像X坐標的每一行都進行的一維高斯運算的結(jié)果，g(x)表示沿著 圖像y坐標的每一行都進行的第二次一維高斯運算的結(jié)果。4. 如權(quán)利要求1所述的一種度量人臉圖像模糊程度的方法，其特征在于:所述步驟20通 過快速傅里葉變換，獲得頻譜信息，具體計算方法為：5. 如權(quán)利要求1所述的一種度量人臉圖像模糊程度的方法，其特征在于:所述能量譜和 為各個頻譜的能量和。6. 如權(quán)利要求1所述的一種度量人臉圖像模糊程度的方法，其特征在于:所述步驟40具 體為:先計算能量譜和Η與能量譜和H'的差值和D，對差值和D取對數(shù)獲得人臉圖像的高斯模 糊影響因子X。
【專利摘要】本發(fā)明公開了一種度量人臉圖像模糊程度的方法，包括以下步驟：10.模糊人臉圖像獲?。簩⒃既四槇D像P進行高斯模糊運算，獲得模糊人臉圖像P’；20.頻譜信息獲?。簩⒃既四槇D像P和模糊人臉圖像P’分別做傅里葉變換，得到P的頻譜信息F以及P’的頻譜信息F’；30.能量譜和計算：根據(jù)頻譜信息F以及頻譜信息F’分別計算P的能量譜和H及P’的能量譜和H’；40.高斯模糊影響因子計算：根據(jù)能量譜和H與能量譜和H’計算人臉圖像的高斯模糊影響因子X，高斯模糊影響因子X越大，則圖形越清晰，反之則圖像越模糊。本發(fā)明能夠準確度量在變化場景中獲取的人臉圖像的模糊度，以便從抓拍到的視頻流中篩選出最清晰的人臉圖像，提高人臉識別的準確率。
【IPC分類】G06K9/62, G06K9/00
【公開號】CN105550694
【申請?zhí)枴緾N201510867701
【發(fā)明人】盧磊, 胡燕彬
【申請人】廈門瑞為信息技術(shù)有限公司
【公開日】2016年5月4日
【申請日】2015年12月1日