一种确定刘海区域的方法及装置制造方法及图纸

本发明专利技术公开了一种确定刘海区域的方法及装置，包括：基于局部二值模式算子提取刘海特征；基于置信度的支持向量机判断人脸图像是否存在刘海；在存在刘海时确定刘海的区域。在本发明专利技术实施例提供的技术方案中，由于采用的分块局部二值模式特征直方图和基于置信度线性支持向量机分类方式能快速高效的判定是否是刘海人脸，因此具有更高的实时性；由于采用分类的时候收集具有多样性的样本，使分类具有很好的泛化性能，进一步的，在确认的时候能够同时考虑到异色头发，头发反光等问题，使多种情况下都能稳定使用，因此具有更强的稳定性。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种确定刘海区域的方法及装置。
技术介绍
人脸识别性能的提升需要解决几个关键性问题，例如：光照，姿态，遮挡等问题。刘海作为一种最为常见的遮挡物，与如口罩、墨镜等其他的遮挡物相比，刘海遮挡的刻意性很弱。然而齐刘海遮挡了眉毛信息，并占据一定人脸比例的发型会对人脸特征的提取产生很大的影响。现有的一些技术主要是通过检测或分类的方法来判断脸部遮挡物，但是主要集中在刻意遮挡。有的方法就基于多特征融合的人脸遮挡检测方法采用了Haar、LBP(LocalBinaryPattern，局部二值模式)和HOG(HistogramofOrientedGradient，方向梯度直方图)等多特征融合模式，应用SVM(SupportVectorMachine，支持向量机)方法训练得到分类器。此外，为了增强对姿态的鲁棒性，采用图像分块检测的方法，用投票机制进行遮挡判断。可见，现有的一些技术主要是通过检测或分类的方法来判断脸部遮挡物，但是该手段的运用主要集中在刻意遮挡。例如ATM(AutomaticTellerMachine，自动取款机)机场景的墨镜和口罩的检测，很多算法仅仅判断是否遮挡来完成异常人脸的判断，并未给出遮挡区域。有的利用到了人脸关键器官的位置，例如双眼，鼻子，嘴巴的特征，或者这些器官是否存在。综上，现有技术的不足在于：不能针对非刻意遮挡的刘海进行检测。
技术实现思路
本专利技术提供了一种确定刘海区域的方法及装置，用以检测非刻意遮挡的刘海。本专利技术实施例中提供了一种确定刘海区域的方法，包括：基于LBP算子提取刘海特征；基于置信度的SVM判断人脸图像是否存在刘海；在存在刘海时确定刘海的区域。较佳地，在基于LBP算子提取刘海特征时，LBP算子的尺度选取为：水平方向半径为3，垂直方向半径为1。较佳地，所述确定刘海的区域，包括：将人脸图像中的人脸分为4块区域，其中3块为刘海区域，1块为眼部以下、嘴部以上的脸部区域；确定4块区域的平均灰度值；根据4块区域的平均灰度值确定刘海区域的阈值；根据阈值确定刘海的区域。较佳地，通过如下公式根据4块区域的平均灰度值确定刘海区域的阈值：其中，3块刘海区域的平均灰度值依次为AVG_lu、AVG_mu、AVG_ru，脸部区域的平均灰度值为AVG_face。较佳地，根据阈值确定刘海的区域，包括：确定眉毛位置所在的线；从眉毛位置所在的线开始按预设距离向上移动，在每次移动后，以移动后的线为基线确定两个上下相邻的高度为预设高度，宽度为图像宽度的区域；若两个区域内的灰度值满足阈值Th的像素个数都大于预设值，则将该根基线确定为刘海的区域底线。较佳地，进一步包括：若AVG_lu、AVG_mu、AVG_ru与AVG_face的数值差别小于预设阈值，则确定不存在刘海。较佳地，所述确定刘海的区域，包括：若刘海的区域底线低于眉毛位置所在的线，二值化刘海区域；若刘海的区域底线等于眉毛位置所在的线，以眉毛位置所在的线为截止线二值化刘海区域。较佳地，在基于置信度的SVM判断人脸图像是否存在刘海前，进一步包括：对所述人脸图像进行包括人脸对齐和/或光照归一化的预处理。本专利技术实施例中还提供了一种确定刘海区域的装置，包括：LBP处理模块，用于基于LBP算子提取刘海特征；SVM处理模块，用于基于置信度的SVM判断人脸图像是否存在刘海；刘海区域确定模块，用于在存在刘海时确定刘海的区域。较佳地，LBP处理模块进一步用于在基于LBP算子提取刘海特征时，LBP算子的尺度选取为：水平方向半径为3，垂直方向半径为1。较佳地，刘海区域确定模块进一步用于在所述确定刘海的区域时，包括：将人脸图像中的人脸分为4块区域，其中3块为刘海区域，1块为眼部以下、嘴部以上的脸部区域；确定4块区域的平均灰度值；根据4块区域的平均灰度值确定刘海区域的阈值；根据阈值确定刘海的区域。较佳地，刘海区域确定模块进一步用于通过如下公式根据4块区域的平均灰度值确定刘海区域的阈值：其中，3块刘海区域的平均灰度值依次为AVG_lu、AVG_mu、AVG_ru，脸部区域的平均灰度值为AVG_face。较佳地，刘海区域确定模块进一步用于在根据阈值确定刘海的区域时，包括：确定眉毛位置所在的线；从眉毛位置所在的线开始按预设距离向上移动，在每次移动后，以移动后的线为基线确定两个上下相邻的高度为预设高度，宽度为图像宽度的区域；若两个区域内的灰度值满足阈值Th的像素个数都大于预设值，则将该根基线确定为刘海的区域底线。较佳地，SVM处理模块进一步用于若AVG_lu、AVG_mu、AVG_ru与AVG_face的数值差别小于预设阈值，则确定不存在刘海。较佳地，刘海区域确定模块进一步用于在所述确定刘海的区域时，包括：若刘海的区域底线低于眉毛位置所在的线，二值化刘海区域；若刘海的区域底线等于眉毛位置所在的线，以眉毛位置所在的线为截止线二值化刘海区域。较佳地，进一步包括：预处理模块，用于在基于置信度的SVM判断人脸图像是否存在刘海前，对所述人脸图像进行包括人脸对齐和/或光照归一化的预处理。本专利技术有益效果如下：在本专利技术实施例提供的技术方案中，由于采用的分块LBP特征直方图和基于置信度线性SVM分类方式能快速高效的判定是否是刘海人脸，因此具有更高的实时性；由于采用分类的时候收集具有多样性的样本，使分类具有很好的泛化性能，进一步的，在确认的时候能够同时考虑到异色头发，头发反光等问题，使多种情况下都能稳定使用，因此具有更强的稳定性。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例中确定刘海区域的方法实施流程示意图；图2为本专利技术实施例中最原始的LBP算子示意图；图3为本专利技术实施例中刘海判断使用的LBP算子及其变种示意图；图4为本专利技术实施例中刘海区域及分块情况示意图；图5为本专利技术实施例中刘海及非刘海人脸示意图；图6为本专利技术实施例中刘海阈值确认的分块示意图；图7为本专利技术实施例中确定刘海位置线示意图；图8为本专利技术实施例中确定刘海区域的装置结构示意图。具体实施方式专利技术人注意到，发型的多变会一定程度上影响人脸识别的效果，尤其是齐刘海，这种遮挡了眉毛信息，并占据一定人脸比例的发型会对人脸特征的提取产生很大的影响。在人脸检测和特征点定位的基础上，判断当前人脸是否存在齐刘海，并且给出刘海区域，才能方便后续的人脸识别算法计算。基于此，本专利技术实施例提供的技术方案用以解决正常人脸情况下，针对头发特有的特征，在不利用人脸关键器官的特征来完成刘海遮挡的检测和定位。下面结合附图对本专利技术的具体实施方式进行说明。图1为确定刘海区域的方法实施流程示意图，如图所示，可以包括：步骤101、基于LBP算子提取刘海特征；步骤102、基于置信度的SVM判断人脸图像是否存在刘海；步骤103、在存在刘海时确定刘海的区域。实施中，在基于置信度的SVM判断人脸图像是否存在刘海前，还可以进一步包括：对所述人脸图像进行包括人脸对齐和/或光照归一化的预处理。具体实施中，可以进行人脸预处理，这是因为在使用机器学习的方法进行分类时，要使人脸在相对一致的情况下进行比对，所以可以进行一定的预处理。首先需要利用双眼位本文档来自技高网...

【技术保护点】
一种确定刘海区域的方法，其特征在于，包括：基于局部二值模式LBP算子提取刘海特征；基于置信度的支持向量机SVM判断人脸图像是否存在刘海；在存在刘海时确定刘海的区域。

【技术特征摘要】
1.一种确定刘海区域的方法，其特征在于，包括：基于局部二值模式LBP算子提取刘海特征；基于置信度的支持向量机SVM判断人脸图像是否存在刘海；在存在刘海时确定刘海的区域。2.如权利要求1所述的方法，其特征在于，在基于LBP算子提取刘海特征时，LBP算子的尺度选取为：水平方向半径为3，垂直方向半径为1。3.如权利要求1所述的方法，其特征在于，所述确定刘海的区域，包括：将人脸图像中的人脸分为4块区域，其中3块为刘海区域，1块为眼部以下、嘴部以上的脸部区域；确定4块区域的平均灰度值；根据4块区域的平均灰度值确定刘海区域的阈值；根据阈值确定刘海的区域。4.如权利要求3所述的方法，其特征在于，通过如下公式根据4块区域的平均灰度值确定刘海区域的阈值：其中，3块刘海区域的平均灰度值依次为AVG_lu、AVG_mu、AVG_ru，脸部区域的平均灰度值为AVG_face。5.如权利要求3或4所述的方法，其特征在于，根据阈值确定刘海的区域，包括：确定眉毛位置所在的线；从眉毛位置所在的线开始按预设距离向上移动，在每次移动后，以移动后的线为基线确定两个上下相邻的高度为预设高度，宽度为图像宽度的区域；若两个区域内的灰度值满足阈值Th的像素个数都大于预设值，则将该根基线确定为刘海的区域底线。6.如权利要求4所述的方法，其特征在于，进一步包括：若AVG_lu、AVG_mu、AVG_ru与AVG_face的数值差别小于预设阈值，则确定不存在刘海。7.如权利要求1所述的方法，其特征在于，所述确定刘海的区域，包括：若刘海的区域底线低于眉毛位置所在的线，二值化刘海区域；若刘海的区域底线等于眉毛位置所在的线，以眉毛位置所在的线为截止线二值化刘海区域。8.如权利要求1所述的方法，其特征在于，在基于置信度的SVM判断人脸图像是否存在刘海前，进一步包括：对所述人脸图像进行包括人脸对齐和/或光照归一化的预处理。9.一种确定刘海区域的装置，其特征在于，包括：LBP处理模块，用于基于LBP算子提取刘海特征；SVM处理模块，用于...

【专利技术属性】
技术研发人员：汪海洋，郭思郁，王刚，郝敬松，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33