一种快速的街景图像中人脸的检测模糊方法技术

本发明专利技术公开了一种快速的街景图像中人脸的检测模糊方法，该方法包括以下步骤：去除不包含人脸区域的区域；根据Harr-like特征的Adaboost检测算法检测出人脸的候选区域；根据人脸的形状、颜色特征，设置一定的限制条件来排除非人脸区域；对所有的人脸区域进行水平、垂直方向的平滑模糊，得到结果图像。本发明专利技术引入基于贝叶斯统计的肤色检测方法和基于HOG特征的人肩像检测方法来排除非人脸区域，基于人脸区域的Harr-like特征、形状和肤色特征，提出了快速、鲁棒的人脸检测算法。本发明专利技术巧妙地采用水平和垂直模板对人脸区域进行平滑模糊处理，在保证模糊效果的同时，大大提高了处理速度。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其是ー种快速的街景图像中人脸的检测模糊方法。
技术介绍
在过去的几年时间内，在线的街景地图产品得到了快速发展。其中最具有代表性的就是谷歌街景服务。街景图像的大尺度和精确性使得用户可以有效地对感兴趣点的具体位置进行搜索，而且还可以虚拟地在街道级别的环境中进行漫歩。因此，一系列有趣有益的应用营运而生，比如虚拟旅游，房地产搜索，增强性的驾驶导航等。但是，在拍摄街景图像的过程中，往往会拍摄到ー些具有个人隐私的信息，主要包括人脸和车牌。为了保护这些隐私，需要对人脸和车牌区域进行检测和模糊化处理。 街景图像中的人脸检测不同于传统的人脸检测，检测的难度主要表现在以下几个方面1、街景图像尺寸很大，背景很复杂，光照变化较大，对比度小；2、人脸的姿态丰富多样；3、人脸所占区域分辨率低，且存在部分遮挡的情況。传统的人脸检测和模糊方法未对该类街景图像进行优化，耗时较长，因此，本专利技术设计了ー种快速的街景图像中人脸的检测模糊方法。
技术实现思路
本专利技术的目的是利用图像处理技术提取街景图像中人脸区域的特征，来检测和模糊人脸区域。为此提供ー种快速的街景图像中人脸的检测模糊方法。为了达成所述目的，本专利技术提供ー种快速的街景图像中人脸的检测模糊方法，其特征在于，该方法包括以下步骤步骤1，对街景原始图像进行预处理，得到待处理街景图像；步骤2，采用预先训练出来的Harr-Iike特征人脸数据库，使用分类器训练算法对待处理街景图像进行检测，得到待处理街景图像中的待定人脸区域；步骤3，对于所有待定人脸区域，根据人脸的形状、位置特征，初歩判断该待定人脸区域是否为真实人脸区域；步骤4，根据待定人脸区域是否满足一定的肤色检测限制条件，再次判断经所述步骤3初歩判断为人脸区域的区域是否为真实人脸区域；步骤5，根据待定人脸区域是否满足一定的人肩像检测限制条件，判断经所述步骤4再次判断为人脸区域的区域是否为真实人脸区域；步骤6，根据人脸的空间特征，对经所述步骤5判断为真实人脸区域的区域进行最后的检测；步骤7，对最终检测得到的人脸区域进行模糊化处理。本专利技术引入基于贝叶斯统计的肤色检测方法和基于HOG特征的人肩像检测方法来排除非人脸区域，本专利技术基于人脸区域的Harr-Iike特征、形状和顔色特征，创造性地设计了快速、鲁棒的人脸检测算法。本专利技术巧妙地采用水平和垂直模板对人脸区域进行平滑模糊处理，在保证模糊效果的同吋，大大提高了处理速度。附图说明图I是本专利技术提出的街景图像中人脸的检测模糊方法流程图；图2是根据本专利技术实施例的基于Harr-Iike特征和Adaboost算法检测出来的待定人脸区域图像；图3是根据本专利技术实施例的最終检测得到的人脸区域的结果图像；图4是对图3中的人脸区域经水平和垂直方向模糊处理后的結果。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并參照附图，对本专利技术进ー步详细说明。本专利技术的基本原理是提取人脸的Harr-Iike特征、形状特征、皮肤颜色特征以及空间特征来检测人脸，并对人脸区域进行水平和垂直方向的平滑模糊处理。图I是本专利技术提出的街景图像中人脸的检测模糊方法流程图，如图I所示，本专利技术提出的街景图像中人脸的检测模糊方法包括以下步骤步骤1，对街景原始图像进行预处理，得到待处理街景图像；设街景原始图像的分辨率为W*H，考虑到街景图像中的顶部区域中不存在人脸区域，底部为街景图像采集车，因此，去除街景原始图像的顶部W^ll像素区域和底部W*h2像素区域，得到分辨率为胃* -、-、)的待处理街景图像。在通常应用中，街景原始图像的分辨率一般为1232*1616，去除街景原始图像的顶部1232*500像素区域，和底部1232*300的像素区域，得到分辨率为1232*816的待处理街景图像。步骤2，采用预先训练出来的Harr-Iike特征人脸数据库，使用分类器训练算法对待处理街景图像进行检测，得到待处理街景图像中的待定人脸区域；所述分类器训练算法可以采用现有技术中的Adaboost算法，设输入的η个训练样本为IXx1, Yi)，(x2，I2), , (χη, yn)}，其中，Xi为输入的训练样本，Yi e {0,1}表示样本Xi为正样本还是负样本，η个训练样本中，正样本数为k，负样本数为m，n = k+m。Adaboost算法的具体步骤可以简单描述为1、初始化每个样本的权值对于正样本，其权值wt, i初始化为l/2k，对于负样本，其权值wt, i初始化为l/2m ；2、对第t个弱分类器，t = 1，. . .，T，T为弱分类器的个数I)对样本的权值进行归ー化权利要求1.一种街景图像中车牌的检测模糊方法，其特征在于，该方法包括以下步骤 步骤1，对街景原始图像进行预处理，得到待处理街景图像； 步骤2，采用预先训练出来的Harr-Iike特征人脸数据库，使用分类器训练算法对待处理街景图像进行检测，得到待处理街景图像中的待定人脸区域； 步骤3，对于所有待定人脸区域，根据人脸的形状、位置特征，初步判断该待定人脸区域是否为真实人脸区域； 步骤4，根据待定人脸区域是否满足一定的肤色检测限制条件，判断经所述步骤3初步判断为人脸区域的区域是否为真实人脸区域； 步骤5，根据待定人脸区域是否满足一定的人肩像检测限制条件，判断经所述步骤4判断为人脸区域的区域是否为真实人脸区域； 步骤6，根据人脸的空间特征，对经所述步骤5判断为真实人脸区域的区域进行最后的检测； 步骤7，对最终检测得到的人脸区域进行模糊化处理。2.根据权利要求I所述的方法，其特征在于，所述步骤I中，设街景原始图像的分辨率为W*H，考虑到街景图像中的顶部区域中不存在人脸区域，底部为街景图像采集车，去除街景原始图像的顶部W*hi像素区域和底部W*h2像素区域，得到分辨率为W* (H-hrh2)的待处理街景图像。3.根据权利要求I所述的方法，其特征在于，所述步骤3中，所述根据人脸的形状、位置特征，初步判断该待定人脸区域是否为真实人脸区域的步骤进一步为，根据人脸的形状、位置特征设置限制条件，满足所述限制条件的区域即初步判断为人脸区域。4.根据权利要求3所述的方法，其特征在于，所述限制条件为 ①人脸区域的长宽比满足的条件为Smin< VRw < Smax，其中，R1为人脸区域的长，Rw为人脸区域的宽，Smin和Smax分别为人脸区域长宽比的下限值和上限值； ②人脸区域的宽度和高度需满足RWniin〈 Rw〈 max，^l_min 〈Rl〈 ^l rnax，其中，Rn—min 为人脸区域的宽度Rw的下限值，Rwjiax为Rw的上限值，Rljlin为人脸区域的长度R1的下限值，札―_为R1的上限值； ③人脸的宽与该人脸在街景图像中的位置的纵坐标成线性关系，即满足RW< c[*y。+^，其中，α，β为系数，y。为人脸区域中心的纵坐标。5.根据权利要求I所述的方法，其特征在于，所述步骤4进一步包括以下步骤 步骤41，将待定人脸区域图像由RGB空间转换到YCrCg空间； 步骤42，基于贝叶斯统计方法，统计转换到YCrCg空间的待定人脸区域图像中满足人脸肤色条件的像素数η ; 步骤43，计算满足人脸肤色条件的像素数η占待定人脸区本文档来自技高网...

【技术保护点】
一种街景图像中车牌的检测模糊方法，其特征在于，该方法包括以下步骤：步骤1，对街景原始图像进行预处理，得到待处理街景图像；步骤2，采用预先训练出来的Harr？like特征人脸数据库，使用分类器训练算法对待处理街景图像进行检测，得到待处理街景图像中的待定人脸区域；步骤3，对于所有待定人脸区域，根据人脸的形状、位置特征，初步判断该待定人脸区域是否为真实人脸区域；步骤4，根据待定人脸区域是否满足一定的肤色检测限制条件，判断经所述步骤3初步判断为人脸区域的区域是否为真实人脸区域；步骤5，根据待定人脸区域是否满足一定的人肩像检测限制条件，判断经所述步骤4判断为人脸区域的区域是否为真实人脸区域；步骤6，根据人脸的空间特征，对经所述步骤5判断为真实人脸区域的区域进行最后的检测；步骤7，对最终检测得到的人脸区域进行模糊化处理。

【技术特征摘要】

【专利技术属性】
技术研发人员：王欣刚，杨鑫，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：