[发明专利]一种眉毛区域的提取方法

说明书

 

技术领域

本发明涉及一种眉毛区域的提取方法。

背景技术

眉毛是人脸识别中的一个重要的特征，相比于人脸的其它特征，眉毛具有更好的稳定性和抗干扰性，且眉毛受表情的影响较小。同时，人类的眉毛具有多种多样的形状，无固定结构，具有很好的身份特异性，在人脸识别中发挥了重要的作用。

将眉毛应用于人脸识别，一个重要的步骤就是眉毛区域的分割。图像分割是图像处理的一个经典难题，目前长常用的自动图像分割方法包括：阈值法，聚类法以及边缘检测等方法。但是这些图像分割方法受光照等因素的影响较大，因而往往无法得到人们所期望的分割结果。

上海银晨智能识别科技有限公司的毛丽等人在名称为“一种人脸识别方法及系统”，公开号为CN 102479318 A的发明专利申请中提出的一种利用眉毛区域的平均梯度信息进行眉毛分割的方法。该方法也没有很好的考虑光照对识别的影响，特别是侧光情况对梯度信息的影响，同时只利用平均梯度信息进行分割并不能很好的提取出眉毛的边缘信息，不能对眉毛区域进行精确的分割。

另外，北京工业大学的李玉鑑等人在名称为“一种基于半监督学习和哈希索引的眉毛分割算法”，授权公告号为CN 101493887B 的发明专利中提出了一种眉毛分割算法，这种算法的基本思想是将眉毛区域分割成若干个等分的像素块区域，然后通过判断每个区域内的眉毛点个数与非眉毛点个数的关系来判断该区域是否为眉毛的像素块，同时计算相邻区域的相似度，最后通过将眉毛像素块进行连通的方式提取眉毛区域。该方法虽然有效的降低了光照的影响，但同样没有实现对眉毛区域的精确提取。

发明内容

有鉴于此，本发明的目的在于提供一种新的眉毛提取方法，能够在有效降低光照影响的同时，精确地提取出眉毛区域。

本发明采用以下技术方案：

一种眉毛区域的提取方法，包括以下步骤：

1）灰度化待识别人脸图像；

2）利用人脸三庭五眼分割所述图像，粗选左、右眉毛区域；

3）依次计算粗选的左、右眉毛区域每一列相邻像素点之间的差值，生成灰度值的差值曲线；

4）取每一列的所述差值曲线的最大值和最小值，作为对应列眉毛的上边缘和下边缘；

5）集合所述上边缘和下边缘，根据眉毛的上下边缘位置对粗选的左、右眉毛区域进行眉毛区域的提取。

优选地，上述眉毛区域的提取方法，在粗选左、右眉毛区域后，还包括判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤，若为头发所遮挡，则不继续当前待识别人脸图像的处理。

优选地，上述眉毛区域的提取方法，判定粗选的所述左、右眉毛区域是否为头发遮挡的步骤优选为：

对粗选的所述左、右眉毛区域进行行像素统计，进而求取每一行的平均灰度，如果每一行的平均灰度都小于阈值则判定为有头发遮挡。

优选地，上述眉毛区域的提取方法，所述阈值取被粗选的左、右眉毛区域下方的人脸皮肤的平均灰度。

在一些较佳的实施例中，所述眉毛区域的提取方法，在步骤3）前对粗选的所述左右眉毛区域进行噪声滤波。

在一些较佳的实施例中，所述眉毛区域的提取方法，在灰度化待识别人脸图像前，还包括对待识别人脸图像进行归一化处理的步骤，该步骤把待识别图象统一为一种规格。

在一些较佳的实施例中，所述眉毛区域的提取方法，所述规格为统一的待识别人脸图像的尺寸，统一的两瞳孔间距以及两瞳孔中心点坐标。

在一些较佳的实施例中，所述眉毛区域的提取方法，灰度化待识别人脸图像的方法为：每一像素点的灰度值Y与R、G、B三个通道的关系为Y = ((R*299)+(G*587)+(B*114)) / 1000。

在一些较佳的实施例中，所述眉毛区域的提取方法，在粗选左、右眉毛区域前还包括对待识别人脸图像进行亮度标准化的步骤，使待识别人脸图像平均亮度值为127，两度均方差为32。

通过以上技术方案可以看出，依据本发明，通过列上像素点与相邻素点之间的差值构造差值曲线，进而取每一列的所述差值曲线的最大值和最小值，作为对应列眉毛的上边缘和下边缘，位置相近的像素点受到环境辐照的影响是基本一致的，而通常情况下，人脸皮肤与眉毛区域具有明显的亮度差，这种两度差受到环境辐照的影响小，从而，依据上述方法不仅有效地降低了环境光照对眉毛区域提取的影响，同时能够精确的对眉毛区域进行提取。

本发明更加的实施例及其效果将会在具体实施方式中述及。

具体实施方式