[发明专利]一种提取眉毛轮廓的方法

说明书

技术领域

本发明涉及一种提取眉毛轮廓的方法，属于生物识别技术领域。

背景技术

眉毛作为人脸的重要子特征，应当在生物特征识别技术领域中占据比较重要的地位，然而实际情况却是对眉毛研究和应用还处在起步阶段，对眉毛的特征提取方面的技术文献也不多。

发明专利申请公开之《基于眉毛识别的身份鉴别方法》（公开号 CN1645406A），其直接利用眉毛的彩色图像的像素信息描述眉毛特征；而发明专利申请公开之《基于眉毛识别的身份鉴别方法》（公开号 CN1801180A）通过傅里叶变换和K均值算法提取眉毛的纹理特征；文献《基于小波变换和SVM的眉毛身份验证系统研究》（《计算机应用研究》2009年第11期）通过小波变换的方法提取眉毛的纹理特征；而文献《一种基于特征串比较的眉毛识别方法》（《北京工业大学学报》2008年第01期）通过离散傅里叶变换和矢量量化的方法提取眉毛的纹理特征。

基于以上描述可知，现阶段在生物识别技术领域的研究主要专注于眉毛纹理信息的提取，对于眉毛轮廓信息的提取还未见报道。发明人认为对眉毛轮廓的提取具有很高的价值，如在美容领域，涉及修饰眉毛轮廓等，如果能够对眉毛轮廓提取，可以为后续的处理提供借鉴。因此有必要提出提取眉毛轮廓的方法，此方法应当对各种光照具有很好的适应性，可有效提取眉毛轮廓。

发明内容

有鉴于此，本发明的目的在于提供一种能够提取眉毛轮廓的方法，以拓展眉毛提取在生物识别领域中的应用。

本发明采用以下技术方案：

一种提取眉毛轮廓的方法，包括以下步骤；

1）针对所要处理的图片，粗选眉毛区域，生成眉毛截取区域；

2）统计所述眉毛截取区域内各灰度级的像素点个数Num[n],其中                                                ；

3）设置一个大于0的自适应因子，然后统计灰度值小于×MinGray的个数Num1，其中MinGray为所述眉毛截取区域中灰度最小像素点的灰度值；

4）当Num1>P1×Q，则令=-C1，再次统计灰度值小于×MinGray的个数Num1，如此循环直到Num1<P1×Q；当Num1<P2×Q，则令=+C2，再次统计灰度值小于×MinGray的个数Num1，如此循环直到Num1>P2×Q；其中C1和C2为预定的调整量，P1和P2为常数，前者取0.28-0.36，后者取0.08-0.16；而Q为粗选眉毛区域中的像素点个数；

5）然后对截取区域内的像素点(，)进行二值化：

；

其中，M、N对应所述眉毛截取区域中行、列像素点数的最大值。

从以上的方案可知，依据本发明，粗选眉毛区域以减少后续的计算量，由于眉毛与肤色具有比较大的亮度差，尤其是对于黄色人种来说更具有典型性，通过像素点的这种差异，进行二值化，产生明显区分于肤色的眉毛轮廓。基于灰度的二值化进程计算量比较小，速度比较快。

本发明的所述提取眉毛轮廓的方法，在较佳的实施例中，所述眉毛截取区域为矩形区域，匹配笛卡尔坐标系正交的坐标轴，容易计算。

上述提取眉毛轮廓的方法，生成所述眉毛截取区域的步骤为通过样本学习的方式，统计样本中匹配的矩形区域对角的一对像素点的坐标值，训练的结果为所述坐标值约束矩形区域的最大值或者均值，以作为约束眉毛截取区域的一对像素点的坐标值，可以提高眉毛区域定位的准确率。

进一步地，上述提取眉毛轮廓的方法，将要处理的图片尺寸归一化：利用支持向量机的学习，通过样本的学习，定位图像上人的两瞳孔位置，标定两瞳孔间距为设定距离，进而设定两瞳孔的中点作为图片的中心点，将图片放缩到归一的目标尺寸，可以进一步提高眉毛区域定位的准确率。

上述提取眉毛轮廓的方法，在步骤2）前还包括判断所述眉毛截取区域中眉毛是否被遮挡的步骤，若被遮挡，则不再进行当前图片的后续处理，减少不必要的处理，筛选有价值的要处理的图片。

上述提取眉毛轮廓的方法，判断是否被遮挡的方法是分割所述眉毛截取区域为若干子区域，并计算每一子区域的灰度平均值AveGray，然后判断AveGray-MinGray，当差值大于等于阈值Thresh1，则无遮挡，否则有遮挡。

优选地，上述提取眉毛轮廓的方法，为了简化计算，所述子区域为所述眉毛截取区域的行或者列。

优选地，上述提取眉毛轮廓的方法，所述阈值Thresh1的范围为60-110。