[发明专利]一种人脸图像处理方法

说明书

技术领域

本发明涉及一种人脸识别方法，特别涉及一种人脸图像处理方法。

背景技术

从上个世纪六十年代以来，随着计算机和电子技术的迅猛发展，人们开始利用计算机视觉和模式识别等技术对人脸进行研究。近年来，随着相关技术的不断发展和实际需求的口益增加，自动人脸图像分析已经引起了越来越多的关注，新的研究成果和实用系统不断涌现。

然而现有的人脸图像处理方法大多基于单张人脸图像进行处理，使得后续的识别检测不准确并且没有针对性。虽然有些方法是基于多张人脸图像进行处理，但是都是基于正面人脸进行的处理，后续检测和识别时依然存在特征不足、检测不够准确等问题。另外，现有的人脸图像处理方法中，基于整个人脸图像进行特征提取和检测，但是这样的方法不可避免地带来噪音，即背景部分可能对特征提取产生影响，同时在特征提取过程也增加了复杂度。再有，虽然现有技术针对人脸图像的处理提出了多种可行的算法，但是各个算法都独立进行，

并没有充分发挥各自的优势。

针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。因此，本发明提出了一种人脸图像处理方法，毋庸置疑，本发明的人脸图像处理方法经过适当的修改同样适于识别其他图像。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种人脸图像处理方法。通过本发明的方法解决现有技术中存在的上述缺陷。一方面，通过处理多张人脸图像加强人脸识别和检测，尤其是通过处理同一人的侧面图像和正面图像，即通过采集同一人的侧面人脸特征和正面人脸特征进行人脸识别和检测，使得成功率更高。第二方面，通过通过首先分离人脸图像中的人脸部分和背景部分，然后仅针对人脸部分进行人脸识别和检测，使得特征提取更准确，并且简化了识别和检测算法。第三方面，通过结合Mean shift算法和k-means算法，尤其是基于Mean shift算法和k-means算法创新了从人脸图像中提取人脸部分的方法，使得经过本申请的人脸图像处理后，对人脸的检测成功率更高，对人脸的识别更准确。

所述方法包括：接收其中包括同一人的脸的第一人脸图像和第二人脸图像，所述第一人脸图像包括第一人脸部分与第一背景部分，所述第二人脸图像包括第二人脸部分与第二背景部分；将所述第一人脸图像和所述第二人脸图像保存在图像数据库中；从所述第一人脸图像中提取第一人脸部分并且从所述第二人脸图像中提取第二人脸部分；分别提取所述第一人脸部分的第一人脸特征向量和所述第二人脸部分的第二人脸特征向量；根据所述第一人脸特征向量和所述第二人脸特征向量判断所述第一人脸图像和所述第二人脸图像中包含的脸是谁的脸。

优选地，所述第一人脸图像的人脸部分是人脸的侧面图像，所述第二人脸图像的人脸部分是人脸的正面图像。

优选地，所述从所述第一人脸图像中提取第一人脸部分并且从所述第二人脸图像中提取第二人脸部分包括：利用Mean shift算法对第一人脸图像进行划分得到多个第一子图像；利用Mean shift算法对第二人脸图像进行划分得到多个第二子图像；基于所述多个第一子图像将所述第一人脸图像划分为第一人脸部分和第一背景部分；基于所述多个第二子图像将所述第二人脸图像划分为第二人脸部分和第二背景部分。

优选地，，所述基于所述多个第一子图像将所述第一人脸图像划分为第一人脸部分和第一背景部分包括：提取所述多个第一子图像的多个第一特征向量；基于所述多个第一特征向量将所述第一人脸图像划分为第一人脸部分和第一背景部分。

优选地，所述基于所述多个第二子图像将所述第二人脸图像划分为第二人脸部分和第二背景部分包括：提取所述多个第二子图像的多个第二特征向量；基于所述多个第二特征向量将所述第二人脸图像划分为第二人脸部分和第二背景部分。

优选地，所述提取所述多个第一子图像的多个第一特征向量包括：提取所述多个第一子图像中的每一个的位置特征、颜色特征和纹理特征；采用扫描线算法确定所述多个第一子图像中的每一个的位置特征、颜色特征和纹理特征所占权重；基于所述多个第一子图像中的每一个的不同权重的位置特征、颜色特征和纹理特征生成多个第一特征向量。

优选地，所述提取所述多个第二子图像的多个第二特征向量包括：提取所述多个第二子图像中的每一个的位置特征、颜色特征和纹理特征；采用扫描线算法确定所述多个第二子图像中的每一个的位置特征、颜色特征和纹理特征所占权重；基于所述多个第二子图像中的每一个的不同权重的位置特征、颜色特征和纹理特征生成多个第二特征向量。