[发明专利]一种黑头识别处理方法及系统在审
申请号: | 201910801021.6 | 申请日: | 2019-08-28 |
公开(公告)号: | CN110533648A | 公开(公告)日: | 2019-12-03 |
发明(设计)人: | 蒋艳雯;金刚 | 申请(专利权)人: | 上海复硕正态企业管理咨询有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62;G06T7/73;G06T7/11;G06T7/187 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 200040 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 黑头 彩色图像处理 轮廓跟踪算法 特征点检测 定量分析 二值图像 几何特征 评判标准 人工成本 人脸识别 数字图像 颜色特征 鼻头 数据处理 可信度 算法 剔除 图像 封闭 人群 重复 申请 统一 | ||
1.一种黑头识别处理方法,其特征在于:包括以下步骤:
S1、读取人脸彩色图像,获得鼻头截取区域图像;
S2、对截取区域图像进行增强处理,找出颜色相对深的黑色封闭域,并剔除无关信息,获得黑头信息;
S3、计算黑头数量、黑头面积的统计数据,保存数据;
S4、在截取区域图像中,圈出黑头位置,使黑头可见,保存图像。
2.根据权利要求1所述的黑头识别处理方法,其特征在于:步骤S1中,读取人脸彩色图像,获得鼻头截取区域图像,包括以下步骤:
A1、读取人脸彩色图像;
A2、对彩色图像进行灰度处理,得到灰度图;
A3、调用模型识别;
A4、限制条件特征,确定鼻头坐标;
A5、根据坐标,圈出鼻头及鼻头周围图像;
A6、获得截取区域图像。
3.根据权利要求1所述的黑头识别处理方法,其特征在于:步骤S2中,对面部区域图像进行增强处理,将彩色图像转换为LAB颜色空间,取L通道,将面部区域图像转换为单通道图像。
4.根据权利要求1所述的黑头识别处理方法,其特征在于:步骤S2中,采用局部极值算法,获取黑头信息,包括以下步骤:
B1、设定阈值范围与阈值步长,用一系列连续的阈值将单通道图像转换为二值图像的集合;
B2、采用Suzuki轮廓跟踪算法,检测每一幅二值图像的边界,提取出每一幅二值图像的连通区域,由边界所围成的不同的连通区域就是该二值图像的斑点;
B3、根据所有二值图像斑点的中心坐标对二值图像斑点进行分类,属于同一类的所有二值图像斑点最终形成灰度图像的斑点;
B4、确定灰度图像斑点的信息,包括位置、面积、斑点凸度、斑点圆度、惯性率;
B5、连通区域的面积大于等于第一设定值而小于等于第二设定值之间的斑点即为黑头,剔除连通区域的面积小于第一设定值或大于第二设定值的斑点。
5.根据权利要求4所述的黑头识别处理方法,其特征在于:
步骤B2中,Suzuki轮廓跟踪算法,包括以下步骤:
C1、按照从上到下,从左到右的顺序扫描图像,寻找没有标记跟踪结束记号的第一个边界起始点P0,P0是具有最小行和列值的边界点;
C2、定义一个扫描方向变量dir,该变量用于记录扫描图像中沿着前一个边界点到当前边界点的移动方向;
C3、按逆时针方向在M×M邻域中搜索到的第一个与当前像素值相同的像素便为新的边界点Pn,同时更新变量dir为新的方向值;
C4、当Pn等于第二个边界点P1且前一个边界点Pn-1等于第一个边界点P0,则表示完成了一个边界的跟踪,停止搜索,结束跟踪;否则,重复步骤B3继续搜索;
C5、由边界点P0、P1、P2、……、Pn-2构成的边界,形成一个封闭域,即为要跟踪的边界。
6.根据权利要求4所述的黑头识别处理方法,其特征在于:
步骤B4中,斑点的位置是属于该灰度图像斑点的所有二值图像斑点中心坐标的加权和,由下式表示:
式中,q表示权值,其数值等于所述二值图像斑点的惯性率的平方;i表示第i个二值图像斑点,[xi,yi]表示第i个二值图像斑点中心坐标;
7.根据权利要求4所述的黑头识别处理方法,其特征在于:步骤B4中,斑点的面积等于斑点封闭域内的像素个数;
斑点凸度由下式表示:
式中,V表示斑点凸度;S表示斑点面积;H表示斑点的凸壳面积。
8.根据权利要求4所述的黑头识别处理方法,其特征在于:步骤B4中,斑点圆度C由下式表示:
式中,S表示斑点面积;P表示斑点周长;
其中,当C=1时,表示该斑点为圆形;当C=0时,表示该斑点为多边形;当C在0与1之间时,表示该斑点为逐渐拉长的多边形。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海复硕正态企业管理咨询有限公司,未经上海复硕正态企业管理咨询有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910801021.6/1.html,转载请声明来源钻瓜专利网。