[发明专利]一种基于脸部轮廓分析的证件照耳朵检测与提取方法

摘要

本发明公开了一种基于脸部轮廓分析的证件照耳朵检测与提取方法，用于自动判断证件照头像是否端正，检测证件照耳朵的有无，并最终提取证件照耳朵区域。该算法分析两种轮廓线：皮肤外轮廓和脸部轮廓，并基于如下观察：人类脸部轮廓线在一定程度上满足抛物线方程。首先提出基于皮肤外轮廓抛物线拟合的耳朵有无检测方法，用抛物线拟合皮肤外轮廓，当拟合结果较好时说明皮肤外轮廓与脸部轮廓重合，无耳朵。否则当有耳朵时，提出基于梯度和抛物线引导的动态规划算法识别脸部轮廓。脸部轮廓线能分割耳朵和脸部皮肤区域，从而实现耳朵区域的有效提取。本发明的算法能用于自拍证件照的合格性自动判断，提取出的耳朵区域可供证件照图像后处理。

主权项

1.一种基于脸部轮廓分析的证件照耳朵检测与提取方法，其特征在于，包括以下内容：1)检测耳朵的有无给定一张姿态端正的证件照，基于皮肤外轮廓抛物线拟合的方法来检测耳朵是否被遮挡，该方法详细描述如下：通过眼睛定位和眼睛与耳朵的位置关系，提取到包含耳朵的耳朵矩形区域后，检测该区域中的皮肤，从而得到皮肤外轮廓；通过观察大量的证件照发现，有耳朵时皮肤外轮廓的形状通常较为弯曲和不规则，而没有耳朵时，皮肤外轮廓较平滑，能由抛物线较好地拟合；因此，采用抛物线拟合皮肤外轮廓，拟合误差小说明无耳朵，否则说明有耳朵；在拟合的方法上，选择了RANSAC方法，首先，在皮肤外轮廓上均匀地采样样本点，设p_k(x_k,y_k)是第k个样本点，构成样本点集合S＝{p₁,p₂,...,p_N}，N是样本点个数，定义要拟合的抛物线方程为y＝ax²+bx+c，其中a、b、c是抛物线参数；RANSAC方法能迭代求解a、b、c，拟合误差由公式(1)计算：其中，consensus_set表示适应于拟合出来的抛物线的样本点的集合，S是采样得到的样本点集合，#是计数符号；当拟合误差很大时，皮肤外轮廓不能很好地由抛物线拟合，说明有耳朵；而当拟合误差很小时，皮肤外轮廓能够由抛物线拟合得到，与脸部轮廓重合了，说明没有耳朵；设阈值δ，当fit_error＞δ时，判定为有耳朵，否则无耳朵；2)提取耳朵通过步骤1)中的方法判断耳朵有无后，对于没有耳朵的证件照不作处理，直接返回；对于有耳朵的证件照，使用基于动态规划的脸部轮廓线提取方法提取到耳朵与脸庞之间的轮廓线，从而精确提取耳朵，该方法详细描述如下：脸部轮廓线是一条从上到下连续的曲线，用C表示，C由耳朵矩形区域中每行一个像素点构成，且相邻行的像素点之间连续；设耳朵矩形区域大小为n×m，且设i∈[1,n]表示行数，x是一个映射x:[1,n]→[1,m]，x(i)表示第i行上的列数，则C表示为：其中，c_i＝(x(i),i)是C的第i个点；定义脸部轮廓线为所有可能的C中梯度最大的一条：其中，g(c_i)是点c_i的梯度，G(C)是C上所有点的梯度之和；通过动态规划算法求解公式(3)；定义M(i,j)为点(i,j)的能量，如公式(4)所示，其中，j∈[1,m]是列的索引，g(i,j)是点(i,j)的梯度；设则从点(n,j^*)回溯可得C^*；提出基于梯度和抛物线引导的动态规划算法找到最佳曲线，如公式(5)所示，此时点c_i的能量不仅包括梯度g(c_i)，还包括该点的局部抛物线拟合误差e(c_i)；采用如下方法定义局部抛物线拟合误差e(c_i)，曲线C由离散点构成，为计算点c_i的局部抛物线拟合误差e(c_i)，首先取c_i以下局部20个点，并采用RANSAC方法拟合这些点得到局部抛物线，设该局部抛物线与第i行的交点和点c_i之间的距离为d，则e(c_i)定义为：同样地，也能够采用动态规划算法求解公式(5)；对于当前点(i,j)，经过它的最优曲线仅可能是以点(i‑1,j‑1)，(i‑1,j)或(i,j+1)开头的三条曲线之一；分别计算点(i,j)相对于三条曲线的局部抛物线拟合误差和则公式(4)变为：公式(5)和(7)中，λ₁和λ₂是平衡梯度项和抛物线引导项的参数。