[發明專利]一種矯正人臉圖像的方法

在審

• 申請號: 201710575263.9
• 申請日: 2017-07-14
• 公開（公告）號: CN107358207A
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 黃鴻;石光耀;劉嘉敏;袁佳成;丁高興;李宗輝
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 重慶博凱知識產權代理有限公司50212
• 代理人: 黃河

1.一種矯正人臉圖像的方法，其特征在于，所述方法包括：

接收發送端發送的原始圖像；

檢測所述原始圖像，截取得到人臉圖像；

定位所述人臉圖像上的特征點，生成至少兩個人臉特征點位置坐標；

基于至少兩個所述人臉特征點位置坐標計算人臉偏轉角度；

基于所述人臉偏轉角度反向旋轉所述人臉圖像；

檢測反向旋轉后的所述人臉圖像，截取得到人臉矯正圖像。

2.如權利要求1所述的矯正人臉圖像的方法，其特征在于，所述檢測所述原始圖像包括：

調用AdaBoost算法；

基于所述AdaBoost算法中級聯的強分類器檢測所述原始圖像并生成人臉區域坐標。

3.如權利要求2所述的矯正人臉圖像的方法，其特征在于，所述AdaBoost算法中強分類器的訓練方法包括以下步驟：

步驟A：調用訓練樣本集，所述訓練樣本集共包括i個訓練樣本，所述i個訓練樣本可分別表示為：{(u₁,q₁),(u₂,q₂),...,(u_i,q_i)}，u_i表示所述訓練樣本集中的圖像，q_i表示所述訓練樣本是否為人臉樣本，其中，q_i＝0代表所述訓練樣本為非人臉，q_i＝1代表所述訓練樣本為人臉；

步驟B：對于q_i＝0，初始化其權值為w_1,i＝1/2m，對于q_i＝1，初始化其權值為w_1,i＝1/2l，其中m表示非人臉個數，l表示人臉個數；

步驟C：歸一化權值：將的值賦予w_t,i；

步驟D：根據最小分類錯誤率確定第t輪的最優弱分類器h_t(u)＝h(u,f_t,p_t,θ_t)，函數h表示所采用的弱分類器，f指的是人臉圖像上的Haar-like特征，p代表不等號的方向(只有±1兩種情況)，θ代表Haar-like特征的閾值；

步驟F：更新權重，β＝ε_t/(1-ε_t)，若圖像u_i分類正確，用分類標志e_i＝0表示；反之分類標志e_i＝1，其中，t＝1，2，…，T，t表示循環次數，T為預設的循環次數值；

步驟G：重復執行T次步驟C至步驟F，生成所述強分類器：

當C(u)＝1時，即表示所述強分類器判斷樣本為人臉，當C(u)＝0時，即表示所述強分類器樣本不為人臉。

4.如權利要求2所述的矯正人臉圖像的方法，其特征在于，所述基于人臉區域坐標截取人臉區域圖像包括：

基于所述人臉區域坐標生成人臉區域放大坐標；

基于所述人臉區域放大坐標截取人臉區域圖像。

5.如權利要求4所述的矯正人臉圖像的方法，其特征在于，所述定位所述人臉圖像上的特征點，生成至少兩個人臉特征點位置坐標包括：

調用監督下降算法；

基于所述監督下降算法定位所述人臉圖像上的特征點，生成至少兩個人臉特征點位置坐標。

6.如權利要求4所述的矯正人臉圖像的方法，其特征在于，所述監督下降算法包括第一系數R_m和第二系數b_m，m為預設定的迭代次數，求所述第一系數R_m和所述第二系數b_m的方法包括：

調用人臉圖像訓練樣本集，用x_m表示第m次迭代后人臉關鍵點的位置，θ_m表示第m次迭代后人臉關鍵點周圍提取的特征，為形狀差值且

基于迭代m次生成第一系數R_m和第二系數b_m。

7.如權利要求6所述的矯正人臉圖像的方法，其特征在于，所述基于所述人臉偏轉角度反向旋轉所述人臉圖像包括：

調用仿射變換算法；

基于所述仿射變換算法及所述人臉偏轉角度反向旋轉所述人臉圖像。

8.如權利要求1-7任一項所述的矯正人臉圖像的方法，其特征在于，所述至少兩個所述人臉特征點包括左外眼角特征點及右外眼角特征點，所述人臉偏轉角度為所述左外眼角特征點及所述右外眼角特征點的連線與水平線之間的夾角；所述基于至少兩個所述人臉特征點位置坐標計算人臉偏轉角度包括計算所述左外眼角特征點及所述右外眼角特征點的連線與水平線的夾角。