[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

技術領域

本發明涉及圖像處理技術領域，具體地說，涉及一種矯正人臉圖像的方法。

背景技術

人臉識別技術是生物識別技術中的一種，以其直接性、唯一性、方便性等特點，在公安偵查、交通檢測、門禁系統、目標追蹤及其他民用安全控制系統等領域具有廣闊的發展前景和很高的社會經濟效益。近年來隨著越來越多的研究工作者投入到人臉識別領域中，人臉識別技術得到了很大的發展，并逐漸成熟起來。

人臉檢測作為人臉識別技術中最為重要的模塊之一，其采集得到的人臉圖像的質量直接影響著人臉識別率的高低。一般影響人臉檢測過程的因素主要有：光照、姿態、攝像機的成像能力等等，由于同一個人在不同姿態下的人臉圖像之間的差異幾乎經常大于在相同姿態條件下不同人的人臉圖像之間的差異，而且對于目前存在的大多數的人臉識別系統，在待識別圖像和訓練圖像中的人臉姿態相似的情況下，識別率很高，但是當人臉姿態變化時，識別率急劇下降，使得姿態問題成為人臉檢測乃至人臉識別領域最難解決的問題之一。在現有技術中，李海彥等首先需要通過積分投影方法對人臉圖像中的關鍵點(包括左內眼點、右內眼點、鼻尖以及兩嘴角點)進行定位，然后根據兩個內眼點計算出傾斜角度，最后通過仿射變換函數實現了人臉圖像的矯正。然而該方法能夠實現有效矯正的角度范圍為25°左右，不能滿足實際應用過程中姿態多樣性的要求；而且該方法只是對原有傾斜人臉圖像進行了旋轉和縮放，導致最終得到的矯正后的人臉圖像包含了較多無用、冗余的黑色區域，這些黑色區域不但會影響算法的速度，還導致有效人臉區域占據整張人臉圖像的比例明顯縮小，這在一定程度上限制了人臉識別率的提高。

因此，如何矯正由于人臉與攝像機之間的角度變化而造成的人臉圖像的傾斜，同時在不影響算法整體速率的情況下，盡可能增大有效人臉區域占據整張人臉圖像的比例就成為了本領域技術人員急需解決的問題。

發明內容

針對上述現有技術的不足，本發明提供了一種矯正人臉圖像的方法，在進行人臉識別之前先將圖像中偏轉的人臉圖像進行矯正，即將人臉圖像在其偏轉方向的反方向上旋轉同樣的偏轉角度，因矯正后的人臉圖像不存在偏轉，進行人臉識別時的準確率會大大提升。

為了解決上述技術問題，本發明采用了如下的技術方案：

一種矯正人臉圖像的方法，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。

優選地，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。

優選地，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；