[發明專利]眼鏡檢測的方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910971114.3
• 申請日: 2019-10-14
• 公開（公告）號: CN112733570A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 周軍;孔勇
• 申請（專利權）人: 北京眼神智能科技有限公司;北京眼神科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種眼鏡檢測的方法、裝置、電子設備及存儲介質，屬于圖像處理和生物識別技術領域，所述眼鏡檢測的方法包括：對待測圖像進行人臉檢測，并從中截出鼻梁區域；將鼻梁區域圖像輸入到訓練好的深度卷積神經網絡中得到輸出數值；若所述輸出數值大于預設閾值，則認為待測圖像中的人佩戴眼鏡，若所述輸出數值小于等于預設閾值，則認為待測圖像中的人沒有佩戴眼鏡。這樣，通過截取鼻梁區域，并借助于深度卷積神經網絡，本發明在測試集上達到了99.9％的準確率，而且檢測快速，不包含人臉檢測時只有2ms。

技術領域

本發明涉及圖像處理和生物識別技術領域，特別涉及一種眼鏡檢測的方法、裝置、電子設備及存儲介質。

背景技術

眼鏡檢測是來判斷當前圖像中的人有沒有佩戴眼鏡，有沒有佩戴眼鏡是人臉諸多屬性比如性別、年齡、是否有遮擋、是否是睜眼或閉眼、圖像質量等中的一種。佩戴墨鏡或者近視眼鏡反光嚴重時會影響后續的人臉識別效果等。正是基于此，在辦身份證拍照時，工作人員會提醒摘掉眼鏡。

眼鏡有多種分類，按照用途分，包括近視鏡、老花鏡、太陽鏡、偏光夜行鏡、防護鏡等；按照材料分，包括板材(或塑料)框鏡、金屬架(鎳合金，鈦等)鏡等；按照框的類型分，包括全框、半框、無框(即鏡片夾子類)等。

申請號為CN201110085419.8，名稱為“眼鏡檢測方法和裝置”的專利中通過提取眼睛區域的LBP(Local Binary Pattern，局部二值模式)特征，再利用SVM(Support VectorMachine，支持向量機)模型進行分類。

申請號為CN201410787322.5，名稱為“用于人臉識別的眼鏡檢測方法及系統”的專利中依次提取眼睛區域的LBP特征和HOG(Histogram of Oriented Gradient，方向梯度直方圖)特征，并通過AdaBoost算法挑選出更好的特征，之后用SVM分類。

上述專利中提到的方法如LBP、HOG等特征都屬于傳統手工設計的特征，通常一種有效的手工特征需要經過很多實驗以及改進，這種基于傳統手工設計特征的評價方法準確率不夠高，并且計算耗時較多。

發明內容

為解決上述技術問題，本發明實施例提供一種準確率高、檢測快速的眼鏡檢測的方法、裝置、電子設備及存儲介質。

本發明實施例提供技術方案如下：

一方面，提供一種眼鏡檢測的方法，包括：

對待測圖像進行人臉檢測，并從中截出鼻梁區域；

將鼻梁區域圖像輸入到訓練好的深度卷積神經網絡中得到輸出數值；

若所述輸出數值大于預設閾值，則認為待測圖像中的人佩戴眼鏡，若所述輸出數值小于等于預設閾值，則認為待測圖像中的人沒有佩戴眼鏡。

在本發明一些實施例中，所述對待測圖像進行人臉檢測，并從中截出鼻梁區域包括：

對待測圖像進行人臉檢測，得到人臉區域；

從所述人臉區域中截出鼻梁區域，所述鼻梁區域為包含鼻梁上部和兩內側眼角的方形區域。

在本發明一些實施例中，所述對待測圖像進行人臉檢測，并從中截出鼻梁區域還包括：

將鼻梁區域通過雙線性插值歸一化到預設標準尺寸。

在本發明一些實施例中，所述預設標準尺寸為：32×32。

在本發明一些實施例中，所述深度卷積神經網絡包括：6個卷積層，每個卷積層依次是BN層和relu層，4個max池化層，3個全連接層，2個dropout層，一個softmax層。