[發明專利]圖像中的墨鏡識別方法及裝置、電子設備、存儲介質

有效

• 申請號: 201911111142.4
• 申請日: 2019-11-14
• 公開（公告）號: CN111091056B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 劉巖
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 石海霞;章侃銥

1.一種圖像中的墨鏡識別方法，其特征在于，所述方法包括：

獲取待識別圖像，通過檢測窗口遍歷所述待識別圖像，得到所述待識別圖像的多個子圖像；

采用預先訓練的集成分類器對各所述子圖像的哈爾特征進行處理，分別判斷各所述子圖像是否包含墨鏡；

根據包含墨鏡的所述子圖像確定所述待識別圖像中關于墨鏡的預識別區域；

通過計算所述預識別區域內像素點的梯度，確定所述預識別區域內是否包含墨鏡；

所述通過計算所述預識別區域內像素點的梯度，確定所述預識別區域內是否包含墨鏡，包括：

將所述預識別區域的圖像轉換為灰度圖像，并計算所述灰度圖像的垂直積分投影和水平積分投影；

基于所述垂直積分投影和水平積分投影在所述灰度圖像中確定基準點；

在所述預識別區域中確定以所述基準點為中心的目標子區域；

計算所述目標子區域中每個像素點的梯度大小和梯度方向；

根據所述梯度大小和所述梯度方向確定所述預識別區域內是否包含墨鏡；

所述根據所述梯度大小和所述梯度方向確定所述預識別區域內是否包含墨鏡，包括：

確定所述目標子區域中梯度大小超過第一閾值的像素點數量占所述目標子區域中總像素點數量的第一比值；

確定所述目標子區域中梯度方向超過第二閾值的像素點數量占所述目標子區域中總像素點數量的第二比值；

如果所述第一比值與所述第二比值之和超過一第三閾值，則確定所述預識別區域內包含墨鏡。

2.根據權利要求1所述的方法，其特征在于，所述集成分類器通過以下步驟獲得：

獲取樣本圖像，提取所述樣本圖像的多種哈爾特征；

分別以所述樣本圖像的每種哈爾特征作為訓練數據，結合所述樣本圖像的標簽，采用迭代算法訓練分類器，獲得所述每種哈爾特征對應的弱分類器；

將所述每種哈爾特征對應的弱分類器進行集成，得到所述集成分類器。

3.根據權利要求2所述的方法，其特征在于，所述將所述每種哈爾特征對應的弱分類器進行集成，得到所述集成分類器，包括：

確定所述每種哈爾特征對應的弱分類器的誤差權重；

根據所述誤差權重，通過以下公式將所述每種哈爾特征對應的弱分類器進行集成，得到所述集成分類器：

其中，V(x)表示所述集成分類器，x表示圖像的哈爾特征，h_t(x)表示為第t弱分類器，為第t種哈爾特征對應的弱分類器，α_t為第t弱分類器的誤差權重，n表示所述哈爾特征的種類數。

4.根據權利要求3所述的方法，其特征在于，所述采用預先訓練的集成分類器對各所述子圖像的哈爾特征進行處理，分別確定各所述子圖像是否包含墨鏡，包括：

將所述子圖像的哈爾特征輸入所述集成分類器，得到所述子圖像的輸出值，如果該輸出值大于分類閾值，則判斷所述子圖像包含墨鏡；

其中，所述分類閾值通過以下步驟確定：

確定所述樣本圖像中的正樣本圖像以及負樣本圖像；

根據所述集成分類器對每個所述正樣本圖像的哈爾特征進行處理，并對每個所述正樣本圖像的輸出值計算平均值，得到第一平均值；

根據所述集成分類器對每個所述負樣本圖像的哈爾特征進行處理，并對每個所述負樣本圖像的輸出值計算平均值，得到第二平均值；

根據所述第一平均值和所述第二平均值，確定所述分類閾值。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述哈爾特征包括邊緣特征、線性特征、中心特征和對角線特征中的一種或多種。