專利名稱:一種快速的街景圖像中人臉的檢測(cè)模糊方法
技術(shù)領(lǐng)域:
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域,尤其是ー種快速的街景圖像中人臉的檢測(cè)模糊方法。
背景技術(shù):
在過(guò)去的幾年時(shí)間內(nèi),在線的街景地圖產(chǎn)品得到了快速發(fā)展。其中最具有代表性的就是谷歌街景服務(wù)。街景圖像的大尺度和精確性使得用戶可以有效地對(duì)感興趣點(diǎn)的具體位置進(jìn)行搜索,而且還可以虛擬地在街道級(jí)別的環(huán)境中進(jìn)行漫歩。因此,一系列有趣有益的應(yīng)用營(yíng)運(yùn)而生,比如虛擬旅游,房地產(chǎn)搜索,增強(qiáng)性的駕駛導(dǎo)航等。但是,在拍攝街景圖像的過(guò)程中,往往會(huì)拍攝到ー些具有個(gè)人隱私的信息,主要包括人臉和車牌。為了保護(hù)這些隱私,需要對(duì)人臉和車牌區(qū)域進(jìn)行檢測(cè)和模糊化處理。 街景圖像中的人臉檢測(cè)不同于傳統(tǒng)的人臉檢測(cè),檢測(cè)的難度主要表現(xiàn)在以下幾個(gè)方面1、街景圖像尺寸很大,背景很復(fù)雜,光照變化較大,對(duì)比度?。?、人臉的姿態(tài)豐富多樣;3、人臉?biāo)紖^(qū)域分辨率低,且存在部分遮擋的情況。傳統(tǒng)的人臉檢測(cè)和模糊方法未對(duì)該類街景圖像進(jìn)行優(yōu)化,耗時(shí)較長(zhǎng),因此,本發(fā)明設(shè)計(jì)了ー種快速的街景圖像中人臉的檢測(cè)模糊方法。
發(fā)明內(nèi)容
本發(fā)明的目的是利用圖像處理技術(shù)提取街景圖像中人臉區(qū)域的特征,來(lái)檢測(cè)和模糊人臉區(qū)域。為此提供ー種快速的街景圖像中人臉的檢測(cè)模糊方法。為了達(dá)成所述目的,本發(fā)明提供ー種快速的街景圖像中人臉的檢測(cè)模糊方法,其特征在于,該方法包括以下步驟步驟1,對(duì)街景原始圖像進(jìn)行預(yù)處理,得到待處理街景圖像;步驟2,采用預(yù)先訓(xùn)練出來(lái)的Harr-Iike特征人臉數(shù)據(jù)庫(kù),使用分類器訓(xùn)練算法對(duì)待處理街景圖像進(jìn)行檢測(cè),得到待處理街景圖像中的待定人臉區(qū)域;步驟3,對(duì)于所有待定人臉區(qū)域,根據(jù)人臉的形狀、位置特征,初歩判斷該待定人臉區(qū)域是否為真實(shí)人臉區(qū)域;步驟4,根據(jù)待定人臉區(qū)域是否滿足一定的膚色檢測(cè)限制條件,再次判斷經(jīng)所述步驟3初歩判斷為人臉區(qū)域的區(qū)域是否為真實(shí)人臉區(qū)域;步驟5,根據(jù)待定人臉區(qū)域是否滿足一定的人肩像檢測(cè)限制條件,判斷經(jīng)所述步驟4再次判斷為人臉區(qū)域的區(qū)域是否為真實(shí)人臉區(qū)域;步驟6,根據(jù)人臉的空間特征,對(duì)經(jīng)所述步驟5判斷為真實(shí)人臉區(qū)域的區(qū)域進(jìn)行最后的檢測(cè);步驟7,對(duì)最終檢測(cè)得到的人臉區(qū)域進(jìn)行模糊化處理。本發(fā)明引入基于貝葉斯統(tǒng)計(jì)的膚色檢測(cè)方法和基于HOG特征的人肩像檢測(cè)方法來(lái)排除非人臉區(qū)域,本發(fā)明基于人臉區(qū)域的Harr-Iike特征、形狀和顔色特征,創(chuàng)造性地設(shè)計(jì)了快速、魯棒的人臉檢測(cè)算法。本發(fā)明巧妙地采用水平和垂直模板對(duì)人臉區(qū)域進(jìn)行平滑模糊處理,在保證模糊效果的同吋,大大提高了處理速度。
圖I是本發(fā)明提出的街景圖像中人臉的檢測(cè)模糊方法流程圖;圖2是根據(jù)本發(fā)明實(shí)施例的基于Harr-Iike特征和Adaboost算法檢測(cè)出來(lái)的待定人臉區(qū)域圖像;圖3是根據(jù)本發(fā)明實(shí)施例的最終檢測(cè)得到的人臉區(qū)域的結(jié)果圖像;圖4是對(duì)圖3中的人臉區(qū)域經(jīng)水平和垂直方向模糊處理后的結(jié)果。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白,以下結(jié)合具體實(shí)施例,并參照附圖,對(duì)本發(fā)明進(jìn)ー步詳細(xì)說(shuō)明。本發(fā)明的基本原理是提取人臉的Harr-Iike特征、形狀特征、皮膚顏色特征以及空間特征來(lái)檢測(cè)人臉,并對(duì)人臉區(qū)域進(jìn)行水平和垂直方向的平滑模糊處理。圖I是本發(fā)明提出的街景圖像中人臉的檢測(cè)模糊方法流程圖,如圖I所示,本發(fā)明提出的街景圖像中人臉的檢測(cè)模糊方法包括以下步驟步驟1,對(duì)街景原始圖像進(jìn)行預(yù)處理,得到待處理街景圖像;設(shè)街景原始圖像的分辨率為W*H,考慮到街景圖像中的頂部區(qū)域中不存在人臉區(qū)域,底部為街景圖像采集車,因此,去除街景原始圖像的頂部W^ll像素區(qū)域和底部W*h2像素區(qū)域,得到分辨率為胃* -、-、)的待處理街景圖像。在通常應(yīng)用中,街景原始圖像的分辨率一般為1232*1616,去除街景原始圖像的頂部1232*500像素區(qū)域,和底部1232*300的像素區(qū)域,得到分辨率為1232*816的待處理街
景圖像。步驟2,采用預(yù)先訓(xùn)練出來(lái)的Harr-Iike特征人臉數(shù)據(jù)庫(kù),使用分類器訓(xùn)練算法對(duì)待處理街景圖像進(jìn)行檢測(cè),得到待處理街景圖像中的待定人臉區(qū)域;所述分類器訓(xùn)練算法可以采用現(xiàn)有技術(shù)中的Adaboost算法,設(shè)輸入的η個(gè)訓(xùn)練樣本為IXx1, Yi),(x2,I2), , (χη, yn)},其中,Xi為輸入的訓(xùn)練樣本,Yi e {0,1}表示樣本Xi為正樣本還是負(fù)樣本,η個(gè)訓(xùn)練樣本中,正樣本數(shù)為k,負(fù)樣本數(shù)為m,n = k+m。Adaboost算法的具體步驟可以簡(jiǎn)單描述為1、初始化每個(gè)樣本的權(quán)值對(duì)于正樣本,其權(quán)值wt, i初始化為l/2k,對(duì)于負(fù)樣本,其權(quán)值wt, i初始化為l/2m ;2、對(duì)第t個(gè)弱分類器,t = 1,. . .,T,T為弱分類器的個(gè)數(shù)I)對(duì)樣本的權(quán)值進(jìn)行歸ー化
權(quán)利要求
1.一種街景圖像中車牌的檢測(cè)模糊方法,其特征在于,該方法包括以下步驟 步驟1,對(duì)街景原始圖像進(jìn)行預(yù)處理,得到待處理街景圖像; 步驟2,采用預(yù)先訓(xùn)練出來(lái)的Harr-Iike特征人臉數(shù)據(jù)庫(kù),使用分類器訓(xùn)練算法對(duì)待處理街景圖像進(jìn)行檢測(cè),得到待處理街景圖像中的待定人臉區(qū)域; 步驟3,對(duì)于所有待定人臉區(qū)域,根據(jù)人臉的形狀、位置特征,初步判斷該待定人臉區(qū)域是否為真實(shí)人臉區(qū)域; 步驟4,根據(jù)待定人臉區(qū)域是否滿足一定的膚色檢測(cè)限制條件,判斷經(jīng)所述步驟3初步判斷為人臉區(qū)域的區(qū)域是否為真實(shí)人臉區(qū)域; 步驟5,根據(jù)待定人臉區(qū)域是否滿足一定的人肩像檢測(cè)限制條件,判斷經(jīng)所述步驟4判斷為人臉區(qū)域的區(qū)域是否為真實(shí)人臉區(qū)域; 步驟6,根據(jù)人臉的空間特征,對(duì)經(jīng)所述步驟5判斷為真實(shí)人臉區(qū)域的區(qū)域進(jìn)行最后的檢測(cè); 步驟7,對(duì)最終檢測(cè)得到的人臉區(qū)域進(jìn)行模糊化處理。
2.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟I中,設(shè)街景原始圖像的分辨率為W*H,考慮到街景圖像中的頂部區(qū)域中不存在人臉區(qū)域,底部為街景圖像采集車,去除街景原始圖像的頂部W*hi像素區(qū)域和底部W*h2像素區(qū)域,得到分辨率為W* (H-hrh2)的待處理街景圖像。
3.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟3中,所述根據(jù)人臉的形狀、位置特征,初步判斷該待定人臉區(qū)域是否為真實(shí)人臉區(qū)域的步驟進(jìn)一步為,根據(jù)人臉的形狀、位置特征設(shè)置限制條件,滿足所述限制條件的區(qū)域即初步判斷為人臉區(qū)域。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述限制條件為 ①人臉區(qū)域的長(zhǎng)寬比滿足的條件為Smin< VRw < Smax,其中,R1為人臉區(qū)域的長(zhǎng),Rw為人臉區(qū)域的寬,Smin和Smax分別為人臉區(qū)域長(zhǎng)寬比的下限值和上限值; ②人臉區(qū)域的寬度和高度需滿足RWniin〈 Rw〈 max,^l_min 〈Rl〈 ^l rnax,其中,Rn—min 為人臉區(qū)域的寬度Rw的下限值,Rwjiax為Rw的上限值,Rljlin為人臉區(qū)域的長(zhǎng)度R1的下限值,札―_為R1的上限值; ③人臉的寬與該人臉在街景圖像中的位置的縱坐標(biāo)成線性關(guān)系,即滿足RW< c[*y。+^,其中,α,β為系數(shù),y。為人臉區(qū)域中心的縱坐標(biāo)。
5.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟4進(jìn)一步包括以下步驟 步驟41,將待定人臉區(qū)域圖像由RGB空間轉(zhuǎn)換到Y(jié)CrCg空間; 步驟42,基于貝葉斯統(tǒng)計(jì)方法,統(tǒng)計(jì)轉(zhuǎn)換到Y(jié)CrCg空間的待定人臉區(qū)域圖像中滿足人臉膚色條件的像素?cái)?shù)η ; 步驟43,計(jì)算滿足人臉膚色條件的像素?cái)?shù)η占待定人臉區(qū)域圖像總像素?cái)?shù)的百分比ρ=η/Ν*100%,其中,N為待定人臉區(qū)域的總像素?cái)?shù),若所述百分比滿足ρ彡P(guān)min,其中,Pfflin為膚色像素?cái)?shù)占人臉區(qū)域總像素?cái)?shù)的百分比下限值,則判斷所述待定人臉區(qū)域?yàn)檎鎸?shí)人臉區(qū)域。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述步驟42中,在YCrCg空間中,滿足條件135 < Cr < 165和90 < Cg < 125的像素為人臉膚色像素,其中,(;為紅色分量和亮度值的差,Cg為綠色分量與亮度值的差。
7.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟5進(jìn)一步包括以下步驟 步驟51,以待定人臉區(qū)域圖像為基礎(chǔ),將該待定人臉區(qū)域圖像擴(kuò)展為以該待定人臉區(qū)域?yàn)槿四樀娜思缦駞^(qū)域,該人肩像區(qū)域的中心坐標(biāo)為=Utl, Yo-R1),大小為(3*RW) X (4* ),其中,(xo,Yo)為待定人臉區(qū)域的中心坐標(biāo),R1為人臉區(qū)域的長(zhǎng),Rw為人臉區(qū)域的寬; 步驟52,采用預(yù)先訓(xùn)練出來(lái)的人肩像梯度直方圖HOG特征數(shù)據(jù)庫(kù),結(jié)合支持向量機(jī)SVM和Adaboost分類器訓(xùn)練算法,檢測(cè)以該待定人臉區(qū)域?yàn)槿四樀娜思缦駞^(qū)域是否為真實(shí)的人肩像區(qū)域; 步驟53,滿足所述步驟52的要求的待定人臉區(qū)域判斷為真實(shí)人臉區(qū)域。
8.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟6中,采用容器法對(duì)真實(shí)的人臉區(qū)域進(jìn)行最后的檢測(cè),包括以下幾個(gè)步驟 步驟61,判斷容器是否為空,如果容器為空,則將該人臉區(qū)域直接加入容器中;如果容器不為空,則進(jìn)入步驟62 ; 步驟62,設(shè)經(jīng)所述步驟5判斷為真實(shí)人臉區(qū)域的區(qū)域Ptl的中心位置為( , y0),容器中存在的人臉區(qū)域P'的中心位置為Ge' ,1'),若滿足|Χ(ΓΧ' |<1'1)且%>^,則用當(dāng)前人臉區(qū)域Ptl替換容器中的人臉區(qū)域P,,其中,Td為橫坐標(biāo)距離閾值;若滿足|Χ(ΓΧ'<TD且yQ<y',則當(dāng)前人臉區(qū)域Ptl不加入容器中;若滿足|Χ(ΓΧ' I彡TD,則將當(dāng)前人臉區(qū)域Ptl加入容器中; 步驟63,最終容器中存在的人臉區(qū)域即為最終檢測(cè)得到的人臉區(qū)域。
9.根據(jù)權(quán)利要求I所述的方法,其特征在于,所述步驟7中,首先對(duì)最終檢測(cè)得到的人臉區(qū)域采用模板[111111111]進(jìn)行水平方向上的平滑模糊,然后采用模板進(jìn)行垂直方向上的平滑模糊,[11111111]τ表示[111111111]的轉(zhuǎn)置。
10.根據(jù)權(quán)利要求9所述的方法,其特征在于,所述水平方向上的平滑模糊為以所述人臉區(qū)域中的每個(gè)像素為一長(zhǎng)度為9的水平窗口的中心點(diǎn),計(jì)算該窗口內(nèi)所有像素的平均值,并以該平均值替換當(dāng)前像素的像素值,遍歷所述人臉區(qū)域中的所有像素,得到所述人臉區(qū)域水平方向上的平滑模糊結(jié)果;所述垂直方向上的平滑模糊與水平方向上的平滑模糊類似,只是平滑模糊處理時(shí)所使用的窗口為垂直方向上的窗口。
全文摘要
本發(fā)明公開了一種快速的街景圖像中人臉的檢測(cè)模糊方法,該方法包括以下步驟去除不包含人臉區(qū)域的區(qū)域;根據(jù)Harr-like特征的Adaboost檢測(cè)算法檢測(cè)出人臉的候選區(qū)域;根據(jù)人臉的形狀、顏色特征,設(shè)置一定的限制條件來(lái)排除非人臉區(qū)域;對(duì)所有的人臉區(qū)域進(jìn)行水平、垂直方向的平滑模糊,得到結(jié)果圖像。本發(fā)明引入基于貝葉斯統(tǒng)計(jì)的膚色檢測(cè)方法和基于HOG特征的人肩像檢測(cè)方法來(lái)排除非人臉區(qū)域,基于人臉區(qū)域的Harr-like特征、形狀和膚色特征,提出了快速、魯棒的人臉檢測(cè)算法。本發(fā)明巧妙地采用水平和垂直模板對(duì)人臉區(qū)域進(jìn)行平滑模糊處理,在保證模糊效果的同時(shí),大大提高了處理速度。
文檔編號(hào)G06K9/00GK102819733SQ201210281818
公開日2012年12月12日 申請(qǐng)日期2012年8月9日 優(yōu)先權(quán)日2012年8月9日
發(fā)明者王欣剛, 楊鑫 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所