本发明专利技术提供一种人脸检测方法及装置，上述方法包括：对接收的RGB图像分别采用基于类高斯模型的第一肤色检测方法和基于肤色模型的第二肤色检测方法进行肤色检测，分别得到第一检测结果和第二检测结果；结合所述第一检测结果和所述第二检测结果得到肤色检测图像；对所述肤色检测图像进行人脸识别，检测出人脸。通过本发明专利技术的技术方案，能够在强光或弱光下准确检测出人脸。
【技术实现步骤摘要】
本专利技术属于图像处理
，尤其涉及一种人脸检测方法及装置。
技术介绍
基于肤色的人脸检测重点在于肤色区域的检测以及人脸区域的定位，目前，基于 肤色的人脸检测方法容易受到光照影响，有的是在光照较强时无法检测到人脸，有的是在 光照较弱时无法检测到人脸，因此由于受到光照的影响，目前的基于肤色的人脸检测方法 无法准确检测出人脸。
技术实现思路
本专利技术提供一种人脸检测方法及装置，以解决上述技术问题。 根据本专利技术实施例的第一方面，提供了一种人脸检测方法，包括：对接收的RGB图 像分别采用基于类高斯模型的第一肤色检测方法和基于肤色模型的第二肤色检测方法进 行肤色检测，分别得到第一检测结果和第二检测结果；结合所述第一检测结果和所述第二 检测结果得到肤色检测图像；对所述肤色检测图像进行人脸识别，检测出人脸。 根据本专利技术的第二方面，还提供了一种人脸检测装置，包括：第一检测单元，对接 收的RGB图像采用基于类高斯模型的第一肤色检测方法进行肤色检测，得到第一检测结 果；第二检测单元，对接收的RGB图像采用基于肤色模型的第二肤色检测方法进行肤色检 测，得到第二检测结果；处理单元，连接至所述第一检测单元和所述第二检测单元，结合所 述第一检测结果和所述第二检测结果得到肤色检测图像；识别单元，连接至所述处理单元， 对所述肤色检测图像进行人脸识别，检测出人脸。 本专利技术的实施例提供的技术方案可以包括以下有益效果： 相较于先前技术，根据本专利技术提供的人脸检测方法及装置，克服了现有基于肤色 的人脸检测方法中在光照太强或太弱时无法进行检测以及在光照正常情况下误将黑色或 红色检测为肤色的缺点，使得肤色检测结果更加准确，从而提高人脸检测准确率。【附图说明】 此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中： 图1所示为根据本专利技术的一较佳实施例提供的人脸检测方法的流程图； 图2所示为根据本专利技术的又一较佳实施例提供的人脸检测方法的流程图； 图3所示为根据本专利技术的另一较佳实施例提供的人脸检测方法的流程图； 图4所示为根据本专利技术的较佳实施例提供的人脸检测装置的框图。【具体实施方式】 下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的 情况下，本申请中的实施例及实施例中的特征可以相互组合。 图1所示为根据本专利技术的一较佳实施例提供的人脸检测方法的流程图。 如图1所示，根据本专利技术的人脸检测方法主要包括以下三个步骤： 步骤102,输入待检测的图像。步骤104,对输入的图像进行肤色检测。步骤106， 根据上一步骤的检测结果进行人脸定位。 上述步骤104是本专利技术的核心步骤，下面参考图2来进一步说明根据本专利技术的人 脸检测方法。 如图2所示，本实施例中的人脸检测方法可以包括以下步骤： 步骤202,对接收的RGB图像分别采用基于类高斯模型的第一肤色检测方法和基 于肤色模型的第二肤色检测方法进行肤色检测，分别得到第一检测结果和第二检测结果； 步骤204,结合所述第一检测结果和所述第二检测结果得到肤色检测图像； 步骤206,对所述肤色检测图像进行人脸识别，检测出人脸。 在上述步骤202中，所述第一肤色检测方法主要包括以下步骤： 将所述RGB图像转换到YCbCr颜色空间，得到YCbCr图像，将所述YCbCr图像输入 所述类高斯模型中进行计算处理，对所述类高斯模型输出的结果进行高斯平滑处理，将经 过高斯平滑处理的图像进行阈值化处理，得到二值化的所述第一检测结果。 在上述步骤202中，所述第二肤色检测方法主要包括以下步骤： 将所述RGB图像转换到YCbCr颜色空间，得到YCbCr图像，将所述YCbCr图像输入 所述肤色模型中进行计算处理，对所述肤色模型输出的结果进行阈值化处理，得到二值化 的所述第二检测结果。 其中，在将所述YCbCr图像输入所述类高斯模型中进行计算处理之前，还可以包 括： 将所述YCbCr图像进行对比度拉伸，基于拉伸后的YCbCr图像得到经过拉伸的RGB 图像；将经过拉伸的RGB图像转换至YCbCr颜色空间。 经过对比度拉伸之后，使各像素的R和G分量取值范围更小，聚合度更大，例如原 本处于0~255之间，经过对比度拉伸之后，取值变为0~180。 具体地，将所述YCbCr图像进行对比度拉伸的过程包括： 对每个像素的Y分量按照如下公式进行拉伸：【主权项】1. 一种人脸检测方法，其特征在于，包括： 对接收的RGB图像分别采用基于类高斯模型的第一肤色检测方法和基于肤色模型的 第二肤色检测方法进行肤色检测，分别得到第一检测结果和第二检测结果； 结合所述第一检测结果和所述第二检测结果得到肤色检测图像； 对所述肤色检测图像进行人脸识别，检测出人脸。2. 根据权利要求1所述的方法，其特征在于，所述第一肤色检测方法包括： 将所述RGB图像转换到YCbCr颜色空间，得到YCbCr图像， 将所述YCbCr图像输入所述类高斯模型中进行计算处理， 对所述类高斯模型输出的结果进行高斯平滑处理， 将经过高斯平滑处理的图像进行阈值化处理，得到二值化的所述第一检测结果； 所述第二肤色检测方法包括： 将所述RGB图像转换到YCbCr颜色空间，得到YCbCr图像， 将所述YCbCr图像输入所述肤色模型中进行计算处理， 对所述肤色模型输出的结果进行阈值化处理，得到二值化的所述第二检测结果。3. 根据权利要求2所述的方法，其特征在于，在将所述YCbCr图像输入所述类高斯模型 中进行计算处理之前，还包括： 将所述YCbCr图像进行对比度拉伸，基于拉伸后的YCbCr图像得到经过拉伸的RGB图 像； 将经过拉伸的RGB图像转换至YCbCr颜色空间。4. 根据权利要求3所述的方法，其特征在于，将所述YCbCr图像进行对比度拉伸的过程 包括： 对毎个像素的Y分量桉照如下公式进行拉伸：其中，min_y是所述YCbCr图像中最小的Y分量，max_y是所述 YCbCr图像中最大的Y分量，Y'是拉伸后的Y分量； 计算所述Y'分量的平均值； 根据所述Y'分量的平均值对所述RGB图像中红色R分量和绿色G分量进行拉伸，得到 所述经过拉伸的RGB图像。5. 根据权利要求4所述的方法，其特征在于，根据所述Y'分量的平均值按照以下公式 对所述RGB图像中红色R分量和绿色G分量进行拉伸： __ Ralpha qJ _ Qalpha 其中，alpha为变换幂指数，当所述平均值小于第一预设值时，所述变换幂指数取值为 第一系数，当所述平均值大于等于所述第一预设值且小于等于第二预设值时，所述变换幂 指数取值为第二系数，当所述平均值大于所述第二预设值时，所述变换幂指数取值为第三 系数，所述第一预设值小于所述第二预设值。6. 根据权利要求1至5中任一项所述的方法，其特征在于，所述结合所述第一检测结果 和所述第二检测结果得到肤色检测图像，包括： 将所述第一检测结果与所述第二检测结果进行按位与处理，得到所述肤色检测图像。7. 根据权利要求1至5中任一项所述的方法，其特征在于，所述对所述肤色检测图像进 行人脸识别的过程，包括： 确定所述肤色检测图像中的连通域； 若所述连通域的宽本文档来自技高网...
【技术保护点】
一种人脸检测方法，其特征在于，包括：对接收的RGB图像分别采用基于类高斯模型的第一肤色检测方法和基于肤色模型的第二肤色检测方法进行肤色检测，分别得到第一检测结果和第二检测结果；结合所述第一检测结果和所述第二检测结果得到肤色检测图像；对所述肤色检测图像进行人脸识别，检测出人脸。
【技术特征摘要】
【专利技术属性】
技术研发人员：袁小青，
申请(专利权)人：苏州阔地网络科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。