一种矫正人脸图像的方法技术

本技术方案提供了一种矫正人脸图像的方法，所述方法包括接收发送端发送的原始图像，检测原始图像，截取得到人脸图像，定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标，基于至少两个人脸特征点位置坐标计算人脸偏转角度，基于人脸偏转角度反向旋转人脸图像，检测反向旋转后的人脸图像，截取得到人脸矫正图像。进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像沿其偏转方向的反方向旋转其偏转角度，再对旋转后的图像进行检测，截取人脸矫正图像。因人脸矫正图像不存在偏转，可提高人脸识别时的准确率，且截取人脸矫正图像时去除了大量非人脸的区域，因此，可减少后续图像处理时的工作量。

A method of correcting human face image

The technical scheme provides a new method for correction of face image, the method includes receiving the sender to send the original image, the original image detection, interception by the face image, face image feature point positioning, generates at least two facial feature point coordinates, calculate the face deflection angle of at least two facial feature point coordinates based on the deflection angle of the reverse rotation face face image based on face detection, image reverse rotation of the face image correction interception. Before the face recognition, the face image which is deflected in the image is corrected first, and then the rotation angle of the face image is rotated in the opposite direction of the deflection direction, then the rotated image is detected, and the face correction image is intercepted. Because there is no deflection in the face correction image, the accuracy of face recognition can be improved, and a large number of non face regions are removed when the face correction image is removed, so the workload of subsequent image processing can be reduced.

【技术实现步骤摘要】
一种矫正人脸图像的方法
本专利技术涉及图像处理
，具体地说，涉及一种矫正人脸图像的方法。
技术介绍
人脸识别技术是生物识别技术中的一种，以其直接性、唯一性、方便性等特点，在公安侦查、交通检测、门禁系统、目标追踪及其他民用安全控制系统等领域具有广阔的发展前景和很高的社会经济效益。近年来随着越来越多的研究工作者投入到人脸识别领域中，人脸识别技术得到了很大的发展，并逐渐成熟起来。人脸检测作为人脸识别技术中最为重要的模块之一，其采集得到的人脸图像的质量直接影响着人脸识别率的高低。一般影响人脸检测过程的因素主要有：光照、姿态、摄像机的成像能力等等，由于同一个人在不同姿态下的人脸图像之间的差异几乎经常大于在相同姿态条件下不同人的人脸图像之间的差异，而且对于目前存在的大多数的人脸识别系统，在待识别图像和训练图像中的人脸姿态相似的情况下，识别率很高，但是当人脸姿态变化时，识别率急剧下降，使得姿态问题成为人脸检测乃至人脸识别领域最难解决的问题之一。在现有技术中，李海彦等首先需要通过积分投影方法对人脸图像中的关键点(包括左内眼点、右内眼点、鼻尖以及两嘴角点)进行定位，然后根据两个内眼点计算出倾斜角度，最后通过仿射变换函数实现了人脸图像的矫正。然而该方法能够实现有效矫正的角度范围为25°左右，不能满足实际应用过程中姿态多样性的要求；而且该方法只是对原有倾斜人脸图像进行了旋转和缩放，导致最终得到的矫正后的人脸图像包含了较多无用、冗余的黑色区域，这些黑色区域不但会影响算法的速度，还导致有效人脸区域占据整张人脸图像的比例明显缩小，这在一定程度上限制了人脸识别率的提高。因此，如何矫正由于人脸与摄像机之间的角度变化而造成的人脸图像的倾斜，同时在不影响算法整体速率的情况下，尽可能增大有效人脸区域占据整张人脸图像的比例就成为了本领域技术人员急需解决的问题。
技术实现思路
针对上述现有技术的不足，本专利技术提供了一种矫正人脸图像的方法，在进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像在其偏转方向的反方向上旋转同样的偏转角度，因矫正后的人脸图像不存在偏转，进行人脸识别时的准确率会大大提升。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种矫正人脸图像的方法，所述方法包括：接收发送端发送的原始图像；检测所述原始图像，截取得到人脸图像；定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标；基于至少两个所述人脸特征点位置坐标计算人脸偏转角度；基于所述人脸偏转角度反向旋转所述人脸图像；检测反向旋转后的所述人脸图像，截取得到人脸矫正图像。优选地，所述检测所述原始图像包括：调用AdaBoost算法；基于所述AdaBoost算法中级联的强分类器检测所述原始图像并生成人脸区域坐标。优选地，所述AdaBoost算法中强分类器的训练方法包括以下步骤：步骤A：调用训练样本集，所述训练样本集共包括i个训练样本，所述i个训练样本可分别表示为：{(u1,q1),(u2,q2),...,(ui,qi)}，ui表示所述训练样本集中的图像，qi表示所述训练样本是否为人脸样本，其中，qi＝0代表所述训练样本为非人脸，qi＝1代表所述训练样本为人脸；步骤B：对于qi＝0，初始化其权值为w1,i＝1/2m，对于qi＝1，初始化其权值为w1,i＝1/2l，其中m表示非人脸个数，l表示人脸个数；步骤C：归一化权值：将的值赋予wt,i；步骤D：根据最小分类错误率确定第t轮的最优弱分类器ht(u)＝h(u,ft,pt,θt)，函数h表示所采用的弱分类器，f指的是人脸图像上的Haar-like特征，p代表不等号的方向(只有±1两种情况)，θ代表Haar-like特征的阈值；步骤F：更新权重，β＝εt/(1-εt)，若图像ui分类正确，用分类标志ei＝0表示；反之分类标志ei＝1，其中，t＝1，2，…，T，t表示循环次数，T为预设的循环次数值；步骤G：重复执行T次步骤C至步骤F，生成所述强分类器：当C(u)＝1时，即表示所述强分类器判断样本为人脸，当C(u)＝0时，即表示所述强分类器样本不为人脸。优选地，所述基于人脸区域坐标截取人脸区域图像包括：基于所述人脸区域坐标生成人脸区域放大坐标；基于所述人脸区域放大坐标截取人脸区域图像。优选地，所述定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标包括：调用监督下降算法；基于所述监督下降算法定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标。优选地，所述监督下降算法包括第一系数Rm和第二系数bm，m为预设定的迭代次数，求所述第一系数Rm和所述第二系数bm的方法包括：调用人脸图像训练样本集，用xm表示第m次迭代后人脸关键点的位置，θm表示第m次迭代后人脸关键点周围提取的特征，为形状差值且基于迭代m次生成第一系数Rm和第二系数bm。优选地，所述基于所述人脸偏转角度反向旋转所述人脸图像包括：调用仿射变换算法；基于所述仿射变换算法及所述人脸偏转角度反向旋转所述人脸图像。优选地，所述至少两个所述人脸特征点包括左外眼角特征点及右外眼角特征点，所述人脸偏转角度为所述左外眼角特征点及所述右外眼角特征点的连线与水平线之间的夹角；所述基于至少两个所述人脸特征点位置坐标计算人脸偏转角度包括计算所述左外眼角特征点及所述右外眼角特征点的连线与水平线的夹角。综上所述，本技术方案提供了一种矫正人脸图像的方法，所述方法包括接收发送端发送的原始图像，检测原始图像，截取得到人脸图像，定位人脸图像上的特征点，生成至少两个人脸特征点位置坐标，基于至少两个人脸特征点位置坐标计算人脸偏转角度，基于人脸偏转角度反向旋转人脸图像，检测反向旋转后的人脸图像，截取得到人脸矫正图像。进行人脸识别之前先将图像中偏转的人脸图像进行矫正，即将人脸图像沿其偏转方向的反方向旋转其偏转角度，再对旋转后的图像进行检测，截取人脸矫正图像。因人脸矫正图像不存在偏转，可提高人脸识别时的准确率，且截取人脸矫正图像时去除了大量非人脸的区域，因此，可减少后续图像处理时的工作量。附图说明为了使专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为本专利技术公开的一种矫正人脸图像的方法的流程图；图2为本专利技术公开的一种矫正人脸图像的方法的步骤S102中的检测原始图像的一种实施方式的流程图；图3为本专利技术公开的一种矫正人脸图像的方法中的人脸图像的示意图；图4为本专利技术公开的一种矫正人脸图像的方法中的人脸矫正图像的示意图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。如图1所示，为本专利技术公开的一种矫正人脸图像的方法的流程图，所述方法包括以下步骤：S101、接收发送端发送的原始图像；发送端可以为摄像机、移动终端、远端服务器等一切可用于发送图像的电子设备。原始图像为未经过矫正的图像，在原始图像中的人脸图像可能不是标准姿态的人脸图像(双眼位于同一水平线上，嘴唇位于鼻尖正下方)，人脸图像存在一定的偏转角，例如双眼间的连线与水平线之间存在夹角。本专利技术中提到的矫正即是将原始图像中左右倾斜的人脸图像矫正为标准姿态的人脸图像。S102、检测原始图像，截取得到人脸图像；人脸图像可为一个包括了整个人脸的矩形框，在对原始图像进行检测时，可以得到这个矩形框在原始图像上的位置坐标，本文档来自技高网...

【技术保护点】
一种矫正人脸图像的方法，其特征在于，所述方法包括：接收发送端发送的原始图像；检测所述原始图像，截取得到人脸图像；定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标；基于至少两个所述人脸特征点位置坐标计算人脸偏转角度；基于所述人脸偏转角度反向旋转所述人脸图像；检测反向旋转后的所述人脸图像，截取得到人脸矫正图像。

【技术特征摘要】
1.一种矫正人脸图像的方法，其特征在于，所述方法包括：接收发送端发送的原始图像；检测所述原始图像，截取得到人脸图像；定位所述人脸图像上的特征点，生成至少两个人脸特征点位置坐标；基于至少两个所述人脸特征点位置坐标计算人脸偏转角度；基于所述人脸偏转角度反向旋转所述人脸图像；检测反向旋转后的所述人脸图像，截取得到人脸矫正图像。2.如权利要求1所述的矫正人脸图像的方法，其特征在于，所述检测所述原始图像包括：调用AdaBoost算法；基于所述AdaBoost算法中级联的强分类器检测所述原始图像并生成人脸区域坐标。3.如权利要求2所述的矫正人脸图像的方法，其特征在于，所述AdaBoost算法中强分类器的训练方法包括以下步骤：步骤A：调用训练样本集，所述训练样本集共包括i个训练样本，所述i个训练样本可分别表示为：{(u1,q1),(u2,q2),...,(ui,qi)}，ui表示所述训练样本集中的图像，qi表示所述训练样本是否为人脸样本，其中，qi＝0代表所述训练样本为非人脸，qi＝1代表所述训练样本为人脸；步骤B：对于qi＝0，初始化其权值为w1,i＝1/2m，对于qi＝1，初始化其权值为w1,i＝1/2l，其中m表示非人脸个数，l表示人脸个数；步骤C：归一化权值：将的值赋予wt,i；步骤D：根据最小分类错误率确定第t轮的最优弱分类器ht(u)＝h(u,ft,pt,θt)，函数h表示所采用的弱分类器，f指的是人脸图像上的Haar-like特征，p代表不等号的方向(只有±1两种情况)，θ代表Haar-like特征的阈值；步骤F：更新权重，β＝εt/(1-εt)，若图像ui分类正确，用分类标志ei＝0表示；反之分类标志ei＝1，其中，t＝1，2...

【专利技术属性】
技术研发人员：黄鸿，石光耀，刘嘉敏，袁佳成，丁高兴，李宗辉，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50