The invention discloses a face detection method based on visual attention mechanism, which has the following steps: S1, image preprocessing: converting input fixed size RGB pictures into YCrCb color space and Lab color space, respectively, and preprocessing the pictures in three color spaces; S2, acquiring visual saliency map: obtaining the corresponding visual display of preprocessed pictures through GBVS algorithm. Graphics, select the appropriate weight coefficients for linear combination to get the final visual saliency map; S3, get the face region: the final visual saliency map is thresholded to get the rough template, and then the morphological operation to get the fine template, according to the fine template to get the face region. The method uses visual attention mechanism to obtain visual saliency map, eliminates the influence of illumination, posture, occlusion and other factors in complex environment, avoids the problem of manual selection of face position, and automatically and accurately detects face area.
【技术实现步骤摘要】
一种基于视觉注意机制的人脸检测方法
本专利技术所属领域为图像处理,尤其涉及一种基于视觉注意机制的人脸检测方法。
技术介绍
人脸检测是指对一幅图像进行检测,判断是否含有人脸;含有人脸时要确定出人脸区域所在位置。是否能够精确检测到人脸对后续的人脸识别环节至关重要。目前的常用的人脸检测算法主要有基于几何特征的方法、基于模板的方法。基于几何特征的方法易忽略了局部细微特征,造成部分信息的丢失,且计算量较大;基于模板的方法根据先验数据归纳出一个特征脸模板,然后手动选择人眼位置,根据人眼间的距离及特征脸模板检测出人脸区域,耗时长且不具有自动检测的能力,不能获得良好的检测效果。
技术实现思路
针对现有技术的不足,本专利技术提供一种基于视觉注意机制的人脸检测方法。本专利技术采用的技术手段如下:一种基于视觉注意机制的人脸检测方法,具有如下步骤:S1、图片预处理:因为不同的颜色空间会显示不同的颜色细节,将输入的固定大小的RGB图片分别转换到YCrCb颜色空间和Lab颜色空间,分别对三个颜色空间的图片进行预处理;S2、获取视觉显著图:通过GBVS算法得到预处理后图片所对应的视觉显著图,选择合适的权值系数进行线性组合得到最终视觉显著图;S3、获取人脸区域:对最终视觉显著图进行阈值分割得到粗模板,再对其进行形态学操作得到细模板,根据细模板得到人脸区域。步骤S1中将输入的固定大小的RGB图片记为S1,将S1分别转换到YCrCb颜色空间和Lab颜色空间,分别记为S2和S3;RGB颜色空间中选择合适的gamma值对S1进行伽马变换,以降低光线对图像效果的影响,得到S′1;YCrCb颜色空间中对 ...
【技术保护点】
1.一种基于视觉注意机制的人脸检测方法,其特征在于具有如下步骤:S1、图片预处理:将输入的固定大小的RGB图片分别转换到YCrCb颜色空间和Lab颜色空间,分别对三个颜色空间的图片进行预处理;S2、获取视觉显著图:通过GBVS算法得到预处理后图片所对应的视觉显著图,选择合适的权值系数进行线性组合得到最终视觉显著图;S3、获取人脸区域:对最终视觉显著图进行阈值分割得到粗模板,再对其进行形态学操作得到细模板,根据细模板得到人脸区域。
【技术特征摘要】
1.一种基于视觉注意机制的人脸检测方法,其特征在于具有如下步骤:S1、图片预处理:将输入的固定大小的RGB图片分别转换到YCrCb颜色空间和Lab颜色空间,分别对三个颜色空间的图片进行预处理;S2、获取视觉显著图:通过GBVS算法得到预处理后图片所对应的视觉显著图,选择合适的权值系数进行线性组合得到最终视觉显著图;S3、获取人脸区域:对最终视觉显著图进行阈值分割得到粗模板,再对其进行形态学操作得到细模板,根据细模板得到人脸区域。2.根据权利要求1所述的方法,其特征在于:步骤S1中将输入的固定大小的RGB图片记为S1,将S1分别转换到YCrCb颜色空间和Lab颜色空间,分别记为S2和S3;RGB颜色空间中选择合适的gamma值对S1进行伽马变换,得到S′1;YCrCb颜色空间中对于S2不满足:133≤Cr≤173,77≤Cb≤127的像素,将其各个分量置为零,得到S′2;Lab颜色空间中将S3的a分量置零,得到S3′。3.根据权利要求2所述的方法,其特征在于:通过GBVS算法得到S′1、S′2、S′3所对应的视觉显著图I1,I2,I3。4.根据权利要求3所述的方法,其特征在于:计算视觉显著图I1,I2,I3权值系数的步骤如下:计算视觉显著图的平均值和方差:式中,h和w分别指的是视觉显著图的长和宽,Dn(i,j)代表了视觉显著图In某一像素(i,j)的值,Averagen和Sn则分...
【专利技术属性】
技术研发人员:李晶皎,王鹏飞,闫爱云,金硕巍,李贞妮,王爱侠,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
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。