基于单目图像的眼镜检测方法、装置、存储介质及设备制造方法及图纸

本发明专利技术公开了一种基于单目图像的眼镜检测方法、装置、存储介质及设备，属于模式识别领域。该方法包括：通过包括左眼图像样本和右眼图像样本的训练集训练CNN，该CNN包括若干卷积层、池化层、全连接层和Softmax层；从人脸图像上获取左眼区域或右眼区域，得到单目图像；将单目图像输入训练好的CNN，在最后一个全连接层得到眼部特征，Softmax层对眼部特征进行分类，得到戴眼镜和不戴眼镜的概率。本发明专利技术利用人脸图像的高度对称性，只是用一只眼睛图像完成眼镜检测，保证眼镜检测准确的同时加快了算法的判断效率。

【技术实现步骤摘要】
基于单目图像的眼镜检测方法、装置、存储介质及设备
本专利技术涉及模式识别领域，特别是指一种基于单目图像的眼镜检测方法、装置、计算机可读存储介质及设备。
技术介绍
深度学习的兴起为生物特征识别带来了巨大的发展，尤其是人脸识别，图像理解等方向的研究。随着人脸比对算法精度的不断提高，越来越多的研究人员开始关注人的行为属性方面的研究。在人脸识别领域，针对人行为的研究，包括了人本身属性的研究，例如表情，姿态等，也包括了外部属性的研究，如是否戴眼镜或是否戴墨镜等。目前，针对是否戴眼镜的研究主要使用的图像处理的方法，基于眼部图像边缘的信息投影定位眼镜架横梁，从而进行人脸图像眼镜检测。该方法首先需要根据人脸图像定位眼部区域，以眼部区域确定眼镜架的大约范围，并且此时需要根据两只眼睛中心位置对图像进行水平较正。以眼部区域确定镜架横梁中心的x方向位置，以人脸图像的边缘信息图的像素横向投影来确定镜架中心的y方向位置，然后投影区域搜索和线段匹配，进而判断是否佩戴眼镜。该方法存在以下缺陷：首先，基于图像处理的方法容易受到光照等外界环境的干扰，当出现本文档来自技高网...

【技术保护点】
1.一种基于单目图像的眼镜检测方法，其特征在于，所述方法包括：/n从人脸图像上获取左眼区域或右眼区域，得到单目图像；/n将单目图像输入训练好的卷积神经网络，得到戴眼镜和不戴眼镜的概率，其中：/n所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第一全连接层、第二全连接层、第三全连接层和Softmax层；/n所述卷积神经网络通过训练集训练得到，所述训练集的样本包括左眼图像样本和右眼图像样本；/n所述单目图像依次经过卷积神经网络的各个层，在第三全连接层得到眼部特征，Softmax层对眼部特征进行分类，得到戴眼镜和不戴眼镜的概率。/n

【技术特征摘要】
1.一种基于单目图像的眼镜检测方法，其特征在于，所述方法包括：
从人脸图像上获取左眼区域或右眼区域，得到单目图像；
将单目图像输入训练好的卷积神经网络，得到戴眼镜和不戴眼镜的概率，其中：
所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第一全连接层、第二全连接层、第三全连接层和Softmax层；
所述卷积神经网络通过训练集训练得到，所述训练集的样本包括左眼图像样本和右眼图像样本；
所述单目图像依次经过卷积神经网络的各个层，在第三全连接层得到眼部特征，Softmax层对眼部特征进行分类，得到戴眼镜和不戴眼镜的概率。


2.根据权利要求1所述的基于单目图像的眼镜检测方法，其特征在于，所述从人脸图像上获取左眼区域或右眼区域，得到单目图像，包括：
使用人脸检测和关键点定位方法，获得人脸图像的关键点；所述关键点包括左眼的两个眼角点和中心点，或者所述关键点包括右眼的两个眼角点和中心点；
根据所述关键点对所述人脸图像进行剪裁，得到左眼区域或右眼区域。


3.根据权利要求2所述的基于单目图像的眼镜检测方法，其特征在于，在训练卷积神经网络时，对训练集的样本进行数据扩充，所述数据扩充包括对样本进行缩放、平移、旋转或颜色变化。


4.根据权利要求1-3任一所述的基于单目图像的眼镜检测方法，其特征在于，所述训练集中，睁眼戴眼镜的样本为正样本，其余为负样本。


5.一种基于单目图像的眼镜检测装置，其特征在于，所述装置包括：
预处理模块，用于从人脸图像上获取左眼区域或右眼区域，得到单目图像；
检测模块，用于将单目图像输入训练好的卷积神经网络，得到戴眼镜和不戴眼...

【专利技术属性】
技术研发人员：周军，王洋，
申请(专利权)人：北京眼神智能科技有限公司，北京眼神科技有限公司，
类型：发明
国别省市：北京;11