基于关键点和视觉显著目标检测的电子人脸照片采集方法技术

本发明专利技术公开了一种电子人脸照片采集方法，包括对输入图像依次进行人脸的唯一性检验、人脸的完整性检验和图像质量的检验，并根据检验结果确定符合制作电子照片要求的初始图像；对初始图像进行面部校正，获取标准姿态的面部图像；对标准姿态的面部图像进行显著目标检测，并根据检测结果进行图像分割，获取分离人物前景与背景的人物图像；对人物图像进行图像后处理，调整图像的尺寸与背景颜色，得到符合要求的电子人物照片；本发明专利技术能够在进行图像处理前更为全面地判断输入图像的可用性，一方面避免了处理无效图像带来的计算时间，一方面确保经过处理的输出图像是有效可用的，具有更高的效率和更强的稳定性，同时避免了额外的人工后处理。理。理。

【技术实现步骤摘要】
基于关键点和视觉显著目标检测的电子人脸照片采集方法


[0001]本专利技术涉及图像处理领域，特别是涉及基于关键点和视觉显著目标检测的电子人脸照片采集方法。

技术介绍

[0002]在互联网飞速发展的当下，社会信息化程度愈加提升，越来越多的应用场景需要提供包含人像的电子证件照片，这对电子人脸照片的采集提出了新的要求，希望照片拍摄及处理的实时性和自动化程度进一步提升。例如在学生信息采集等大规模人群电子照片采集场景，一方面要求拍摄系统能够实时地判断所拍摄照片参数是否符合采集要求，若不符可立即重新采集；另一方面则要求系统能够自动化地处理照片，避免耗费过多人力和时间。基于此，各类应用场景对自动化的、高效的照片采集系统的需求日益凸显，智能化的人像照片采集及处理算法也成为了图像处理与计算机视觉领域的研究热点之一。
[0003]人脸识别算法作为计算机视觉领域的研究重点，发展迅速且应用广泛，同样也可应用于电子人脸照片的采集与自动化处理过程。然而，由于电子人脸照片除对人脸区域的要求外，也需要同时考虑照片质量、尺寸、比例、颜色等诸多因素，仅依靠人脸识别算法不足以满足。考虑这一问题，需要设计完备的算法流程和系统，从而能够根据不同的参数完成人脸照片的自动采集和处理。

技术实现思路

[0004]本专利技术的目的是提供基于关键点和视觉显著目标检测的电子人脸照片采集方法，能够有效提取人像目标并实现背景颜色替换，对输入的图像实现端到端的处理，高效获取符合预设要求的电子人脸照片。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]基于关键点和视觉显著目标检测的电子人脸照片采集方法，包括：
[0007]对输入图像依次进行人脸的唯一性检验、人脸的完整性检验和图像质量的检验，并根据检验结果确定符合制作电子照片要求的初始图像；
[0008]对所述初始图像进行面部校正，获取标准姿态的面部图像；
[0009]对所述标准姿态的面部图像进行显著目标检测，并根据检测结果进行图像分割，获取分离人物前景与背景的人物图像；
[0010]对所述人物图像进行图像后处理，调整图像的尺寸与背景颜色，得到符合要求的电子人物照片。
[0011]优选地，所述人脸的唯一性检验包括：对输入图像进行人脸检测，获取人脸区域的选框集合{f
m
|m＝1，2，...，M}，若M＝1，则所述人脸的唯一性检验通过，若M≠1，咋所述人脸的唯一性检验不通过。
[0012]优选地，所述人脸的完整性检验包括：对唯一有效人脸f1进行关键点检测，获取人脸面部的81个关键点{(x
i
，y
i
)|i＝1，2，...81}，判断是否同时满足
[0013][0014]其中，W为图像横向分辨率，H为纵向分辨率，若能满足，则所述人脸的完整性检验通过，若不能满足，所述人脸的完整性检验不通过。
[0015]优选地，所述图像质量的检验包括：将输入的图像转换为二维灰度图像；利用拉普拉斯算子L对所述灰度图像进行卷积操作，计算图像清晰度指标q：
[0016][0017]q＝std(C
L
(x，y))
ꢀꢀꢀ
(3)
[0018]其中，C
L
(x，y)是灰度图像所有像素点(x，y)处拉普拉斯算子的卷积，std()为标准差计算；设置清晰度阈值T
q
，若q＞T
q
，则输入图像质量检验通过，若q＜T
q
，则输入图像质量检验未通过。
[0019]优选地，所述获取标准姿态的面部图像包括：对所述初始图像基于仿射变换矩阵进行仿射变换，获取标准姿态的面部图像：
[0020][0021]其中，(x，y)(x
′
，y
′
)分别为输入图像及经仿射变换后的图像的像素点坐标。参数a1，a2，a3，a4由5个关键点在输入图像及标准姿态的面部图像中的坐标(x
k
，y
k
)，(x
k
′
，y
k
′
)代入求解得到。
[0022]优选地，获取人物前景与背景分离的人物图像包括：利用简单线性迭代聚类超像素分割算法将图像分割为超像素；以超像素为节点构造图模型G(N，E)，其中N为节点，E为节点间的无向边；
[0023]计算图模型G的权重矩阵Ω＝{ω
ij
|i，j＝1，2，...，n}和度矩阵D＝diag{d
11
，...，d
nn
}，
[0024][0025]d
ii
＝∑
j
ω
ij
ꢀꢀꢀ
(6)
[0026]其中，c
i
和c
j
是图节点i，j在LAB色彩空间的颜色平均值，σ为常数；
[0027]基于Ω和D，计算最优近邻矩阵A＝(D
‑
αΩ)
‑1，并计算排序分数r
*
作为超像素的显著性值，r
*
＝AY，其中Y＝{Y
i
|i＝1，2，...，n]，是指示向量，指示每个节点是否为种子点，若是则Y
i
＝1不是则为0；
[0028]以图像上下左右四个边缘的所述超像素分别作为背景种子点，获取初始显著性图S
bq
，S
bq
(i)＝S
t
(i)
×
S
b
(i)
×
S
l
(i)
×
S
r
(i)，i＝1，2，...，n，其中，S
t
(i)，S
b
(i)，S
l
(i)，S
r
(i)是以上下左右四个边缘为种子点求得的显著性图为对应的标准化的显著性值向量；
[0029]基于初始显著性图，重新选择前景种子点，计算得到最终显著性图，
[0030]对获取的最终显著性图进行检测，获取灰度值相差较大的两部分，设置分割阈值
T
seg
，灰度值大于T
seg
的为人像区域，灰度值小于Tseg为背景区域，分别获得人像区域坐标集合和背景区域坐标集合u＝1，2，...，U，v＝1，2，...，V，U+V＝W
×
H。
[0031]优选地，获取人物前景与背景分离的人物图像还包括：需要先对所述标准姿态的面部图像进行显著目标检测，并基于检测结果进行基于显著性阈值的人物前景与背景的图像分割。
[0032]优选地，调整图像背景颜色包括：将图像背景区域像素点RGB三通道颜色向量进行替换，前景人物区域像素点不变，获得替换背景颜色的图像
[0033]优选地，调整图像尺寸包括：获取面部关键点中取最高点(x
t
，y
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于关键点和视觉显著目标检测的电子人脸照片采集方法，其特征在于，包括：对输入图像依次进行人脸的唯一性检验、人脸的完整性检验和图像质量的检验，并根据检验结果确定符合制作电子照片要求的初始图像；对所述初始图像进行面部校正，获取标准姿态的面部图像；对所述标准姿态的面部图像进行显著目标检测，并根据检测结果进行图像分割，获取分离人物前景与背景的人物图像；对所述人物图像进行图像后处理，调整图像的尺寸与背景颜色，得到符合要求的电子人物照片。2.根据权利要求1所述的电子人脸照片采集方法，其特征在于，所述人脸的唯一性检验包括：对输入图像进行人脸检测，获取人脸区域的选框集合{f
m
|m＝1，2，...，M}，若M＝1，则所述人脸的唯一性检验通过，若M≠1，咋所述人脸的唯一性检验不通过。3.根据权利要求2所述的电子人脸照片采集方法，其特征在于，所述人脸的完整性检验包括：对唯一有效人脸f1进行关键点检测，获取人脸面部的81个关键点{(x
i
，y
i
)|i＝1，2，...81}，判断是否同时满足其中，W为图像横向分辨率，H为纵向分辨率，若能满足，则所述人脸的完整性检验通过，若不能满足，所述人脸的完整性检验不通过。4.根据权利要求3所述的电子人脸照片采集方法，其特征在于，所述图像质量的检验包括：将输入的图像转换为二维灰度图像；利用拉普拉斯算子L对所述灰度图像进行卷积操作，计算图像清晰度指标q：q＝std(C
L
(x，y))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，C
L
(x，y)是灰度图像所有像素点(x，y)处拉普拉斯算子的卷积，std()为标准差计算；设置清晰度阈值T
q
，若q＞T
q
，则输入图像质量检验通过，若q＜T
q
，则输入图像质量检验未通过。5.根据权利要求1所述的电子人脸照片采集方法，其特征在于，所述获取标准姿态的面部图像包括：对所述初始图像基于仿射变换矩阵进行仿射变换，获取标准姿态的面部图像：其中，(x，y)(x
′
，y
′
)分别为输入图像及经仿射变换后的图像的像素点坐标。参数a1，a2，a3，a4由5个关键点在输入图像及标准姿态的面部图像中的坐标(x
k
，y
k
)，(x
k
′
，y
k
′
)代入求解得到。6.根据权利要求1所述的电子人脸照片采集方法，其特征在于，获取人物前景与背景分离的人物图像包括：利用简单线性迭代聚类超像素分割算法将图像分割为超像素；以超像素为节点构造图模型G(N，E)，其中N为节点，E为节点间的无向边；
计算图模型G的权重矩阵Ω＝{ω
ij
|i，j＝1，2，...，n}和度矩阵D＝diag{d
11
，...，d
nn
}，d
ii
＝∑
j
ω
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，c
i
和c
j
是图节点i，j在LAB色彩空间的颜色平均值，σ为常数；基于Ω和D，计算最优近邻矩阵A＝(D
‑
αΩ)
‑1，并计算排序分数r
*
...

【专利技术属性】
技术研发人员：张滢雪，司占军，种政，于彦辉，杨文鹏，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：