一种基于遗传算法的人脸图像面部对称轴检测方法技术

本发明专利技术公开了一种基于遗传算法的人脸图像面部对称轴检测方法，步骤为：图像预处理；设计染色体编码；建立初始化种群；设计适应度函数；定义遗传算子。本发明专利技术基于遗传算法，将对称轴检测问题转化为种群的进化、变异、搜索最优解的问题，通过对算法中遗传算子的定义确定了搜索过程，完成了对搜索过程的优化；通过定义算法的自适应函数，充分考虑了图像对称性、对称轴的垂直性以及对称轴的偏移距离这三个因素，从而优化算法的选择过程。通过种群的遗传进化，得出最优面部对称轴，从而解决面部对称轴检测问题。轴检测问题。轴检测问题。

【技术实现步骤摘要】
一种基于遗传算法的人脸图像面部对称轴检测方法


[0001]本专利技术属于图像处理与图像理解
，具体涉及一种基于遗传算法的人脸图像面部对称轴检测方法。

技术介绍

[0002]对称性在视觉特征的描述中是一个非常重要的性质与特征，对称轴检测技术在特征提取、目标识别、残缺检测等领域都有极为广泛的应用。在对面部图像的对称轴进行检测过程中，面临着复杂程度高、结果稳定性差、干扰因素多(肤色、背景、光照条件)等诸多挑战。目前可用于面部图像对称轴检测的方法主要有三类：一类是基于数学模型的对称轴检测方法，如模式匹配法、优化搜索法等，这一类方法所存在的问题是在检测的过程中容易受到图像中无关因素的影响从而影响检测结果；一类方法是基于统计的检测方法，如基于小波的纹理与颜色直方图的检测方法，此类方法在检测过程中的问题是计算量极大，在检测分辨率较高的图像时需要消耗大量的内存与时间；另一类是基于深度学习的检测方法，如PRS
‑
Net、SRN等，这一类方法存在的问题是需要大量的先验知识，并且未能考虑到面部对称轴的特性，搜索空间大造成检测效率低。现有的方法中存在对称轴检测方法应用于面部对称轴检测时会出现许多的问题与不足，如受到肤色、背景、光照条件等因素的影响而使得检测结果很不稳定；或者是方法的计算量过大从而导致内存消耗大、检测时间长甚至程序崩溃等情况；或者是检测方法未能充分考虑到面部对称轴的一些特性而导致搜索空间大、检测效率低的情况。因此，这些方法在面部图像对称轴检测方面的效果并不尽如人意。

技术实现思路

[0003]本专利技术的目的在于克服对称轴检测算法在进行面部对称轴检测时效果不理想而提供一种基于遗传算法的面部对称轴检测方法。
[0004]本专利技术的目的通过如下技术方案来实现：
[0005]步骤1.图像预处理；
[0006]步骤2.设计染色体编码；
[0007]步骤3.建立初始化种群；
[0008]步骤4.设计适应度函数；
[0009]步骤5.定义遗传算子。
[0010]进一步地，步骤1中将标准的RGB格式人脸面部图像作为输入，需要将其转换成为HSV 颜色空间以进行后续的操作，转换公式为：
[0011][0012][0013][0014][0015]其中H、S、V、R、G、B表示图像对应的各个通道的值；将得到的图像按照H通道进行前景提取，然后再对图像进行裁剪，防止无关区域对检测结果的干扰。
[0016]进一步地，步骤2中遗传算法的种群为一系列与图像上下两端相交的直线，个体为其中的某一条直线，个体的染色体采用实数编码的方式，取个体与图像上下两端交点的横坐标值。
[0017]进一步地，步骤3中给初始化种群设置一个随机生成的范围，即活动区间，记为： startvalue和stopvalue，以提高初始化种群的质量，同时用最少的迭代次数得出最优的对称轴。
[0018]进一步地，步骤4中具体步骤为：
[0019]步骤4.1：当前个体为对称轴时，整张面部图像的对称性，其计算公式为：
[0020][0021]其中symmetry表示唇部对称性，total表示唇部区域的总像素数，match表示唇部对称区域的像素数；
[0022]步骤4.2：个体的垂直性，即偏移角度，用个体与图像y轴夹角的余弦值来表示；
[0023]步骤4.3：个体的偏移距离，此处定义个体中点与图像中心点的接近度，值域为[0,1]，接近度越大说明个体的适应能力越强，其公式为：
[0024]nearness＝1
‑
distance/(stopvalue
‑
startvalue)/2
[0025]其中接近度记作nearness，线段中点与图像中心点的距离记作distance；
[0026]步骤4.4：根据步骤4.1
‑
4.3，设计适应度函数公式为：
[0027]fitness＝sym*w_sym+verticality*w_verticality+nearness*w_nearness
[0028]其中fitness表示个体适应度，sym、verticality、nearness分别表示对称性、垂直性、接近度，w_sym、w_verticality、w_nearness分别表示三者的权重。
[0029]进一步地，步骤5中遗传操作包括选择操作、交叉操作与变异操作；
[0030]其中选择操作包括轮盘赌策略、锦标赛策略、精英保留策略；
[0031]交叉方式包括交叉、两点交叉、多点交叉、均匀交叉及洗牌交叉；
[0032]变异操作分为3种：(1)变异操作是平移变异，随机生成平移像素个数x，当前最优解的两个横坐标同时加上或减去x完成平移变异；(2)变异操作是对当前个体的旋转变异，随机生成平移像素个数x，当前最优解的两个横坐标一加一减x完成旋转变异；(3)变异操作是随机变异，即在横坐标的活动区间范围内随机生成一个横坐标值作为变异个体的染色体编码；通过这样定义变异操作来维持种群的多样性并加速向最优解收敛。
[0033]进一步地，所述选择操作使用精英保留策略，将每一代种群中适应度最高的几个个体加入到下一代中继续进行遗传操作，以提高种群中个体的质量，并且用最少的时间迭代搜索出最优对称轴；
[0034]所述交叉方式使用单点交叉，交叉的结果分别取父代染色体编码中的一个常数和
组成自己的染色体编码。
[0035]本专利技术的有益效果在于：
[0036]本专利技术将对称轴检测问题转化为种群的进化、变异、搜索最优解的问题，通过对算法中遗传算子的定义确定了搜索过程，完成了对搜索过程的优化；通过定义算法的自适应函数，充分考虑了图像对称性、对称轴的垂直性以及对称轴的偏移距离这三个因素，从而优化算法的选择过程。通过种群的遗传进化，得出最优面部对称轴，从而解决面部对称轴检测问题。
[0037]本专利技术使用遗传算法来全局搜索人脸图像面部对称轴，只需要预先设定算法的迭代搜索方式，并不需要了解种群进化迭代也就是搜索最优面部对称轴的具体过程；同时本方法对于不同类型的面部图像(不同肤色、不同背景、不同光照强度等)的面部对称轴检测结果具有稳定性；在检测准确度与检测速度方面，本方法也具有一定的优势。
[0038]本专利技术无需大量数据进行训练，避免了大规模计算量的同时保证了面部对称轴检测的准确性、鲁棒性与时效性，具有良好的检测表现，在面部检测、面部美学评估等方面有较为广泛的应用。
附图说明
[0039]图1为本专利技术基于遗传算法的人脸图像面部对称轴检测方法的流程图；
[0040]图2为本专利技术基于遗传算法的人脸图像面部对称轴检测方法的对称轴扫面区域图；
[0041]图3为本专利技术基于遗传算法的人脸图像面部对称轴检测方法的交叉操作效果图；
[0042]图4为本专利技术基于遗传算法的人脸图像面部对称轴检测方法的变异操作效果图；
[0043]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的人脸图像面部对称轴检测方法，其特征在于：步骤1.图像预处理；步骤2.设计染色体编码；步骤3.建立初始化种群；步骤4.设计适应度函数；步骤5.定义遗传算子。2.根据权利要求1所述的一种基于遗传算法的人脸图像面部对称轴检测方法，其特征在于：步骤1中将标准的RGB格式人脸面部图像作为输入，需要将其转换成为HSV颜色空间以进行后续的操作，转换公式为：进行后续的操作，转换公式为：进行后续的操作，转换公式为：进行后续的操作，转换公式为：其中H、S、V、R、G、B表示图像对应的各个通道的值；将得到的图像按照H通道进行前景提取，然后再对图像进行裁剪，防止无关区域对检测结果的干扰。3.根据权利要求1所述的一种基于遗传算法的人脸图像面部对称轴检测方法，其特征在于：步骤2中遗传算法的种群为一系列与图像上下两端相交的直线，个体为其中的某一条直线，个体的染色体采用实数编码的方式，取个体与图像上下两端交点的横坐标值。4.根据权利要求1所述的一种基于遗传算法的人脸图像面部对称轴检测方法，其特征在于：步骤3中给初始化种群设置一个随机生成的范围，即活动区间，记为：startvalue和stopvalue，以提高初始化种群的质量，同时用最少的迭代次数得出最优的对称轴。5.根据权利要求1所述的一种基于遗传算法的人脸图像面部对称轴检测方法，其特征在于：步骤4中具体步骤为：步骤4.1：当前个体为对称轴时，整张面部图像的对称性，其计算公式为：其中symmetry表示唇部对称性，total表示唇部区域的总像素数，match表示唇部对称区域的像素数；步骤4.2：个体的垂直性，即偏移角度，用个体与图像y轴夹角的余弦值来表示；步骤4.3：个体的偏移距离，此处定义个体中点与图像中心点的接近度，值域为[0,1]，接近度越大说明个体的适应能力越强，其公式为：nearness＝1
...

【专利技术属性】
技术研发人员：刘海波，刘志尧，沈晶，陈云杰，张靖欣，刘宜柱，王海枫，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：