眼镜检测方法和装置制造方法及图纸

本发明专利技术提供了一种眼镜检测方法和装置，其中的方法具体包括：从待检测人脸图像中获取眼镜区域图像；根据单眼区域分类器对所述眼镜区域图像进行第一判别，并依据第一判别结果进行检测，所述检测的过程包括：如果该第一判别结果的绝对值大于预设置信阈值，则依据该第一判别结果输出是否佩戴眼镜的检测结果；如果该第一判别结果的绝对值小于等于所述预设置信阈值，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果。本发明专利技术对初始人脸位置没有过高要求，且能够提高眼镜检测的精度。

【技术实现步骤摘要】
眼镜检测方法和装置
本专利技术涉及模式识别
，特别是涉及一种眼镜检测方法和装置。
技术介绍
眼镜是最常见的佩饰物，检测出人脸图像中是否佩戴眼镜，并能计算出眼镜的位置和形状，对提高人脸识别算法性能、人脸合成、人脸卡通和人脸识别具有重要的实用价值。例如，在人脸识别时，如果在佩戴眼镜的人脸中检测出眼镜的位置，即可以通过去除眼镜获得没有眼镜的裸脸。由于受眼镜形状的多样性及图像质量等因素的影响，眼镜检测存在许多难点。例如，早期的眼镜检测主要采用图像处理和模板匹配的方法，根据像素灰度值的不连续变化来检测眼镜的下边框和眼镜鼻梁，然后通过两眼之间区域的边缘信息来检测眼镜；后期的眼镜检测主要使用三维霍夫(Hough)变换方法检测眼镜。但是，由于不同光线的影响，成像后通过图像处理和Hough方法得到的图像过度依赖于图像边缘，故存在噪声，且噪声干扰会导致经常无法获得特征点或准确的特征点，因此检测的准确率比较低。为提高检测的准确率，某些已有方法尝试采用小波特征来进行眼镜检测，但小波变换是时间频率的局部化分析，它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分；根据“失之毫厘，谬以千里”，如果初始的人脸位置不准确，将影响各个尺度和方向上的信息的准确性，因此，小波特征对初始人脸位置的要求很高。总之，需要本领域技术人员迫切解决的一个技术问题就是：如何能够在对初始人脸位置没有过高要求的前提下，提高眼镜检测的精度。
技术实现思路
本专利技术所要解决的技术问题是提供一种眼镜检测方法和装置，对初始人脸位置没有过高要求，且能够提高眼镜检测的精度。为了解决上述问题，本专利技术公开了一种眼镜检测方法，包括：从待检测人脸图像中获取眼镜区域图像；根据单眼区域分类器对所述眼镜区域图像进行第一判别，并依据第一判别结果进行检测，所述检测的过程包括：如果该第一判别结果的绝对值大于预设置信阈值，则依据该第一判别结果输出是否佩戴眼镜的检测结果；如果该第一判别结果的绝对值小于等于所述预设置信阈值，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果。优选的，所述单眼区域分类器为通过以下步骤获得的分类器：获取单眼区域图像样本；提取所述单眼区域图像样本的LBP特征；依据所述LBP特征构造单眼区域分类器；所述根据单眼区域分类器对所述眼镜区域图像进行第一判别的步骤，包括：提取所述眼镜区域图像的LBP特征；将所述LBP特征输入到所述单眼区域分类器中，输出第一判别结果。优选的，所述依据LBP特征构造单眼区域分类器的步骤，包括：构造LBP特征训练集{(xi，yi)}，其中，i＝1，...，n，xi为某一单眼区域图像样本的LBP特征，yi为该单眼区域图像样本所属的样本类别，在其属于佩戴眼镜类别时yi＝1，在其属于不佩戴眼镜类别时yi＝-1，n为单眼区域图像样本的数量；针对所述LBP特征训练集，训练获得作为单眼区域分类器的支持向量机模型其中，sgn为符号函数，b*为分类阈值，为训练得到的最优分类参数；所述依据第一判别结果进行检测的过程包括：在该第一判别结果的绝对值大于1+δ，δ＞0时，如果该第一判别结果为正数，则输出佩戴眼镜的检测结果，如果该第一判别结果为负数，则输出未佩戴眼镜的检测结果；在该第一判别结果的绝对值小于等于1+δ，δ＞0时，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果。优选的，所述双眼区域分类器为通过以下步骤获得的分类器：获取双眼区域图像样本；提取所述双眼区域图像样本的LBP特征；依据所述LBP特征构造双眼区域分类器；所述根据双眼区域分类器对所述眼镜区域图像进行第二判别的步骤，包括：提取所述眼镜区域图像的LBP特征；将所述LBP特征输入到所述双眼区域分类器中，输出第二判别结果。优选的，所述依据LBP特征构造双眼区域分类器的步骤，包括：构造LBP特征训练集{(x′i，y′i)}，其中，i＝1，...，m，x′i为某一双眼区域图像样本的LBP特征，y′i为该双眼区域图像样本所属的样本类别，在其属于佩戴眼镜类别时y′i＝1，在其属于不佩戴眼镜类别时y′i＝-1，m为双眼区域图像样本的数量；针对所述LBP特征训练集，训练获得作为双眼区域分类器的支持向量机模型其中，sgn为符号函数，b为分类阈值，αi为训练得到的最优分类参数；所述依据第二判别结果输出是否佩戴眼镜的检测结果的步骤为，如果该第二判别结果为正数，则输出佩戴眼镜的检测结果，如果该第二判别结果为负数，则输出未佩戴眼镜的检测结果。优选的，所述从待检测人脸图像中获取眼镜区域图像的步骤，包括：对所述待检测人脸图像进行眼睛定位，得到眼睛位置；根据所述眼睛位置，对所述待检测人脸图像进行归一化操作；从归一化后的待检测人脸图像中割取预设大小的裸眼图像，作为眼镜区域图像。优选的，所述LBP特征包括：LBP特征、一致性LBP特征或者半LBP特征。优选的，所述方法还包括：在所述眼睛定位失败时，根据特殊眼镜分类器对待检测人脸图像进行检测，输出是否佩戴特殊眼镜的检测结果。优选的，所述特殊眼镜分类器为通过以下步骤获得的分类器：获取特殊眼镜人脸图像样本；提取所述特殊眼镜人脸图像样本的LBP特征；依据所述LBP特征构造特殊眼镜分类器；所述根据特殊眼镜分类器对待检测人脸图像进行检测的步骤，包括：提取所述待检测人脸图像的LBP特征；从所述特殊眼镜分类器中获取距离所述LBP特征最近的K个特殊眼镜人脸图像样本，其中，K为自然数；依据所述K个特殊眼镜人脸图像样本的类别，确定并输出所述LBP特征所属的类别。优选的，通过如下公式计算所述LBP特征S1到某一特殊眼镜人脸图像样本S2的距离：其中，n1，n2分别为S1和S2具有的LBP特征的数目，n12为S1∩S2的LBP特征S1与S2的交集的数目，∩代表交集。另一方面，本专利技术实施例还公开了一种眼镜检测装置，包括：获取模块，用于从待检测人脸图像中获取眼镜区域图像；第一判别模块，用于根据单眼区域分类器对所述眼镜区域图像进行第一判别；及检测模块，用于依据第一判别结果进行检测；其中，所述检测模块包括：第一输出子模块，用于在该第一判别结果的绝对值大于预设置信阈值时，依据该第一判别结果输出是否佩戴眼镜的检测结果；第二判别子模块，用于在该第一判别结果的绝对值小于等于所述预设置信阈值时，则根据双眼区域分类器对所述眼镜区域图像进行第二判别；及第二输出子模块，用于依据第二判别结果输出是否佩戴眼镜的检测结果。优选的，还包括单眼区域分类器构造模块，包括：单眼样本获取子模块，用于获取单眼区域图像样本；单眼提取子模块，用于提取所述单眼区域图像样本的LBP特征；及单眼构造子模块，用于依据所述LBP特征构造单眼区域分类器；所述第一判别模块包括：第一特征提取子模块，用于提取所述眼镜区域图像的LBP特征；及第一判别输出子模块，用于将所述LBP特征输入到所述单眼区域分类器中，输出第一判别结果。优选的，所述单眼构造子模块包括：单眼训练集构造单元，用于构造LBP特征训练集{(xi，yi)}，其中，i＝1，...，n，xi为某一单眼区域图像样本的LBP特征，yi为该单眼区域图像样本所属的样本类别，在其属于佩戴眼镜类别时yi＝1，本文档来自技高网...

【技术保护点】
１．一种眼镜检测方法，其特征在于，包括：从待检测人脸图像中获取眼镜区域图像；根据单眼区域分类器对所述眼镜区域图像进行第一判别，并依据第一判别结果进行检测，所述检测的过程包括：如果该第一判别结果的绝对值大于预设置信阈值，则依据该第一判别结果输出是否佩戴眼镜的检测结果；如果该第一判别结果的绝对值小于等于所述预设置信阈值，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果。

【技术特征摘要】
1.一种眼镜检测方法，其特征在于，包括：从待检测人脸图像中获取眼镜区域图像；根据单眼区域分类器对所述眼镜区域图像进行第一判别，并依据第一判别结果进行检测，所述检测的过程包括：如果该第一判别结果的绝对值大于预设置信阈值，则依据该第一判别结果输出是否佩戴眼镜的检测结果；如果该第一判别结果的绝对值小于等于所述预设置信阈值，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果；其中，所述单眼区域分类器为通过以下步骤获得的分类器：获取单眼区域图像样本；提取所述单眼区域图像样本的LBP特征；依据所述LBP特征构造单眼区域分类器；所述根据单眼区域分类器对所述眼镜区域图像进行第一判别的步骤，包括：提取所述眼镜区域图像的LBP特征；将所述LBP特征输入到所述单眼区域分类器中，输出第一判别结果。2.如权利要求1所述的方法，其特征在于，所述依据LBP特征构造单眼区域分类器的步骤，包括：构造LBP特征训练集{(xi,yi)}，其中，i＝1,...,n，xi为某一单眼区域图像样本的LBP特征，yi为该单眼区域图像样本所属的样本类别，在其属于佩戴眼镜类别时yi＝1，在其属于不佩戴眼镜类别时yi＝-1，n为单眼区域图像样本的数量；针对所述LBP特征训练集，训练获得作为单眼区域分类器的支持向量机模型其中，sgn为符号函数，b*为分类阈值，αi*为训练得到的最优分类参数；所述依据第一判别结果进行检测的过程包括：在该第一判别结果的绝对值大于1+δ,δ＞0时，如果该第一判别结果为正数，则输出佩戴眼镜的检测结果，如果该第一判别结果为负数，则输出未佩戴眼镜的检测结果；在该第一判别结果的绝对值小于等于1+δ,δ＞0时，则根据双眼区域分类器对所述眼镜区域图像进行第二判别，并依据第二判别结果输出是否佩戴眼镜的检测结果。3.如权利要求1所述的方法，其特征在于，所述双眼区域分类器为通过以下步骤获得的分类器：获取双眼区域图像样本；提取所述双眼区域图像样本的LBP特征；依据所述LBP特征构造双眼区域分类器；所述根据双眼区域分类器对所述眼镜区域图像进行第二判别的步骤，包括：提取所述眼镜区域图像的LBP特征；将所述LBP特征输入到所述双眼区域分类器中，输出第二判别结果。4.如权利要求3所述的方法，其特征在于，所述依据LBP特征构造双眼区域分类器的步骤，包括：构造LBP特征训练集{(x'i,y'i)}，其中，i＝1,...,m，x'i为某一双眼区域图像样本的LBP特征，y′i为该双眼区域图像样本所属的样本类别，在其属于佩戴眼镜类别时y′i＝1，在其属于不佩戴眼镜类别时yi＝-1，m为双眼区域图像样本的数量；针对所述LBP特征训练集，训练获得作为双眼区域分类器的支持向量机模型其中，sgn为符号函数，b为分类阈值，αi为训练得到的最优分类参数；所述依据第二判别结果输出是否佩戴眼镜的检测结果的步骤为，如果该第二判别结果为正数，则输出佩戴眼镜的检测结果，如果该第二判别结果为负数，则输出未佩戴眼镜的检测结果。5.如权利要求1所述的方法，其特征在于，所述从待检测人脸图像中获取眼镜区域图像的步骤，包括：对所述待检测人脸图像进行眼睛定位，得到眼睛位置；根据所述眼睛位置，对所述待检测人脸图像进行归一化操作；从归一化后的待检测人脸图像中割取预设大小的裸眼图像，作为眼镜区域图像。6.如权利要求1至4中任一项所述的方法，其特征在于，所述LBP特征包括：LBP特征、一致性LBP特征或者半LBP特征。7.如权利要求5所述的方法，其特征在于，还包括：在所述眼睛定位失败时，根据特殊眼镜分类器对待检测人脸图像进行检测，输出是否佩戴特殊眼镜的检测结果。8.如权利要求7所述的方法，其特征在于，所述特殊眼镜分类器为通过以下步骤获得的分类器：获取特殊眼镜人脸图像样本；提取所述特殊眼镜人脸图像样本的LBP特征；依据所述LBP特征构造特殊眼镜分类器；所述根据特殊眼镜分类器对待检测人脸图像进行检测的步骤，包括：提取所述待检测人脸图像的LBP特征；从所述特殊眼镜分类器中获取距离所述LBP特征最近的K个特殊眼镜人脸图像样本，其中，K为自然数；依据所述K个特殊眼镜人脸图像样本的类别，确定并输出所述LBP特征所属的类别。9.如权利要求8所述的方法，其特征在于，通过如下公式计算所述LBP特征S1到某一特殊眼镜人脸图像样本S2的距离：其中，n1,n2分别为S1和S2具有的LBP特征的数目，n12为S1∩S2的LBP特征S1与S2的交集的数目，∩代表交集。10.一种眼镜检测装置，其特征在于，包括：获取模块，用于从待检测人脸图像中获取眼镜区域图像；第一判别模块，用于根据单眼区域分类器对所述眼镜区域图像进行第一判别；及检测模块，用于依据第一判别结果进行检...

【专利技术属性】
技术研发人员：崔国勤，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11