一种红眼检测方法和系统技术方案

本方案涉及一种红眼检测的方法和系统，该方法对预处理图像进行脸部区域检测；对检测到的所述脸部区域中的像素点，进行红色点检测以确定绝对红色点；根据所述绝对红色点获得一个或多个候选红眼区域；根据所述一个或多个候选红眼区域，进行红眼区域判定，获得绝对红眼区域。该系统包括实现上述方法组成模块。本申请的方法和系统，对预处理的图像能实现自动红眼检测和修正，对用户指定的候选红眼区域也能辨别地实现红眼检测和修正，辅助验证候选红眼区域，降低眼睛定位精度依赖性，自适应的红色像素判断提高了获取红眼区域的正确率。

【技术实现步骤摘要】
一种红眼检测方法和系统
本申请涉及图像处理
，尤其涉及一种红眼检测及校正的方法和系统。
技术介绍
“红眼”现象一般是指在光线较暗的环境下，相机拍摄人物照片时，闪光灯的强光经过放大的瞳孔、被视网膜后的微血管组织反射，造成在照片中眼部瞳孔处呈现的泛红现象(红色斑点)，从而导致照片效果不佳。而由于数码相机的普及，利用图像处理技术解决红眼问题的方案成为可能。如图1所示，现有技术的红眼检测装置及其检测方法以解决快速找出红眼区域、方便对红眼区域进行修正，其解决方案包括四个模块及相应的处理步骤:步骤101，在欲处理的图像中定位出眼睛的区域；步骤102，对所述眼睛区域内每个像素分别计算其为红色素的概率；步骤103，根据每个像素为红色素的概率，确定红色素集中的区域；步骤104，根据所述红色素集中的区域，确定红眼区域。而这类现有的基于“人脸检测_>眼睛定位”的方案中，“眼睛定位”是后续处理步骤的基础，如果对眼睛定位有偏差(定位不精确)，后续的红眼检测、校正等步骤的执行结果将不可预期。可见，现有红眼检测方案的容错能力有限，能检测到的红眼区域会因此受到限制。另外，这类现有的方案中，判断像素是否为红色点的技术，是将像素颜色值(或是归一化的颜色值)与经验阈值直接判断(如:比较大小看是在阈值作为分界点的范围内还是在范围外)；或者是运用训练得到的高斯模型进行匹配、得到像素的红色概率值，在判断像素是否为红色点，这里可以采用多种模式判断，如:直接判断红色概率值大于某阈值、某一区域内的概率值之和大于某一固定阈值，等等，均存在一局限性。该局限性在于:无论是单一阈值或者高斯分布的均值，其终将是以其对应颜色空间下某一具体值的形式存在，可以理解为一定程度下的固定阈值模式，但实际情况更复杂，如由于光照强度各异、肤色各异等，这类固定阈值方式的实际效果值得商榷。
技术实现思路
针对上述现有技术的缺陷，本申请要解决的技术问题是提供一种红眼检测及校正的系统和方法:对预处理的图像，可实现自动的红眼检测及修正；对用户指定的候选红眼区域，亦可有辨别的实现红眼检测及修正。为解决上述技术问题，本申请提供了一种红眼检测方法，包括:对预处理图像进行脸部区域检测；对检测到的所述脸部区域中的像素点，进行红色点检测以确定绝对红色点；根据所述绝对红色点获得一个或多个候选红眼区域；根据所述一个或多个候选红眼区域，进行红眼区域判定，获得绝对红眼区域。进一步的，本申请还提供了对应上述方法的一种红眼检测系统，包括:脸部区域检测模块，对预处理图像进行脸部区域检测；红色素计算模块，对检测到的所述脸部区域中的像素点，进行红色点检测以确定绝对红色点，根据所述绝对红色点获得一个或多个候选红眼区域；红眼区域判定模块，根据所述一个或多个候选红眼区域，进行红眼区域判定，获得绝对红眼区域。本申请的方案中，确定人脸，在人脸上寻找绝对红色像素点以获得备用的红眼区域，而“眼睛定位”功能的定位，是对检测到的候选红眼区域进行辅助验证，从而降低对“眼睛定位”精度的依赖；并且，本申请的方案中，在判断红色像素时采用的是一种自适应方法，通过LAB空间下的肤色区域检测和人脸检测，仅统计脸部区域中红色值相对这一特定脸部区域较大的那些像素点，从而得到若干候选红眼区域，然后与辅助的眼睛定位区域、脸部尺寸决定的红眼尺寸范围等进行交互验证，得到正确的红眼区域、无红眼的眼部区域会被正确剔除，如在皮肤和脸部区域寻找到。【附图说明】为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为现有技术的处理模块框图。图2为本申请【具体实施方式】的自动红眼检测模式处理流程图。图3为本申请【具体实施方式】的半自动红眼检测模式处理流程图。图4为本申请【具体实施方式】的结构框图。【具体实施方式】下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请【具体实施方式】中，介绍两种优选的红眼检测(校正)模式的实施流程。自动模式如图2，和半自动模式如图3。下面分别介绍两种模式。自动红眼检测模式如图2所示。在如图2自动红眼检测模式阶段:当获取原始图像后，进行处理:步骤SOI，在LAB颜色空间里，对预处理图像进行肤色区域检测(比如检测LAB这种三维图像模型中那些为肤色区域)。采用常规的图像处理的肤色区域检测方式，一般能保证多种肤色都能通过检测并最大限度屏蔽非肤色区域。例如一种方式:通过对预处理图像中每个像素点，判断其LAB颜色空间中的L分量和A、B分量间的大小关系，可检测出不同光照条件下、不同肤色(白种人、黄种人)的肤色区域，并可以直接剔除诸如红色衣服、红灯笼等非红眼的背景红色区域，比如检测到的区域的L、A、B三个值大小关系，由这种关系确定亮度和色彩属于红色背景区域，而非肤色区域，直接排除其作为进一步处理检测和校正红眼的区域。在步骤S02，对肤色区域(候选皮肤区域)进行人脸检测即人的脸部区域的检测(当人脸检测为O如可能出现漏检误检时，还可以如图3的半自动红眼检测模式的方式，由用户指定可能的红眼区域以防止漏检人的脸部区域)。因为步骤SOl的判断条件相对宽松，故其作为步骤S02的前提条件，可以减小搜索范围，提高检测速度(也就是说，对预处理图像直接检测脸部区域也可以，当然，若先检测到肤色区域检测能更好的检测人脸部区域)。具体的人脸检测过程例如，采用常见的事先训练得到的正面人脸检测器对候选皮肤区域进行人脸检测。肤色区域的检测能够帮助加快人脸检测的速度。在步骤S03，可以对人脸区域进行眼睛区域的检测，即在检测到的人脸上检测到眼睛区域以获得眼睛的位置。具体检测人眼例如，采用常见的事先训练得到的眼睛检测器对人脸区域进行双眼检测(寻找双眼位置)。根据肤色区域检测(步骤S01)、以及由肤色区域检测而检测人脸区域(步骤S02)，在步骤S04中，对人的脸部区域进行绝对红色点检测，其计算每个像素点的红色概率。通常，在步骤S02得到的是人脸所在的矩形区域(得到脸部尺寸)，可由该尺寸按比例选择合适的结构元素n，采用数学形态学的闭运算对步骤SOl得到的肤色区域进行处理，可以将可能的红眼区域顺利并入肤色区域内，并且不引入新的误差。如，在LAB空间，对人脸区域的肤色区域像素点(脸部皮肤)，统计其A分量的最大及最小值Amax、Amin ;对于每点计算其归一化的红色分量a= (A - Amin) / (Amax - Amin)作为其红色概率值；判断其A分量同L分量、B分量间的大小关系，并且其红色概率值超过阈值T (阈值T是LAB颜色空间的经验阈值)，则判断其为绝对红色点。例如，满足A分量与L分量的差值的绝对值小于一个经验阈值T2(第二阈值)，A分量与B分量的差值大于一个经验阈值Τ3 (第三阈值)，并且将人脸区域的肤色区域像素点计算的每个像素点的红色概率值a降序排列、以概率排序本文档来自技高网...

【技术保护点】
一种红眼检测方法，其特征在于，包括：对预处理图像进行脸部区域检测；对检测到的所述脸部区域中的像素点，进行红色点检测以确定绝对红色点；根据所述绝对红色点获得一个或多个候选红眼区域；根据所述一个或多个候选红眼区域，进行红眼区域判定，获得绝对红眼区域。

【技术特征摘要】
1.一种红眼检测方法，其特征在于，包括: 对预处理图像进行脸部区域检测； 对检测到的所述脸部区域中的像素点，进行红色点检测以确定绝对红色点； 根据所述绝对红色点获得一个或多个候选红眼区域； 根据所述一个或多个候选红眼区域，进行红眼区域判定，获得绝对红眼区域。2.如权利要求1所述的方法，其特征在于，进一步包括: 对判定出的绝对红眼区域进行红眼修正。3.如权利要求1所述的方法，其特征在于，所述进行红色点检测还包括: 通过计算每个像素的红色概率来确定绝对红色点。4.如权利要求3所述的方法，其特征在于，所述通过计算每个像素的红色概率来确定绝对红色点还包括: 在LAB颜色空间里，对脸部区域中的每个像素点，统计其A分量的最大值Amax及最小值Amin，对每个像素点计算归一化的红色分量a作为红色概率值，其中:a=(A - Amin)/(Amax - Amin) 判断像素点为绝对红色点的条件为: 像素点的A分量与L分量的差值的绝对值小于第二阈值T2 ； 像素点的A分量与B分量的差值大于第三阈值T3 ;并且， 将计算的每个像素点的红色概率值a降序排列、排序在前第一阈值Tl%的像素点为绝对红色点。5.如权利要求1所述的方法，其特征在于，所述根据绝对红色点获得一个或多个候选红眼区域还包括: 对得到的绝对红色点用ηΧη的结构元素进行形态学的闭运算，得到一个或多个候选红眼区域。6.如权利要求1所述的方法，其特征在于，所述进行红眼区域判定，获得绝对红眼区域还包括: 结合所述脸部区域的眼睛位置或用户指定的可能的红眼区域的眼睛位置，从所述一个或多个候选红眼区域中判断以获得绝对红眼区域。7.如权利要求2所述的方法，其特征在于，所述进行红眼修正还包括: 在所述绝对红眼区域附近搜索以所述绝对红眼区域的宽高中的最大值作为边长的正方形，所述正方形区域内的所有像素点的红色概率值设为最大； 如果所述正方形区域内非绝对红色点的红色概率值大于所述正方形区域内绝对红色点中的最小红色概率值，则判断该非绝对红色点也是绝对红色点； 对绝对红色点的修正为，在RGB空间内，RGB颜色分量取相同值，且为修正前G、B分量的均值； 对该正方形区域及其邻域内的非绝对红色点的修正为，若其Ν*Ν的结构元素的邻域内有绝对红色点，则该非绝对红色点在RGB空间内，RGB颜色分量值采用该非绝对红色点原始值与Ν*Ν领域内的上述修正后的绝对红色点的RGB颜色值按位置比例进行加权修正。8.如权利要求1所述的方法，其特征在于，进一步包括: 对预处理图像进行肤色区域检测，并对所述肤色区域进行所述脸部区域检测。9.如权利要求1或8所述的方法，其特征在于，所述脸部区域检测还包括: 根据用户指定的可能的眼睛区域进行脸部区域检测。10.如权利要求1所述的方法，其特征在于，所述脸部区域检测还包括: 在所述脸部区域进行眼睛区域的检测，以确定所述脸部区域中的眼睛位置。11.如权利要求1所述的方法，其中，根据备选的一个或多个红眼区域，进行红眼区域判定还包括: 根据所述绝对红色点和检测得到的眼睛位置，或者根据确定的绝对红色点和由用户指定的可能的红眼区域的眼睛位置，进行红眼区域判定。12.—种红眼检测系统，其特征在于，包括: 脸部区域检测模块(402)，对预处理图像进行脸部区域检测； 红色素计算模块(404)，对检测到的所述脸部区域中的像素点，...

【专利技术属性】
技术研发人员：徐敏，楚汝峰，张春晖，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：