[发明专利]基于活动形状模型和加权插值法的人脸图像眼镜去除方法

说明书

技术领域

本发明涉及计算机视觉领域，尤其涉及一种人脸图像眼镜去除的方法。

背景技术

人脸识别作为近年来的一个重要研究领域，虽然已经取得很大进展，但在一些实际的应用中，光照、姿态、眼镜等众多因素不同程度地对识别效果产生影响，其中眼镜是较常见的一种干扰物。

现阶段最常用的人脸图像眼镜去除方法为主成分分析法。该方法利用无眼镜人脸图像训练特征空间，对于与训练图像相近的输入图像效果较好，但对于与训练图像出入较大的输入图像容易引入大量噪声甚至导致识别率下降，而且需要一定时间和一定数量的图片进行训练。

发明内容

本发明提供了一种新的人脸图像眼镜去除方法，提高了眼镜去除的效率和效果。

本发明采用如下技术方案：

基于活动形状模型和加权插值法的人脸图像眼镜去除方法，包括：

(1)利用活动形状模型产生的人脸特征点定位出眼镜的初始搜索区域；

(2)利用基于皮肤灰度共生矩阵的纹理特征在初始搜索区域中提取出二次搜索区域；

(3)在二次搜索区域中求出每个连通域面积，若大于等于某个阈值则认为是眼镜区域，若小于该阈值则认为不是眼镜区域；

(4)在眼镜区域内进行基于距离的加权插值法去除眼镜。

与现有方法相比，本发明所公开的人脸图像眼镜去除方法，能够节省训练时间，对单样本的输入图像进行实时有效的眼镜去除。

附图说明

图1为活动形状模型定位眼镜初始搜索区域的流程图；

图2为纹理特征提取眼镜二次搜索区域的流程图；

图3为总流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

具体实施方式为：

(1)对输入图像灰度化，利用基于Haar特征的Adaboost分类器检测人脸；

(2)结合附图1，利用活动形状模型提取人脸中68个特征点定位出眉毛和嘴巴之间的区域，然后在该区域内排除鼻子的区域，从而定位眼镜的初始搜索区域；

(3)结合附图2，求取基于灰度共生矩阵人脸皮肤纹理特征，并通过在初始搜索区域内寻找与人脸皮肤纹理特征匹配度低于80％的位置作为二次搜索区域；

(4)对二次搜索区域通过基于灰度值的连通域法进行独立目标提取，当独立目标面积大于等于50像素时，将该目标确定为眼镜区域；反之，确定为非眼镜区域；

(5)在眼镜区域内进行大小为5*5的基于距离的加权插值法去除眼镜，权重系数呈高斯分布随距离增大而减少。