[发明专利]一种眨眼检测的方法、装置、设备及计算机可读存储介质

说明书

技术领域

本申请涉及活体识别领域，特别涉及一种眨眼检测的方法，还涉及一种眨眼检测的装置、设备及计算机可读存储介质。

背景技术

随着活体识别技术的快速提升，其应用领域日益广泛。在智慧城市发展的热潮下，活体识别更是成为推进智慧城市建设的有利武器。眨眼检测是活体识别领域常见的一种识别方法。现有的活体识别中的眨眼检测，通常使用分类器或者特征点定位的方法。

特征点定位法是通过人脸对齐算法定位眼睛的位置，根据定位点计算眼睛上下眼睑的闭合程度来确定眼睛状态，以检测睁眼过程。但其耗时较大，而且在产生遮挡时，特征点不会消失，容易出现误检测。另一种检测方法，通过眼睛分类器，利用Haar特征结合Adaboost分类器，对人脸区域进行检测，确定眼睛的位置，再用睁眼闭眼分类器，如SVM(Support Vector Machine，支持向量机)等，以检测眼睛的状态。但由于Haar特征的提取一般通过积分图进行加速，但是积分图的计算无法通过SIMD指令进行加速，在性能较低的前端设备可能会产生一定的影响，导致速率偏慢，而且Haar特征所需要的弱分类器数目比较多，因此整个模型的大小也偏大。

因此，如何避免由于遮挡而产生误检测的问题，减小分类器模型，提高检测效率是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种眨眼检测的方法，该方法可有效避免由于遮挡而产生误检测的问题，获得的分类器模型较小，进一步提高了检测效率；本申请的另一目的是提供一种眨眼检测的装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本申请提供一种眨眼检测的方法，该方法包括：

训练睁眼检测器和闭眼检测器；

获取第一视频帧中的第一人脸区域，在所述第一人脸区域利用所述睁眼检测器定位眼睛的第一位置；若定位成功，则保存所述第一位置；

获取第二视频帧中的第二人脸区域，在所述第二人脸区域利用所述睁眼检测器定位眼睛的第二位置；若定位成功，则依次切换视频帧进行定位，直至定位失败，并将最后一次定位成功获得的第二位置作为所述第一位置；

在所述第一位置利用所述闭眼检测器定位眼睛的闭眼位置；若定位成功，则输出眨眼成功。

优选的，所述训练睁眼检测器和闭眼检测器包括：

分别获取每种状态下人脸的图像数据；

分别将每种检测器对应的眼睛在相应状态下的图像数据作为正样本，将不包含所述每种检测器对应的眼睛在相应状态下的图像数据作为负样本；

利用局部二值模式LBP特征提取方法提取所述正样本和所述负样本的LBP特征；

通过Adaboost训练器对所述LBP特征进行分类训练，获得所述睁眼检测器和所述闭眼检测器。

优选的，所述在所述第一位置利用所述闭眼检测器定位眼睛的闭眼位置包括：

将所述第一位置扩大预定范围获得放大位置，并在所述放大位置利用所述闭眼检测器定位眼睛的闭眼位置。

优选的，还包括：

输出眼睛的状态信息；其中，所述状态信息包括睁眼状态和闭眼状态。

为解决上述技术问题，本申请还提供一种眨眼检测的装置，包括：

训练模块，用于训练睁眼检测器和闭眼检测器；

保存模块，用于获取第一视频帧中的第一人脸区域，在所述第一人脸区域利用所述睁眼检测器定位眼睛的第一位置；若定位成功，则保存所述第一位置；

第一定位模块，用于获取第二视频帧中的第二人脸区域，在所述第二人脸区域利用所述睁眼检测器定位眼睛的第二位置；若定位成功，则依次切换视频帧进行定位，直至定位失败，并将最后一次定位成功获得的第二位置作为所述第一位置；

第二定位模块，用于在所述第一位置利用所述闭眼检测器定位眼睛的闭眼位置；若定位成功，则输出眨眼成功。

优选的，所述训练模块包括：

获取子模块，用于分别获取每种状态下人脸的图像数据；

样本分类子模块，用于分别将每种检测器对应的眼睛在相应状态下的图像数据作为正样本，将不包含所述每种检测器对应的眼睛在相应状态下的图像数据作为负样本；

提取子模块，用于利用局部二值模式LBP特征提取方法提取所述正样本和所述负样本的LBP特征；

训练子模块，用于通过Adaboost训练器对所述LBP特征进行分类训练，获得所述睁眼检测器和所述闭眼检测器。