[发明专利]一种发型识别方法

说明书

本发明公开了一种发型识别方法，涉及图像处理及模式识别领域，包括以下步骤：训练发型蒙版提取模型和svm模型；通过人脸检测技术获取头发所在区域的图片；对图片进行预处理；将预处理后的图片送入训练好的发型蒙版中提取模型提取发型的遮罩；将发型的遮罩送入训练好的svm模型中判断发型是否合规并输出。本发明能够解决发型识别中难以将头发与头发周边物体分离从而导致发型识别失败的问题。

技术领域

本发明涉及图像处理及模式识别领域，尤其是一种发型识别方法。

背景技术

在某些特定领域的职业考勤中，对于发型发式有一定的要求。由于发型在图像上呈现的特殊性，例如边缘杂乱和黑发易与背景融合等问题，传统方法无法将头发与其周边物体分体，从而导致发型识别失败。在发型识别中，如果仅使用深度学习技术，因为其模型巨大的参数量，随机梯度下降的训练方式，需要大量标注数据以保证训练后的模型能够达到理想的泛化水平，所以实际可操作性较差，不能满足发型识别的实际需求。

发明内容

本发明所要解决的技术问题是提供一种发型识别方法，解决发型识别中难以将头发与头发周边物体分离从而导致发型识别失败的问题。

本发明解决其技术问题所采用的技术方案是：一种发型识别方法，包括以下步骤：

S1：训练发型蒙版提取模型和svm模型；

S2：通过人脸检测技术获取头发所在区域的图片；

S3：对图片进行预处理；

S4：将预处理后的图片送入训练好的发型蒙版中提取模型提取发型的遮罩；

S5：将发型的遮罩送入训练好的svm模型中判断发型是否合规并输出。

进一步地，基于公开数据集lfw-hair并利用深度学习技术训练发型蒙版提取模型。

进一步地，所述svm模型为单分类svm模型。

进一步地，所述头发所在区域的图片通过摄像机进行拍摄。

进一步地，所述对图片进行预处理包括中值滤波降噪、调整对比度和调整亮度。

本发明具有如下有益效果：

1.本发明的发型识别方法能够发型识别时将头发与头发周边物体分离，从而准确识别发型并判断发型是否合规。

2.本发明的算法可以在arm处理器架构设备，例如手机、nvidia jetson平台和嵌入式设备等灵活部署。

附图说明

图1为本发明实施例1给出的人脸识别方法流程图。

具体实施方式

实施例1：

如图1所示，一种发型识别方法，包括以下步骤：

一、训练发型蒙版提取模型和svm模型

首先利用深度学习技术，基于公开数据集lfw-hair，训练一个发型蒙版提取模型，深度学习部分方案如下：

1.将公开数据集lfw-hair中的图片尺寸调整为224*224*3；

2.将发型图片通过若干层卷积网络f(x)变换为尺寸为28*28*1024的深度特征图；

3.将特征图通过若干层反卷积网络g(x)变换为224*224的矩阵；

4.为强化网络对于发型z边缘区域检测的准确性，该网络的任务目标Lc定义如下：