[发明专利]一种基于遗传算法的人脸图像面部对称轴检测方法

说明书

本发明公开了一种基于遗传算法的人脸图像面部对称轴检测方法，步骤为：图像预处理；设计染色体编码；建立初始化种群；设计适应度函数；定义遗传算子。本发明基于遗传算法，将对称轴检测问题转化为种群的进化、变异、搜索最优解的问题，通过对算法中遗传算子的定义确定了搜索过程，完成了对搜索过程的优化；通过定义算法的自适应函数，充分考虑了图像对称性、对称轴的垂直性以及对称轴的偏移距离这三个因素，从而优化算法的选择过程。通过种群的遗传进化，得出最优面部对称轴，从而解决面部对称轴检测问题。

技术领域

本发明属于图像处理与图像理解技术领域，具体涉及一种基于遗传算法的人脸图像面部对称轴检测方法。

背景技术

对称性在视觉特征的描述中是一个非常重要的性质与特征，对称轴检测技术在特征提取、目标识别、残缺检测等领域都有极为广泛的应用。在对面部图像的对称轴进行检测过程中，面临着复杂程度高、结果稳定性差、干扰因素多(肤色、背景、光照条件)等诸多挑战。目前可用于面部图像对称轴检测的方法主要有三类：一类是基于数学模型的对称轴检测方法，如模式匹配法、优化搜索法等，这一类方法所存在的问题是在检测的过程中容易受到图像中无关因素的影响从而影响检测结果；一类方法是基于统计的检测方法，如基于小波的纹理与颜色直方图的检测方法，此类方法在检测过程中的问题是计算量极大，在检测分辨率较高的图像时需要消耗大量的内存与时间；另一类是基于深度学习的检测方法，如PRS-Net、SRN等，这一类方法存在的问题是需要大量的先验知识，并且未能考虑到面部对称轴的特性，搜索空间大造成检测效率低。现有的方法中存在对称轴检测方法应用于面部对称轴检测时会出现许多的问题与不足，如受到肤色、背景、光照条件等因素的影响而使得检测结果很不稳定；或者是方法的计算量过大从而导致内存消耗大、检测时间长甚至程序崩溃等情况；或者是检测方法未能充分考虑到面部对称轴的一些特性而导致搜索空间大、检测效率低的情况。因此，这些方法在面部图像对称轴检测方面的效果并不尽如人意。

发明内容

本发明的目的在于克服对称轴检测算法在进行面部对称轴检测时效果不理想而提供一种基于遗传算法的面部对称轴检测方法。

本发明的目的通过如下技术方案来实现：

步骤1.图像预处理；

步骤2.设计染色体编码；

步骤3.建立初始化种群；

步骤4.设计适应度函数；

步骤5.定义遗传算子。

进一步地，步骤1中将标准的RGB格式人脸面部图像作为输入，需要将其转换成为HSV 颜色空间以进行后续的操作，转换公式为：

其中H、S、V、R、G、B表示图像对应的各个通道的值；将得到的图像按照H通道进行前景提取，然后再对图像进行裁剪，防止无关区域对检测结果的干扰。

进一步地，步骤2中遗传算法的种群为一系列与图像上下两端相交的直线，个体为其中的某一条直线，个体的染色体采用实数编码的方式，取个体与图像上下两端交点的横坐标值。

进一步地，步骤3中给初始化种群设置一个随机生成的范围，即活动区间，记为：startvalue和stopvalue，以提高初始化种群的质量，同时用最少的迭代次数得出最优的对称轴。

进一步地，步骤4中具体步骤为：

步骤4.1：当前个体为对称轴时，整张面部图像的对称性，其计算公式为：

其中symmetry表示唇部对称性，total表示唇部区域的总像素数，match表示唇部对称区域的像素数；