[发明专利]一种基于复杂彩色背景图像的海量面孔分割检测识别方法

说明书

技术领域

本发明涉及面孔识别领域，具体涉及人脸检测，面孔图像分割等相关领域，提供了一种基于复

杂彩色背景图像的海量面孔分割检测识别方法。

背景技术

随着基于图像处理应用功能需求的日益增长，图像内容的分析与分类已成为一项重要的任务。人机界面，自动相机和监视系统以及一些其他的应用中，面孔检测是必须的第一步。人类的视觉系统可以很容易地检测并区分周围的面孔，对于人的大脑来说，在一个场景中对面孔实现对应的检测是容易的。目前计算系统不可能达到如此水平的并行处理信息的功能。从图像识别来说，面孔是一个复杂的图像。不同的脸部动作和神态增加了复杂度，检测方案必须操作灵活、可靠。对于图像中光照、背景杂波，图像中多个面孔，以及脸的位置，规模的变化、神态和表情，系统需都能够探测到即使是被阻挡。因此，一个系统的方法，算法的计算复杂性是关键的。目前提出的面孔检测的方法存在一些问题，一般只单纯采用单峰高斯模型，不能对多张面孔同时实现检测以及在光照不足情况下识别的成功率不高，如：使用主成分分析，模板匹配或使用神经网络方法、图像运动概念和肤色方面的技术方法。在本发明中，描述一种基于复杂彩色背景图像的海量面孔分割检测识别方法。

发明内容

本发明针对上述问题，提供了一种基于复杂彩色背景图像的海量面孔分割检测识别方法。

本发明为解决上述问题采用以下技术方案：

一种基于复杂彩色背景图像的海量面孔分割检测识别方法，其包含如下步鄹：

1)利用单峰高斯模型对面孔肤色建模；

2)使用高斯混合模型进行建模；

3)生成皮肤概率图像；

4)进行复杂背景下的人脸检测与分割：用非线性滤波器，消除部分的图像，同时保留其余部分的轮廓。利用灰度操作侵蚀去除类杂讯区域，扩张保留剩余区域得到皮肤概率图像。其中是通过使用面积(A)、周长(P)、边界框维度(Dx，Dy)的连接组件的集合。这三个运算符是一次性计算用于筛选那些脸状的但有像素场面积小于某一部分，最大的脸组件检测到的连接组件。这个运算符的选择是基于观察值的许多图像包含多个面孔。

检测参数包括：

1)紧密度：连通分支的紧密性(C)界定为它的面积除以它的周长的平方：

Compactness=AP2]]>

2)稳定性：连通分支的稳定性(S)界定为它的面积除以它的边界框维度：

Solidity=ADx.Dy]]>

3)定向：是高度于边界框周围组件的比值：

Orientation=DyDx]]>

4)标准化区域：连接组件的比例是连接组件的面积最大的组件，还是应用面积、周长、边界框维度三个运算符。在图像包含多个面孔的时候，假设最小的面部所占据的区域比例和较大的面部没有明显差异性。保证在应用程序中的上述运算所包含面孔都拥有一个标准化区域。具体为：在原始图像区域以内的，位于边界框之内的连接组件是面孔和分割。分割的脸像可以输入到一个应用程序中，需要进行进一步的处理。

本发明具有以下优点：

一、改进了基于高斯肤色建模分割检测的方法，实现了在复杂彩色背景下的包含面部图像的检测识别方法。

二、在单峰高斯和混合高斯训练集建模的基础上，通过自动构造，得到一直遵循确定所需要的特定数据的GMM组件的最佳数量。

三、便于计算出显示在复杂彩色背景图像下的不同肤色输入的概率。

四、可规模性的进行海量面孔分割识别，适合快速的对多人图片进行处理。

附图说明

图1皮肤像素分布；

图2直方图的皮肤数据；

具体实施方式