[发明专利]眼镜检测的方法、装置、电子设备及存储介质

说明书

本发明公开了一种眼镜检测的方法、装置、电子设备及存储介质，属于图像处理和生物识别技术领域，所述眼镜检测的方法包括：对待测图像进行人脸检测，并从中截出鼻梁区域；将鼻梁区域图像输入到训练好的深度卷积神经网络中得到输出数值；若所述输出数值大于预设阈值，则认为待测图像中的人佩戴眼镜，若所述输出数值小于等于预设阈值，则认为待测图像中的人没有佩戴眼镜。这样，通过截取鼻梁区域，并借助于深度卷积神经网络，本发明在测试集上达到了99.9％的准确率，而且检测快速，不包含人脸检测时只有2ms。

技术领域

本发明涉及图像处理和生物识别技术领域，特别涉及一种眼镜检测的方法、装置、电子设备及存储介质。

背景技术

眼镜检测是来判断当前图像中的人有没有佩戴眼镜，有没有佩戴眼镜是人脸诸多属性比如性别、年龄、是否有遮挡、是否是睁眼或闭眼、图像质量等中的一种。佩戴墨镜或者近视眼镜反光严重时会影响后续的人脸识别效果等。正是基于此，在办身份证拍照时，工作人员会提醒摘掉眼镜。

眼镜有多种分类，按照用途分，包括近视镜、老花镜、太阳镜、偏光夜行镜、防护镜等；按照材料分，包括板材(或塑料)框镜、金属架(镍合金，钛等)镜等；按照框的类型分，包括全框、半框、无框(即镜片夹子类)等。

申请号为CN201110085419.8，名称为“眼镜检测方法和装置”的专利中通过提取眼睛区域的LBP(Local Binary Pattern，局部二值模式)特征，再利用SVM(Support VectorMachine，支持向量机)模型进行分类。

申请号为CN201410787322.5，名称为“用于人脸识别的眼镜检测方法及系统”的专利中依次提取眼睛区域的LBP特征和HOG(Histogram of Oriented Gradient，方向梯度直方图)特征，并通过AdaBoost算法挑选出更好的特征，之后用SVM分类。

上述专利中提到的方法如LBP、HOG等特征都属于传统手工设计的特征，通常一种有效的手工特征需要经过很多实验以及改进，这种基于传统手工设计特征的评价方法准确率不够高，并且计算耗时较多。

发明内容

为解决上述技术问题，本发明实施例提供一种准确率高、检测快速的眼镜检测的方法、装置、电子设备及存储介质。

本发明实施例提供技术方案如下：

一方面，提供一种眼镜检测的方法，包括：

对待测图像进行人脸检测，并从中截出鼻梁区域；

将鼻梁区域图像输入到训练好的深度卷积神经网络中得到输出数值；

若所述输出数值大于预设阈值，则认为待测图像中的人佩戴眼镜，若所述输出数值小于等于预设阈值，则认为待测图像中的人没有佩戴眼镜。

在本发明一些实施例中，所述对待测图像进行人脸检测，并从中截出鼻梁区域包括：

对待测图像进行人脸检测，得到人脸区域；

从所述人脸区域中截出鼻梁区域，所述鼻梁区域为包含鼻梁上部和两内侧眼角的方形区域。

在本发明一些实施例中，所述对待测图像进行人脸检测，并从中截出鼻梁区域还包括：

将鼻梁区域通过双线性插值归一化到预设标准尺寸。

在本发明一些实施例中，所述预设标准尺寸为：32×32。

在本发明一些实施例中，所述深度卷积神经网络包括：6个卷积层，每个卷积层依次是BN层和relu层，4个max池化层，3个全连接层，2个dropout层，一个softmax层。