[发明专利]一种人脸端正度的确定方法、装置、设备及介质

说明书

本发明公开了一种人脸端正度的确定方法，包括：从初始图像中提取出目标图像；对目标图像进行拉普拉斯变换处理和对数变换处理，并通过边缘检测算法对处理后的目标图像进行边缘检测以获得目标轮廓特征图；根据目标轮廓特征图和关键点信息，分别计算翻滚角方向的翻滚端正度、俯仰角方向的俯仰端正度和偏航角方向的偏航端正度；根据各预设权重值、翻滚端正度、俯仰端正度和偏航端正度，确定人脸的综合端正度。由此可见，本发明通过拉普拉斯变换和对数变换，减弱了环境因素对目标图像的轮廓特征的影响，便于对目标图像中的人脸特征进行识别。此外，本发明所提供的一种人脸端正度的确定装置。

技术领域

本发明涉及图像识别领域，特别是涉及一种人脸端正度的确定方法、装置、设备及介质。

背景技术

随着人工智能、物联网等前沿技术的发展，智能时代已悄然到来，“刷脸”逐渐成为了新的风潮。例如公共场所出入人员监控设备，对检测到的人脸进行识别，协助公安部门抓捕可疑人员；诸如此类的设备基本都是前端抓拍机检测每一帧的人脸目标，然后在人脸从出现到消失的跟踪序列图中找出最优的一张上传给后端进行人脸识别。前端抓拍机抓拍到的人脸角度多样，角度变化导致人脸的部分特征无法被提取，进一步导致人脸的错误识别。为了提高人脸识别率，研究如何确定人脸端正度就显得尤为重要。

现有的确定人脸端正度的方法为首先经过图像处理获得脸部区域与眼睛位置，并以两眼睛之间的中线为基准将脸部区域划分为左右子区域，再按照图像的中线将图像划分为两个参考图像，最后通过对比脸部区域的两个左右子区域与两个参考图像的特征值以计算出脸部区域的端正度。

通过现有技术虽然可计算出脸部区域的端正度，但是现有技术通过取图像特定位置的灰度值作为特征值从而计算端正度，并没有考虑复杂多样的环境对图像灰度值的影响。例如，不同的光照环境下，人脸特定位置的亮度也有所不同，甚至差异较大，这样将对人脸特征位置的识别产生影响，使特征识别结果存在误差，从而无法保证计算的脸部区域的端正度的准确率，降低了用户体验感。

发明内容

本发明的目的是提供一种人脸端正度的确定方法、装置、设备及介质。能够通过对目标图像进行拉普拉斯变换，实现目标图像的锐化处理，增强了局部对比度；通过对数变换，对目标图像中的低灰度部分进行扩展和增强，压缩了高灰度部分的值，增强了图像效果。通过拉普拉斯变换和对数变换，减弱了环境因素对目标图像轮廓特征的影响，便于对目标图像中的人脸特征进行识别，保证计算的脸部区域的端正度的准确率。

为解决上述技术问题，本发明提供一种人脸端正度的确定方法，包括：

从初始图像中提取出目标图像；

对所述目标图像进行拉普拉斯变换处理和对数变换处理，并通过边缘检测算法对处理后的目标图像进行边缘检测以获得目标轮廓特征图；

根据所述目标轮廓特征图和关键点信息，分别计算翻滚角方向的翻滚端正度、俯仰角方向的俯仰端正度和偏航角方向的偏航端正度；

根据各预设权重值、所述翻滚端正度、所述俯仰端正度和所述偏航端正度，确定人脸的综合端正度。

优选地，所述从初始图像中提取出目标图像具体包括：

定位所述初始图像中的各关键点；

获取各所述关键点的位置信息，确定各所述关键点的横坐标的第一最大值和第一最小值，确定各所述关键点的纵坐标的第二最大值和第二最小值；

将所述第一最大值、所述第一最小值、所述第二最大值和所述第二最小值构成的四个点作为顶点建立方形的剪裁区域，按照所述剪裁区域对所述初始图像进行剪裁以提取出目标图像。

优选地，所述定位所述初始图像中的各关键点具体为：

利用卷积神经网络算法对所述初始图像中的各关键点进行定位。

优选地，所述计算翻滚角方向的翻滚端正度具体为：