[发明专利]一种人脸敏感区域检测方法

说明书

本发明公开了一种人脸敏感区域检测方法，包括获取人脸；获取最大占比人脸；获取关键点；扩展关键点，获得mask区；生成人脸红图；获取红图脸颊区域及其阈值；获取二值mask图像。本发明一种人脸敏感区域检测方法通过扩展增设用于进行额头定位的额头关键点以更全面地进行人脸敏感区域检测，并通过生成人脸红图进行检测以增强抗扰动性，提高检测的精准度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸敏感区域检测方法。

背景技术

在医疗及日常皮肤保养过程中通常需要检测个人的皮肤状况，尤其是脸部的皮肤状况。常用的方式是医师直接根据用户的人脸照片或影像，从中选出呈现皮肤斑点与痘疤等皮肤缺陷影像的照片或影像。若为实体的照片，则可利用签字笔或其它有色笔在实体照片上圈选呈现皮肤缺陷影像的部位；若为数字影像，则利用光笔在操作界面上的显示画面上圈选呈现皮肤缺陷影像的部位，或利用相关操作界面的标示功能，直接于显示画面上圈选呈现皮肤缺陷影像的部位。之后医师与患者双方再评估与讨论需要进行皮肤美容与治疗的部位。

然而此模式对医师和患者而言，需花费较多的时间成本与人力成本，因此，出现了现有的脸部缺陷分析系统，但现有的脸部缺陷分析系统的直接利用原输入图像进行图像处理，抗干扰性差，检测精准率低。

鉴于此，有必要提供一种人脸敏感区域检测方法以提高抗干扰性能，提升检测的精准率。

发明内容

本发明所要解决的技术问题是提供一种人脸敏感区域检测方法以提高抗干扰性能，提升检测的精准率。

为解决上述技术问题，本发明采用如下所述的技术方案：一种人脸敏感区域检测方法，包括：

获取人脸：使用目标检测算法基于PyTorch深度学习框架对采集图像进行人脸检测，获取每一人脸图像并保存其于采集图像中的位置信息；

获取最大占比人脸：计算各个人脸图像于采集图像的面积占比，获取面积占比最大的人脸图像为最大占比人脸图像，记录其位置信息；

获取关键点：通过Dlib数据库对获得的最大占比人脸图像进行人脸关键点检测，获取所有的人脸关键点的坐标，其中，所述人脸关键点包括左眼关键点、右眼关键点、嘴巴关键点、鼻子关键点及脸周关键点；

扩展关键点，获得mask区：根据所述人脸关键点的坐标扩展增设用于进行额头定位的额头关键点，更新人脸关键点，结合额头关键点及脸周关键点进行人脸区域定位，根据左眼关键点、右眼关键点及嘴巴关键点分别进行左眼区域定位、右眼区域定位及嘴巴区域定位，排除人脸区域中的左眼区域、右眼区域及嘴巴区域，获得最大占比人脸图像的用于进行人脸敏感区域检测定位的mask区；

生成人脸红图：将所述采集图像转换为YCrCb颜色空间的色彩图像，Y为亮度分量，Cr为红色色度分量，Cb为蓝色色度分量，以蓝色色度分量为横坐标轴，红色色度分量为纵坐标轴，建立色度平面直角坐标系，计算色彩图像的每个像素与色度平面直角坐标系中的设定直线L之间的相对位置，放大获得的相对位置，获取放大相对位置，并限定其对应的灰度，根据获得的灰度结合红色色卡，生成人脸红图；

获取红图脸颊区域及其阈值：根据生成的人脸红图，结合扩展更新后的人脸关键点，选取对应位于脸颊区域的人脸关键点，获取红图脸颊区域，将左、右脸颊区域拼接为红图脸颊图像，利用图像阈值分割法获取红图脸颊图像的图像阈值；

获取二值mask图像：利用获得的mask区于人脸红图进行定位，结合获得的图像阈值对定位后的人脸红图进行图像阈值分割，获得二值mask图像为人脸敏感区域图像。

其进一步技术方案为：所述获取人脸的步骤前还具体包括：图像采集：利用带有偏正片的摄像头的摄像设备进行人脸拍摄，获取采集图像。

其进一步技术方案为：所述获取人脸的步骤具体包括：