基于关键点和视觉显著目标检测的电子人脸照片采集方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973384A(43)申请公布日2022.08.30(21)申请号202210820790.2G06V10/762(2022.01)(22)申请日2022.07.12(71)申请人天津科技大学地址300457天津市滨海新区天津经济技术开发区第十三大街9号(72)发明人张滢雪司占军种政于彦辉杨文鹏(74)专利代理机构北京鑫瑞森知识产权代理有限公司11961专利代理师王立普(51)Int.Cl.G06V40/16(2022.01)G06V10/26(2022.01)G06V10/46(2022.01)G06V10/56(2022.01)权利要求书3页说明书8页附图1页(54)发明名称基于关键点和视觉显著目标检测的电子人脸照片采集方法(57)摘要本发明公开了一种电子人脸照片采集方法，包括对输入图像依次进行人脸的唯一性检验、人脸的完整性检验和图像质量的检验，并根据检验结果确定符合制作电子照片要求的初始图像；对初始图像进行面部校正，获取标准姿态的面部图像；对标准姿态的面部图像进行显著目标检测，并根据检测结果进行图像分割，获取分离人物前景与背景的人物图像；对人物图像进行图像后处理，调整图像的尺寸与背景颜色，得到符合要求的电子人物照片；本发明能够在进行图像处理前更为全面地判断输入图像的可用性，一方面避免了处理无效图像带来的计算时间，一方面确保经过处理的输出图像是有效可用的，具有更高的效率和更强的稳定性，同时避免了额外的人工后处理。CN114973384ACN114973384A权利要求书1/3页1.基于关键点和视觉显著目标检测的电子人脸照片采集方法，其特征在于，包括：对输入图像依次进行人脸的唯一性检验、人脸的完整性检验和图像质量的检验，并根据检验结果确定符合制作电子照片要求的初始图像；对所述初始图像进行面部校正，获取标准姿态的面部图像；对所述标准姿态的面部图像进行显著目标检测，并根据检测结果进行图像分割，获取分离人物前景与背景的人物图像；对所述人物图像进行图像后处理，调整图像的尺寸与背景颜色，得到符合要求的电子人物照片。2.根据权利要求1所述的电子人脸照片采集方法，其特征在于，所述人脸的唯一性检验包括：对输入图像进行人脸检测，获取人脸区域的选框集合{fm|m＝1，2，...，M}，若M＝1，则所述人脸的唯一性检验通过，若M≠1，咋所述人脸的唯一性检验不通过。3.根据权利要求2所述的电子人脸照片采集方法，其特征在于，所述人脸的完整性检验包括：对唯一有效人脸f1进行关键点检测，获取人脸面部的81个关键点{(xi，yi)|i＝1，2，...81}，判断是否同时满足其中，W为图像横向分辨率，H为纵向分辨率，若能满足，则所述人脸的完整性检验通过，若不能满足，所述人脸的完整性检验不通过。4.根据权利要求3所述的电子人脸照片采集方法，其特征在于，所述图像质量的检验包括：将输入的图像转换为二维灰度图像；利用拉普拉斯算子L对所述灰度图像进行卷积操作，计算图像清晰度指标q：q＝std(CL(x，y))(3)其中，CL(x，y)是灰度图像所有像素点(x，y)处拉普拉斯算子的卷积，std()为标准差计算；设置清晰度阈值Tq，若q＞Tq，则输入图像质量检验通过，若q＜Tq，则输入图像质量检验未通过。5.根据权利要求1所述的电子人脸照片采集方法，其特征在于，所述获取标准姿态的面部图像包括：对所述初始图像基于仿射变换矩阵进行仿射变换，获取标准姿态的面部图像：其中，(x，y)(x′，y′)分别为输入图像及经仿射变换后的图像的像素点坐标。参数kkk′a1，a2，a3，a4由5个关键点在输入图像及标准姿态的面部图像中的坐标(x，y)，(x，yk′)代入求解得到。6.根据权利要求1所述的电子人脸照片采集方法，其特征在于，获取人物前景与背景分离的人物图像包括：利用简单线性迭代聚类超像素分割算法将图像分割为超像素；以超像素为节点构造图模型G(N，E)，其中N为节点，E为节点间的无向边；2CN114973384A权利要求书2/3页计算图模型G的权重矩阵Ω＝{ωij|i，j＝1，2，...，n}和度矩阵D＝diag{d11，...，dnn}，dii＝∑jωij(6)其中，ci和cj是图节点i，j在LAB色彩空间的颜色平均值，σ为常数；基于Ω和D，计算最优近邻矩阵A＝(D‑αΩ)‑1，并计算排序分数r*作为超像素的显著性*值，r＝AY，其中Y＝{Yi|i＝1，2，...，n]，是指示向量，指示每个节点是否为种子点，若是则Yi＝1，不是则为0；以图像上下左右四个边缘的所述超像素分别作为背景种子点，获取初始显著性图Sbq，Sbq(i)＝St(i)×Sb(i)×Sl(i)×Sr(i)，i＝1，2，...，n，其中，St(i)