專利名稱：一種快速的街景圖像中人臉的檢測模糊方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是ー種快速的街景圖像中人臉的檢測模糊方法。
背景技術(shù)：
在過去的幾年時間內(nèi)，在線的街景地圖產(chǎn)品得到了快速發(fā)展。其中最具有代表性的就是谷歌街景服務(wù)。街景圖像的大尺度和精確性使得用戶可以有效地對感興趣點的具體位置進行搜索，而且還可以虛擬地在街道級別的環(huán)境中進行漫歩。因此，一系列有趣有益的應(yīng)用營運而生，比如虛擬旅游，房地產(chǎn)搜索，增強性的駕駛導(dǎo)航等。但是，在拍攝街景圖像的過程中，往往會拍攝到ー些具有個人隱私的信息，主要包括人臉和車牌。為了保護這些隱私，需要對人臉和車牌區(qū)域進行檢測和模糊化處理。 街景圖像中的人臉檢測不同于傳統(tǒng)的人臉檢測，檢測的難度主要表現(xiàn)在以下幾個方面1、街景圖像尺寸很大，背景很復(fù)雜，光照變化較大，對比度?。?、人臉的姿態(tài)豐富多樣；3、人臉所占區(qū)域分辨率低，且存在部分遮擋的情況。傳統(tǒng)的人臉檢測和模糊方法未對該類街景圖像進行優(yōu)化，耗時較長，因此，本發(fā)明設(shè)計了ー種快速的街景圖像中人臉的檢測模糊方法。

發(fā)明內(nèi)容
本發(fā)明的目的是利用圖像處理技術(shù)提取街景圖像中人臉區(qū)域的特征，來檢測和模糊人臉區(qū)域。為此提供ー種快速的街景圖像中人臉的檢測模糊方法。為了達成所述目的，本發(fā)明提供ー種快速的街景圖像中人臉的檢測模糊方法，其特征在于，該方法包括以下步驟步驟1，對街景原始圖像進行預(yù)處理，得到待處理街景圖像；步驟2，采用預(yù)先訓(xùn)練出來的Harr-Iike特征人臉數(shù)據(jù)庫，使用分類器訓(xùn)練算法對待處理街景圖像進行檢測，得到待處理街景圖像中的待定人臉區(qū)域；步驟3，對于所有待定人臉區(qū)域，根據(jù)人臉的形狀、位置特征，初歩判斷該待定人臉區(qū)域是否為真實人臉區(qū)域；步驟4，根據(jù)待定人臉區(qū)域是否滿足一定的膚色檢測限制條件，再次判斷經(jīng)所述步驟3初歩判斷為人臉區(qū)域的區(qū)域是否為真實人臉區(qū)域；步驟5，根據(jù)待定人臉區(qū)域是否滿足一定的人肩像檢測限制條件，判斷經(jīng)所述步驟4再次判斷為人臉區(qū)域的區(qū)域是否為真實人臉區(qū)域；步驟6，根據(jù)人臉的空間特征，對經(jīng)所述步驟5判斷為真實人臉區(qū)域的區(qū)域進行最后的檢測；步驟7，對最終檢測得到的人臉區(qū)域進行模糊化處理。本發(fā)明引入基于貝葉斯統(tǒng)計的膚色檢測方法和基于HOG特征的人肩像檢測方法來排除非人臉區(qū)域，本發(fā)明基于人臉區(qū)域的Harr-Iike特征、形狀和顔色特征，創(chuàng)造性地設(shè)計了快速、魯棒的人臉檢測算法。本發(fā)明巧妙地采用水平和垂直模板對人臉區(qū)域進行平滑模糊處理，在保證模糊效果的同吋，大大提高了處理速度。


圖I是本發(fā)明提出的街景圖像中人臉的檢測模糊方法流程圖；圖2是根據(jù)本發(fā)明實施例的基于Harr-Iike特征和Adaboost算法檢測出來的待定人臉區(qū)域圖像；圖3是根據(jù)本發(fā)明實施例的最終檢測得到的人臉區(qū)域的結(jié)果圖像；圖4是對圖3中的人臉區(qū)域經(jīng)水平和垂直方向模糊處理后的結(jié)果。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進ー步詳細說明。本發(fā)明的基本原理是提取人臉的Harr-Iike特征、形狀特征、皮膚顏色特征以及空間特征來檢測人臉，并對人臉區(qū)域進行水平和垂直方向的平滑模糊處理。圖I是本發(fā)明提出的街景圖像中人臉的檢測模糊方法流程圖，如圖I所示，本發(fā)明提出的街景圖像中人臉的檢測模糊方法包括以下步驟步驟1，對街景原始圖像進行預(yù)處理，得到待處理街景圖像；設(shè)街景原始圖像的分辨率為W*H，考慮到街景圖像中的頂部區(qū)域中不存在人臉區(qū)域，底部為街景圖像采集車，因此，去除街景原始圖像的頂部W^ll像素區(qū)域和底部W*h2像素區(qū)域，得到分辨率為胃* -、-、)的待處理街景圖像。在通常應(yīng)用中，街景原始圖像的分辨率一般為1232*1616，去除街景原始圖像的頂部1232*500像素區(qū)域，和底部1232*300的像素區(qū)域，得到分辨率為1232*816的待處理街
景圖像。步驟2，采用預(yù)先訓(xùn)練出來的Harr-Iike特征人臉數(shù)據(jù)庫，使用分類器訓(xùn)練算法對待處理街景圖像進行檢測，得到待處理街景圖像中的待定人臉區(qū)域；所述分類器訓(xùn)練算法可以采用現(xiàn)有技術(shù)中的Adaboost算法，設(shè)輸入的η個訓(xùn)練樣本為IXx1, Yi)，(x2，I2), , (χη, yn)}，其中，Xi為輸入的訓(xùn)練樣本，Yi e {0,1}表示樣本Xi為正樣本還是負樣本，η個訓(xùn)練樣本中，正樣本數(shù)為k，負樣本數(shù)為m，n = k+m。Adaboost算法的具體步驟可以簡單描述為1、初始化每個樣本的權(quán)值對于正樣本，其權(quán)值wt, i初始化為l/2k，對于負樣本，其權(quán)值wt, i初始化為l/2m ；2、對第t個弱分類器，t = 1，. . .，T，T為弱分類器的個數(shù)I)對樣本的權(quán)值進行歸ー化
權(quán)利要求
1.一種街景圖像中車牌的檢測模糊方法，其特征在于，該方法包括以下步驟 步驟1，對街景原始圖像進行預(yù)處理，得到待處理街景圖像； 步驟2，采用預(yù)先訓(xùn)練出來的Harr-Iike特征人臉數(shù)據(jù)庫，使用分類器訓(xùn)練算法對待處理街景圖像進行檢測，得到待處理街景圖像中的待定人臉區(qū)域； 步驟3，對于所有待定人臉區(qū)域，根據(jù)人臉的形狀、位置特征，初步判斷該待定人臉區(qū)域是否為真實人臉區(qū)域； 步驟4，根據(jù)待定人臉區(qū)域是否滿足一定的膚色檢測限制條件，判斷經(jīng)所述步驟3初步判斷為人臉區(qū)域的區(qū)域是否為真實人臉區(qū)域； 步驟5，根據(jù)待定人臉區(qū)域是否滿足一定的人肩像檢測限制條件，判斷經(jīng)所述步驟4判斷為人臉區(qū)域的區(qū)域是否為真實人臉區(qū)域； 步驟6，根據(jù)人臉的空間特征，對經(jīng)所述步驟5判斷為真實人臉區(qū)域的區(qū)域進行最后的檢測； 步驟7，對最終檢測得到的人臉區(qū)域進行模糊化處理。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟I中，設(shè)街景原始圖像的分辨率為W*H，考慮到街景圖像中的頂部區(qū)域中不存在人臉區(qū)域，底部為街景圖像采集車，去除街景原始圖像的頂部W*hi像素區(qū)域和底部W*h2像素區(qū)域，得到分辨率為W* (H-hrh2)的待處理街景圖像。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟3中，所述根據(jù)人臉的形狀、位置特征，初步判斷該待定人臉區(qū)域是否為真實人臉區(qū)域的步驟進一步為，根據(jù)人臉的形狀、位置特征設(shè)置限制條件，滿足所述限制條件的區(qū)域即初步判斷為人臉區(qū)域。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述限制條件為 ①人臉區(qū)域的長寬比滿足的條件為Smin< VRw < Smax，其中，R1為人臉區(qū)域的長，Rw為人臉區(qū)域的寬，Smin和Smax分別為人臉區(qū)域長寬比的下限值和上限值； ②人臉區(qū)域的寬度和高度需滿足RWniin〈 Rw〈 max，^l_min 〈Rl〈 ^l rnax，其中，Rn—min 為人臉區(qū)域的寬度Rw的下限值，Rwjiax為Rw的上限值，Rljlin為人臉區(qū)域的長度R1的下限值，札―_為R1的上限值； ③人臉的寬與該人臉在街景圖像中的位置的縱坐標成線性關(guān)系，即滿足RW< c[*y。+^，其中，α，β為系數(shù)，y。為人臉區(qū)域中心的縱坐標。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟4進一步包括以下步驟 步驟41，將待定人臉區(qū)域圖像由RGB空間轉(zhuǎn)換到Y(jié)CrCg空間； 步驟42，基于貝葉斯統(tǒng)計方法，統(tǒng)計轉(zhuǎn)換到Y(jié)CrCg空間的待定人臉區(qū)域圖像中滿足人臉膚色條件的像素數(shù)η ; 步驟43，計算滿足人臉膚色條件的像素數(shù)η占待定人臉區(qū)域圖像總像素數(shù)的百分比ρ=η/Ν*100%，其中，N為待定人臉區(qū)域的總像素數(shù)，若所述百分比滿足ρ彡P(guān)min，其中，Pfflin為膚色像素數(shù)占人臉區(qū)域總像素數(shù)的百分比下限值，則判斷所述待定人臉區(qū)域為真實人臉區(qū)域。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟42中，在YCrCg空間中，滿足條件135 < Cr < 165和90 < Cg < 125的像素為人臉膚色像素，其中，(；為紅色分量和亮度值的差，Cg為綠色分量與亮度值的差。
7.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟5進一步包括以下步驟 步驟51，以待定人臉區(qū)域圖像為基礎(chǔ)，將該待定人臉區(qū)域圖像擴展為以該待定人臉區(qū)域為人臉的人肩像區(qū)域，該人肩像區(qū)域的中心坐標為=Utl, Yo-R1),大小為(3*RW) X (4* ),其中，(xo，Yo)為待定人臉區(qū)域的中心坐標，R1為人臉區(qū)域的長，Rw為人臉區(qū)域的寬； 步驟52，采用預(yù)先訓(xùn)練出來的人肩像梯度直方圖HOG特征數(shù)據(jù)庫，結(jié)合支持向量機SVM和Adaboost分類器訓(xùn)練算法，檢測以該待定人臉區(qū)域為人臉的人肩像區(qū)域是否為真實的人肩像區(qū)域； 步驟53，滿足所述步驟52的要求的待定人臉區(qū)域判斷為真實人臉區(qū)域。
8.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟6中，采用容器法對真實的人臉區(qū)域進行最后的檢測，包括以下幾個步驟 步驟61，判斷容器是否為空，如果容器為空，則將該人臉區(qū)域直接加入容器中；如果容器不為空，則進入步驟62 ； 步驟62，設(shè)經(jīng)所述步驟5判斷為真實人臉區(qū)域的區(qū)域Ptl的中心位置為( , y0)，容器中存在的人臉區(qū)域P'的中心位置為Ge' ,1')，若滿足|Χ(ΓΧ' |<1'1)且％>^，則用當(dāng)前人臉區(qū)域Ptl替換容器中的人臉區(qū)域P,，其中，Td為橫坐標距離閾值；若滿足|Χ(ΓΧ'<TD且yQ<y'，則當(dāng)前人臉區(qū)域Ptl不加入容器中；若滿足|Χ(ΓΧ' I彡TD，則將當(dāng)前人臉區(qū)域Ptl加入容器中； 步驟63，最終容器中存在的人臉區(qū)域即為最終檢測得到的人臉區(qū)域。
9.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟7中，首先對最終檢測得到的人臉區(qū)域采用模板[111111111]進行水平方向上的平滑模糊，然后采用模板進行垂直方向上的平滑模糊，[11111111]τ表示[111111111]的轉(zhuǎn)置。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述水平方向上的平滑模糊為以所述人臉區(qū)域中的每個像素為一長度為9的水平窗口的中心點，計算該窗口內(nèi)所有像素的平均值，并以該平均值替換當(dāng)前像素的像素值，遍歷所述人臉區(qū)域中的所有像素，得到所述人臉區(qū)域水平方向上的平滑模糊結(jié)果；所述垂直方向上的平滑模糊與水平方向上的平滑模糊類似，只是平滑模糊處理時所使用的窗口為垂直方向上的窗口。
全文摘要
本發(fā)明公開了一種快速的街景圖像中人臉的檢測模糊方法，該方法包括以下步驟去除不包含人臉區(qū)域的區(qū)域；根據(jù)Harr-like特征的Adaboost檢測算法檢測出人臉的候選區(qū)域；根據(jù)人臉的形狀、顏色特征，設(shè)置一定的限制條件來排除非人臉區(qū)域；對所有的人臉區(qū)域進行水平、垂直方向的平滑模糊，得到結(jié)果圖像。本發(fā)明引入基于貝葉斯統(tǒng)計的膚色檢測方法和基于HOG特征的人肩像檢測方法來排除非人臉區(qū)域，基于人臉區(qū)域的Harr-like特征、形狀和膚色特征，提出了快速、魯棒的人臉檢測算法。本發(fā)明巧妙地采用水平和垂直模板對人臉區(qū)域進行平滑模糊處理，在保證模糊效果的同時，大大提高了處理速度。
文檔編號G06K9/00GK102819733SQ201210281818
公開日2012年12月12日 申請日期2012年8月9日 優(yōu)先權(quán)日2012年8月9日
發(fā)明者王欣剛, 楊鑫 申請人:中國科學(xué)院自動化研究所