專利名稱：：一種臉型輪廓的檢測與分類方法一種臉型輪廓的檢測與分類方法技術(shù)領(lǐng).域本發(fā)明涉及一種圖像處理方法，特別地涉及一種臉型輪廓的檢測與分類方法。
背景技術(shù)：
：隨著我國人民物質(zhì)生活水平的日益提高，人們在自我形象設(shè)計方面的需求迅速增長，與此同步，所對應(yīng)的服務(wù)行業(yè)，如形象設(shè)計、美容美發(fā)、服裝首飾、化妝娛樂等，也正向著個性化、專業(yè)化、科學(xué)化、信息化的方向發(fā)展。在這些領(lǐng)域中的很多場合，服務(wù)商在提供產(chǎn)品和服務(wù)時，需要根據(jù)顧客的臉型做出相廠2的設(shè)計或推薦，如發(fā)型選擇、首飾佩戴等。在日常生活中，包括從我們國家的歷史記載，對人的臉型有一些典型的分類方法，例如，一種方法把臉型分為圓臉、方臉、蛋臉、鉆型臉、三角臉、長臉、洋梨臉等七種(參見圖3)。針對這些臉型，盡管人們在長期的實踐中也總結(jié)出許多廣為認可的規(guī)律，例如，何種臉型的人適合何種發(fā)型、首飾等，但是目前這些行業(yè)的服務(wù)人員水平參差不一，難以為客戶提供高水平、科學(xué)準確的判定。人為因素所產(chǎn)生的偏差時常存布，隨意作出的臉型判斷以及基于該結(jié)果所提供的服務(wù)使客戶難以信服和滿意。這種技術(shù)現(xiàn)狀極大地限制了這些行業(yè)的服務(wù)質(zhì)量和發(fā)展。本發(fā)明的主要目的就是為這些行業(yè)提供一種科學(xué)的圖像處理方法，使人們在工作時有據(jù)可依，科學(xué)快捷，信息化、數(shù)字化。圖像處理是目前多媒體技術(shù)和信號處理
技術(shù)領(lǐng)域：
的重要組成部分，其中對圖像中的人臉進行檢測和識別是研究人員開展了多年的一項技術(shù)，取得了豐富的技術(shù)成果，并在多媒體處理、攝像技術(shù)、安防、公安等領(lǐng)域獲得有效的應(yīng)用。、目前，對圖像中的人臉位置進行檢測和定位已經(jīng)有了比較有效的方法，例如釆用經(jīng)典的Haar人臉檢測方法等。這類方法可以對圖像中的人臉進行檢測定位。其基本方法是，首先通過對人臉的正面或側(cè)面特征進行建模，建立特征庫，然后，在使用時對整個圖像進行掃描和匹配，來確定圖像中是否存在人臉，及其具體位置(參見圖1);其次是在圖像中的人臉位置確定后確定臉部的輪廓。在圖像處理中，人們也提出了進行輪廓(邊緣)檢測的方法，如Canny,Sobel，Prewitt等。在Canny方法中，通過尋找圖像中局部最大灰度級梯度，并設(shè)定門限的方法來判別圖像中的各個邊緣位置。但由于該方法并不假設(shè)圖像的內(nèi)容，也不對將要得到的輪廓有任何假設(shè)和要求，因此，當對一幅人臉圖像進行處理時，由于拍攝時光線的因素，在絕大多數(shù)情況下會獲得一個不連續(xù)、邊緣凹凸的復(fù)雜的輪廓檢測結(jié)果，尤其在頭發(fā)、下巴等處，如圖2所示。因此這種方法得不到臉型輪廓，也就更無法利用這個結(jié)果進行臉型分類。其它的邊緣檢測方恃也存在同樣的問題。因此通常人們所說的人臉識別技術(shù)，事實上是比較人臉中僅包含兩眼、鼻子嘴巴在內(nèi)的一個矩形區(qū)域內(nèi)的圖像特征的接近程度，與人臉輪廓并沒有直接關(guān)系。也就是說現(xiàn)有利用現(xiàn)有技術(shù)無法檢測得到準確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進行臉型分類。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種臉型輪廓的檢測與分類方法，以克服現(xiàn)有技術(shù)存在的無法檢測得到準確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進行臉型分類的問題。為克服現(xiàn)有技術(shù)存在的問題，本發(fā)明提供的技術(shù)方案是一種臉型輪廓的檢測與分類方法，包括以下步驟歩驟(一)人臉定位采用現(xiàn)有的檢測方法檢測出任意圖像中一幅或多幅人臉的位置，并給出臉GP的矩形區(qū)域^5a)，其中對角頂點的坐標為j(X"，^),C(Xc，yb,中心點o的坐標<formula>formulaseeoriginaldocumentpage8</formula>步驟(二)人臉輪廓檢測首先設(shè)定臉型輪廓的基本模型為一個由若干個點組成矢量封閉對稱曲線Zm，其坐標序列為<formula>formulaseeoriginaldocumentpage8</formula>將常見七種臉型中的蛋形臉作為基本模型。令&，W坐標的高度少i等間隔變化，這樣僅需確定各點的橫坐標x,就可以確定臉型輪廓。定義該輪廓中心軸的橫坐標為仏并以臉寬作歸一化，即設(shè)臉寬為1，臉高隨比例隨后確定。將矢量曲線Zm的中心與臉部中心點O重合，以臉部矩形區(qū)域」5CD的大小為基準，以O(shè)為參考點，對丄m作矢量伸縮，使得丄m的上下左右頂點&,《2,&,《4分別切上臉部范圍^BCD的各個邊沿，將此時的各個曲線坐標作為臉型輪廓的初始值丄fl;在初始輪廓丄。的基礎(chǔ)上，對臉部的各個部位的細節(jié)進行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標位置，分別敘述如下，(1)額頭的髙度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線修正的步驟是(a)在人臉區(qū)域矩形內(nèi)，取出上1/4區(qū)域的中間1/2的部分A，以陰影來表示，這部分圖像中下半部分為額頭，上半部分為頭發(fā)。(b)確定發(fā)跡線的檢測準則將區(qū)域^內(nèi)各個點處的象素點灰度級C^分為W個區(qū)間，統(tǒng)計所有象素點的灰度級，尋找數(shù)目最小的象素點區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級門限Gr。(c)在區(qū)域A中，自下向上，統(tǒng)計所取圖像中每行各個像素的灰度級高于門限Gr的點的數(shù)目，當某一行中，高于門限G"勺像素點的數(shù)目與該行像素點的總數(shù)目的比例高于1/7時，確定該行所處的垂直位置就是發(fā)跡線，即額頭的頂端。(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整^，使其上頂點A與該垂直位置重合，修正后的輪廓曲線保存在丄/中。如果由于照片中人臉圖像的頭發(fā)將發(fā)跡線全部遮蓋根本找不到，將不滿足上述的(C)的條件，這時就維持初始值^不變；(2)下巴高度的確定下巴的垂直位置是下巴的淺色區(qū)域(光照較強)與頸部的深色(光照較弱)的交接處，判斷步驟是(a)在人臉區(qū)域矩形^SCD內(nèi)，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域i2。(b)對區(qū)域A中的每一行的像素灰度級求和，和值最小的那一行對應(yīng)的就是下巴的高度位置。(C)根據(jù)下巴的垂直位置，伸縮調(diào)整￡7，修正后的輪廓曲線保存在丄2中。(3)左右臉頰的確定(a)除掉人臉區(qū)域矩形v4BO)內(nèi)縱向中間1/3的部分，兩個區(qū)域為&;和&2。(b)對區(qū)域為和&2的各列像素的灰度級進行求和；(C)搜索左側(cè)區(qū)域^;的左邊的『/"寬度的區(qū)域和右側(cè)區(qū)域&2的右邊的『/"寬度的區(qū)域內(nèi)各列像素灰度級之和的最小值，得到左右兩側(cè)臉頰的橫坐標位置。(d)根據(jù)臉頰的水平位置，水平伸縮調(diào)整丄2，修正后的輪廓曲線保存在丄j中。步驟(三)臉型分類獲得臉型輪廓曲線后，可以利用現(xiàn)有的方法進行分類。上述步驟(二)中，還可以包括(4)腮部形狀的修訂，其具體步驟是(a)單獨取出人臉區(qū)域^SCD的下半部分來提取人臉腮部的圖像；(b)利用Canny方法進行邊緣檢測，在腮部獲得一些不連續(xù)的輪廓邊緣；(c)找出腮部諸多輪廓邊緣線條中長度最長的線條/，保存這根線條的所有點的坐標一，"U,…，P;(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，=0.5sina,+A:(sin",.)0.4y,=0.5!/W其中/=0，7,2,,A^M^-7，由此獲得一組a和A。然后，在該函數(shù)中僅需調(diào)節(jié)k值即可改變?nèi)壳€曲率，形成各型腮部形狀,-(e)利用上述的函數(shù)，使HI從-0.1向0.1變化，尋找與(c)中找到的線條/最吻合的曲線，使得在各個高度上，該曲線與線條/的水平距離均方差最小，該線務(wù)即為腮部最佳邊緣曲線；(f)根據(jù)最佳邊緣曲線，替換丄3中的對應(yīng)坐標，修正后的輪廓曲線保存在丄中。上述步驟(三)中，所采用的分類方法具體是根據(jù)人臉輪廓結(jié)果計算特征參數(shù)，然后將特征參數(shù)與分類門限進行比較，最終獲得臉型類別最具代表性的特征參數(shù)臉高與臉寬之比H2W—RATIO,下巴寬與臉寬之比XB—RATIO,額頭寬與臉寬之比ET—RATIO,兩腮寬與臉寬之比LS一RATIO，下巴曲率YJ一RATI02，利用這些特征值進行統(tǒng)計，可獲得具體的分類門限參數(shù)，在下面的表中給出一個簡單的臉型分類的判斷條件臉型名稱條件(與的關(guān)系)長形臉蛋形臉圓臉方臉LS7M77<9〉線心形臉JT5J^77(9〈諸Z51—7^77(9<=睛K/—7^7702<-謹洋梨五r—iL4770《睛LS一緒70五7二7^77(9〉0JJ鉆形臉朋JM7TO〈0.5211當某個臉型不滿足任何一個條件組合時，他/她可能介于某兩種臉型之間。上述步驟(一)中，所述臉部區(qū)域檢測方法是Harr方法上述步驟(二)中，對稱曲線丄111的坐標序列為&，；^，/=^，..,^^M越大精度越高。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點是本發(fā)明提出一種檢測任意圖像中人臉外型輪廓的方法，該方法首先從圖像中定位出人臉的位置，然后確定出一個完整、連續(xù)、光滑的臉型輪廓，最后對人臉外型輪廓的類型進行分類。本發(fā)明可以為形象設(shè)計、美容、美發(fā)、服裝、首飾、化妝、娛樂等諸多行業(yè)提供有效的自動圖像處理手段，為各種應(yīng)用行業(yè)提供自動化、客觀的技術(shù)支持。同時，還可幫助廣大群眾進行自我臉型判定，根據(jù)規(guī)律進行自我形象設(shè)計。圖1:利用Harr臉型檢測方法可以有效地檢測出一幅圖像中人臉的位置；圖2:利用Canny方法進行邊緣檢測的結(jié)果；圖3:常見的七種臉型；圖4:蛋形臉的基本模型及其頂點位置表示；圖5:臉部范圍以及進行額頭、下巴搜索的區(qū)域示意圖6:臉部范圍以及進行左右兩側(cè)臉頰搜索的區(qū)域示意圖7:臉型定位、輪廓檢測和分類的輸入輸出關(guān)系流程；圖8:人臉輪廓檢測方法流程；圖9:臉型分類流程；圖10:輪廓檢測具體實施例，圖中的紅色曲線為計算機自動計算出來的結(jié)果。具體實施方式-下面將結(jié)合附圖對本發(fā)明做詳細地說明。本發(fā)明的目的是要從一幅圖像中檢測到人臉的位置，得到其臉部外型輪廓，最終給出分類結(jié)果。參見圖4，實施步驟分為三步，即人臉定位、人臉輪廓檢測和臉型分類。步驟(一)人臉定位，采用現(xiàn)有的Harr檢測方法可有效檢測出任意圖像中一幅或多幅人臉的位置，并給出臉部的矩形區(qū)域頂點的坐標。在后面的敘述中，我們僅以一幅人臉圖像為例來解釋。當原始圖像片中有多于一幅人臉時，該方法可以逐一檢測出每幅人臉的位置和范圍。參見圖1，定義檢測出的人臉區(qū)域的四個角的坐標分別為A,8,C,D，其中/\的坐標為(Xa，Ya)，C的坐標為(Xc,Yc)，中心點為Of(Xa+;fc)/2,(T"+步驟(二)人臉輪廓檢測，過程參見圖5，其中包括在臉部區(qū)域的坐標內(nèi)分別對額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標位置，腮部形狀進行修訂后合成最終的臉型輪廓。當獲得臉部區(qū)域的坐標后，尋找臉型輪廓的圖像處理工作就局限在該區(qū)域附近。為了使獲得的臉型輪廓是一個光滑、連續(xù)、封閉的曲線，我們采用以下方法首先設(shè)定臉型輪廓的基本模型為由若干個點組成矢量封閉對稱曲線Zm，其坐標序列為^，^，/=7義..，似，采用圖3中蛋形臉作為基本模型，圖7給出該臉型及其各個頂點的示意圖。本實施例中給出采用一個左右對稱的，由A/=72個點構(gòu)成蛋形臉的輪廓作為基本模型。令(3c,，^坐標的高度等間隔變化，這樣僅需確定各點的橫坐標就可以確定臉型輪廓。定義該輪廓中心軸的橫坐標為0，并以臉寬作歸一化，即臉寬為l，高度隨比例來定。下面給出本發(fā)明采用的一組輪廓中的一半36個點的坐標如下(左右對稱)，橫坐標的順序為從下巴到額頭A.i=[0.00000.25010.30250.35490.38890.41530.43460.45240.46720.47590.48500.49070.49380.50000.49990.49960.49900.49790.49580.49140.48260.47760.46750.45570.44470.43080.41570.39390.37090.34590.31680.27920.23760.18340.14590.0000]由于我們已知臉部的大致范圍JSCD，因此可以將矢量曲線Zm的中心與臉部中心點(9重合，以臉部范圍大小為基準，以O(shè)為參考點，對Z^作矢量伸縮，使得丄m的上下左右頂點《/，&，^^分別貼上臉部范圍WCZ)的各個邊沿，將此時的各個曲線坐標作為臉型輪廓的初始值丄o。在初始輪廓丄。的基礎(chǔ)上，需要對臉部的各個部位的細節(jié)進行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標位置，腮部形狀等。確定這幾項參數(shù)的方法可以通過對圖像灰度級的分析來獲得。我們在通過對大量的照片的觀察與統(tǒng)計實驗后，獲得了一套十分有效的方法，在圖8中給出實施步驟流程，根據(jù)人臉的定位結(jié)果，可以大致獲得人臉范圍頂點坐標，根據(jù)此再精確定位額頭高度、下巴高度，左右側(cè)臉頰的水平頂點位置，腮部曲線，最終合成臉型輪廓。具體方法在下面作詳細介紹。在這幾個參數(shù)的確定過程中，原來的初始值丄o會根據(jù)修訂結(jié)果進行調(diào)整，所得結(jié)果將逐漸逼近真實臉型輪廓額頭的高度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線。找到發(fā)跡線的垂直位置，就可以用來進一步修正臉型輪廓初始值丄o最上部頂點的精確位置。確定額頭發(fā)跡線的困難之處在于，并不是每張照片都把發(fā)跡線清晰地裸漏在外面，有時候是一部分，有時候就幾乎看不到。頭發(fā)的遮擋成為主要困難。為此采取以下方法首先，我們已經(jīng)有初始值Zo最上部頂點的位置。如果發(fā)跡線根本就找不到，我們就不修改初始值丄0。如果有一部分漏出來，那么我們就有可能對發(fā)跡線進行檢測，修正初始值丄o。判斷發(fā)跡線的方法是-(a)如圖7所示，在人臉區(qū)域矩形JiCD內(nèi)，取出上1/4區(qū)域的中間1/2的區(qū)域A，以陰影來表示，這部分圖像中下半部分應(yīng)該為額頭，上半部分應(yīng)該為頭發(fā)。'(b)確定發(fā)跡線的檢測準則。將區(qū)域&內(nèi)各個點處的象素點灰度級G^分為W個區(qū)間(例如，iV=70)。在這一部分，頭發(fā)的黑色與額頭的黃色所對應(yīng)的灰度級像素點應(yīng)當所占比例較高，而發(fā)跡線處的灰度級象素點相比占少數(shù)。因此，我們統(tǒng)計所有象素點的灰度級，尋找數(shù)目最小的象素點區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級門限(C)在區(qū)域A中，自下向上，統(tǒng)計所取圖像中每行各個像素的灰度級高于門限(^的點的數(shù)目。當某一行中，高于門限Gr的像素點的數(shù)目與該行像素點的總數(shù)目的比例高于l/7時(經(jīng)驗值)，認為該行所處的垂直位置就是發(fā)跡線，即額頭的頂端。(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整^，修正后的輪廓曲線保存在丄,中。下巴髙度的確定參見圖1，下巴的垂直位置是下巴的淺色區(qū)域(光照較強)與頸部的深色(光照較弱)的交接處。具體的判斷方法是(a)參見圖7，在臉部區(qū)域中，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域52。(b)對區(qū)域B2中的每一行的像素灰度級求和，和值最小的那一行對應(yīng)的就是下巴的高度位置。(c)根據(jù)下巴的垂直位置，伸縮調(diào)整Z^，修正后的輪廓曲線保存在&中。左右臉頰的確定左右臉頰橫坐標位置的確定受到耳朵、頭發(fā)、光線照射、背景因素的影響，確定起來比較困難。具體的判斷方法是(a)如圖8所示，除掉人臉范圍縱向中間三分之一的部分，這樣做會把耳朵部分的影響去掉。兩個區(qū)域為&/和^2。(b)對區(qū)域為和&2的各列像素的灰度級進行求和；(C)根據(jù)人臉的形狀特點，在絕大部分照片中，搜索左側(cè)區(qū)域&;的左邊的壞7"寬度的區(qū)域和右側(cè)區(qū)域&2的右邊的寬度的區(qū)域內(nèi)各列像素灰度級之和的最小值，就可以得到左右兩側(cè)臉頰的橫坐標位置。(d)根據(jù)臉頰的水平位置，水平伸縮調(diào)整丄2，修正后的輪廓曲線保存在丄3中。由于以上一直采用的是一個基本的臉型模型，在此基礎(chǔ)上只是簡單地進行高低胖瘦的變化，這樣做對大部分臉型基本可以滿足要求。但對一些如方臉、心形臉等，就不能很好的逼近。這時我們需要對腮部(整個臉型輪廓下部1/2的曲線)進行重新調(diào)整。腮部形狀的修訂具體實施步驟如下(a)提取人臉腮部的圖像，如圖1所示，我們單獨取出區(qū)域」BCZ)的下半部分。(b)利用Canny方法進行邊緣檢測。這樣我們會獲得一些斷斷續(xù)續(xù)的邊緣。如圖2中虛線所示的區(qū)域，這里面會有一些線條是腮部輪廓的線條，而許多線《則不是。(c)找出腮部諸多線條中長度最長的線條/，這根線條一般就是人臉輪廓，保存這根線條的所有點的坐標,:^，y'=A2,...，P。(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，jc,二0.5sina,+A:(sinA)0.4少，=0.5其中k-i,i=0，l,2,...，N,N=M/4-i，由此獲得一組a和y9。然后，在該函數(shù)中僅需調(diào)節(jié)W直即可改變?nèi)壳€曲率，形成各型腮部形狀。例如，當^/=72時，我們可以得到a=[1.57081.62971.68871.74821.80831.86931.93151.99522.06082.12872.19972.27452.35452.44142.53842.65162.79693.14159]3-腮部曲線是臉型輪廓曲線Z的前半部分，左右對稱，計算一邊即可，共18個點。(d)利用上述函數(shù)，使W直從-0.1向0.1變化，尋找與線條撮吻合的曲線，使得在各個高度上，該曲線與線條/的水平距離均方差最小，該線條即為腮部最佳邊緣曲線。(e)根據(jù)最佳邊緣曲線，替換&中的對應(yīng)坐標，修正后的輪廓曲線保存在丄中。(1)臉型輪廓計算結(jié)束。步驟(三)；臉型分類參見圖9。首先根據(jù)人臉輪廓結(jié)果計算特征參數(shù)，然后將特征參數(shù)與分類門限進行比較，最終獲得臉型類別。為了區(qū)分不同的臉型，確定了以下幾個最具代表性的特征參數(shù)臉高與臉寬之比，下巴寬與臉寬之比，額頭寬與臉寬之比，兩腮寬與臉寬之比，下巴曲率。通過對這些參數(shù)單項進行統(tǒng)計，然后進行門限設(shè)定與比較，就可以實現(xiàn)對每幅臉型進行分類，分類參數(shù)如下間臉高與臉寬之比772『J^770(b)下巴寬與臉寬之比^SJL477(9W額頭寬與臉寬之比五rjM77(9問兩腮寬與臉寬之比丄S—i^77<9間下巴曲率K/J^7Y(92利用這些特征值進行統(tǒng)計，可獲得具體的分類門限參數(shù)，在下面的表中給出一個簡單的臉型分類的判斷條件。<table>tableseeoriginaldocumentpage17</column></row><table>五r—7^477(9鏡鉆形臉AT—7^477(9<0.7丄S—7M7YO+五rjL477(9<="0當某個臉型不滿足任何一個條件組合時，他/她可能介于某兩種臉型之間。這種情況可以根據(jù)用戶的需求進行處理。當自動臉型輪廓檢測完成后，用戶還可以自行作小范圍修改，以便達到最佳效果。以圖10中的人臉為例，進一步完整描述本發(fā)明的各個步驟。首先，對圖像中的人臉進行定位。Harr檢測方法可以利用Intel的開源計算機視覺庫OpenCV中的人臉定位函數(shù)實現(xiàn)，具體函數(shù)名稱為cvHaarDetectObjects。利用該函數(shù)就可以獲得人臉在圖像中的位置、范圍和數(shù)目。有關(guān)該函數(shù)的使用在C語言中如下描述。cvHaarDetectObjects(m一plmg,cascade,storage,1.2,2,CV—HAAR_DO_CANNY—PRUNINQcvSize(O,0";定位結(jié)果如圖10(a)所示。這時一個矩形的邊框，確定了大致的人臉范圍，并使得該范圍一定將所有人臉部分包含在內(nèi)；第二，以臉型位置為依據(jù)，采用蛋型臉的模型作為初始輪廓，這時的輪廓偏差比較大，無論大小，還是與真實臉型的貼近程度都不能滿足使用要求。第三，對臉型部分的額頭位置進行調(diào)整。按照我們提出的方法，額頭的位置得到有效的調(diào)整，參見圖10(b)的額頭位置，這時可以看到，額頭的位置得到很好的調(diào)整，基本與實際位置吻合。第四，對臉型部分的下巴位置進行調(diào)整，參見圖10(c)，下巴位置得到精確定位后，與真實位置十分貼近。第五，對臉頰位置進行調(diào)整，參見圖10(d)，這時臉頰的位置己經(jīng)與真實位置吻合。第六，對腮部曲線進行計算，參見圖10(e)，位置與上部基本一致，因為原來的就基本合適了。第七，進行臉型分類。按照定義，各個特征參數(shù)的結(jié)果如下間臉高與臉寬之比//2『JM770=W下巴寬與臉寬之比^2—^770=0.57W額頭寬與臉寬之比五r一^477(9=0.70(d)兩腮寬與臉寬之比丄5"_一7^770=0.貼問下巴曲率K/一/M776>2=aW按照上述判決條件，該臉型為長臉型，與我們目視的結(jié)果十分吻和。權(quán)利要求1、一種臉型輪廓的檢測與分類方法，包括以下步驟步驟(一)人臉定位采用現(xiàn)有的檢測方法檢測出任意圖像中一幅或多幅人臉的位置，并給出臉部的矩形區(qū)域ABCD，其中對角頂點的坐標為A(Xa，Ya)，C(Xc，Yc)，中心點O的坐標O((Xa+Xc)/2，(Ya+Yc/2)；步驟(二)人臉輪廓檢測首先設(shè)定臉型輪廓的模型為一個若干點組成的矢量封閉對稱曲線Lm，其坐標序列為(xi，yi)，1＝1，2，..，M；將常見七種臉型中的蛋形臉作為基本模型，令(xi，yi)坐標的高度yi等間隔變化，這樣僅需確定各點的橫坐標xi就可以確定臉型輪廓曲線。定義該輪廓曲線中心軸的橫坐標為0，并以臉寬作歸一化，即設(shè)臉寬為1，臉高隨比例隨后確定，將矢量曲線Lm的中心與臉部中心點O重合，以臉部矩形區(qū)域ABCD的大小為基準，以O(shè)為參考點，對Lm作矢量伸縮，使得Lm的上下左右頂點K1，K2，K3，K4分別切上臉部范圍ABCD的各個邊沿，將此時的各個曲線坐標作為臉型輪廓的初始值L0；在初始輪廓L0的基礎(chǔ)上，對臉部的各個部位的細節(jié)進行修正，其中包括額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標位置、腮部形狀，分別敘述如下(1)額頭高度確定額頭的頂部一般是較淺的額頭皮膚和較深的頭發(fā)的交接處，即發(fā)跡線，修正的步驟是(a)在人臉區(qū)域矩形ABCD內(nèi)，取出上1/4區(qū)域的中間1/2的部分B1，以陰影來表示，這部分圖像中下半部分為額頭，上半部分為頭發(fā)；(b)確定發(fā)跡線的檢測準則將區(qū)域B1內(nèi)各個點處的象素點灰度級Gxy分為N個區(qū)間，統(tǒng)計所有象素點的灰度級，尋找數(shù)目最小的象素點區(qū)間，以此區(qū)間的中值作為發(fā)跡線象素的灰度級門限GT；(c)在區(qū)域B1中，自下向上，統(tǒng)計所取圖像中每行各個像素的灰度級高于門限GT的點的數(shù)目，當某一行中，高于門限GT的像素點的數(shù)目與該行像素點的總數(shù)目的比例高于1/7時，確定該行所處的垂直位置就是發(fā)跡線，即額頭的頂端；(d)根據(jù)額頭頂端的垂直位置，伸縮調(diào)整L0，使其上頂點K1與該垂直位置重合，修正后的輪廓曲線保存在L1中；如果由于照片中人臉圖像的頭發(fā)將發(fā)跡線全部遮蓋根本找不到，將不滿足上述的(c)的條件，這時就維持初始值L0不變；(2)下巴高度的確定下巴的垂直位置是下巴的淺色區(qū)域(光照較強)與頸部的深色(光照較弱)的交接處，判斷步驟是(a)在人臉區(qū)域矩形ABCD內(nèi)，縱向提取面部中間1/3的區(qū)域，自下向上取1/10的區(qū)域B2；(b)對區(qū)域B2中的每一行的像素灰度級求和，和值最小的那一行對應(yīng)的就是下巴的高度位置；(c)根據(jù)下巴的垂直位置，伸縮調(diào)整L1，修正后的輪廓曲線保存在L2中；(3)左右臉頰的確定(a)除掉人臉區(qū)域矩形ABCD內(nèi)縱向中間1/3的部分，兩個區(qū)域為B31和B32；(b)對區(qū)域為B31和B32的各列像素的灰度級進行求和；(c)＝搜索左側(cè)區(qū)域B31的左邊的W/15寬度的區(qū)域和右側(cè)區(qū)域B32的右邊的W/15寬度的區(qū)域內(nèi)各列像素灰度級之和的最小值，得到左右兩側(cè)臉頰的橫坐標位置；(d)水平伸縮調(diào)整L2，修正后的輪廓曲線保存在L2中。步驟(三)臉型分類獲得臉型輪廓曲線后，可以利用現(xiàn)有的方法進行分類。2、如權(quán)利要求1所述的一種臉型輪廓的檢測與分類方法，其特征在于所述步驟(二)中，修訂時還包括(4)腮部形狀的修訂，其具體步驟是(a)單獨取出人臉區(qū)域JSCD的下半部分來提取人臉腮部的圖像；(b)利用Canny方法進行邊緣檢測，在腮部獲得一些不連續(xù)的輪廓邊緣；(c)找出腮部諸多輪廓邊緣線條中長度最長的線條/，保存這根線條的所有點的坐標(Xj,yj),7.=1,2,.."戶,(d)采用下面函數(shù)擬合出蛋形臉模型的腮部曲線數(shù)據(jù)，x,=0.5sin",+;t(sin/,)04=0.5-〃iV其中A=l，/=0，1,2，...，7V，AA=M/4-l，由此獲得一組ct和々。然后，在該函數(shù)中僅需調(diào)節(jié)k值即可改變?nèi)壳€曲率，形成各型腮部形狀。(e)利用上述的函數(shù)，使A值從-0.1向0.1變化，尋找與(c)中找到的線條/最吻合的曲線，使得在各個高度上，該曲線與線條/的水平距離均方差最小，該線條即為腮部最佳邊緣曲線。(f)根據(jù)最佳邊緣曲線，替換&中的對應(yīng)坐標，修正后的輪廓曲線保存在丄中。3、如權(quán)利要求1和2所述的一種臉型輪廓檢測與分類方法，其特征在于所述步驟(三)中，所采用的分類方法具體是，根據(jù)人臉輪廓結(jié)果z計算這些特征參數(shù)，然后將特征參數(shù)與分類門限進行比較，最終獲得臉型類別，典型特征參數(shù)包括臉高與臉寬之比H2W一RATI0，下巴寬與臉寬之比》'B—RATIO,額頭寬與臉寬之比ET—RATIO,兩腮寬與臉寬之比LS—RATIO,下巴曲率YJ_RAri02。利用這些特征值進行統(tǒng)計，獲得了具體的分類門限參數(shù)。在下面的表中給出這些門限和一個簡單的臉型分類判斷條件關(guān)系<table>tableseeoriginaldocumentpage5</column></row><table>4、如權(quán)利要求3所述的一種臉型輪廓的檢測與分類方法，其特征在于所述步驟(一)中，臉部區(qū)域檢測方法是Harr方法。5、如權(quán)利要求4所述的一種臉型輪廓的檢測與分類方法，其特征在于所述步驟(二)中，對稱曲線LM的坐標序列為(xi，yi)，i=1,2...M,M越大精度越高。全文摘要本發(fā)明涉及一種圖像處理方法，特別地涉及一種臉型輪廓的檢測與分類方法。本發(fā)明的目的是要克服現(xiàn)有技術(shù)存在的無法檢測得到準確的臉型輪廓，因此無法真正將這類技術(shù)應(yīng)用于進行臉型分類的問題。本發(fā)明提供的技術(shù)方案是步驟1.人臉定位；步驟2.人臉輪廓檢測先設(shè)定蛋形臉為一個由若干個點組成矢量封閉對稱曲線L_m，再對臉部的額頭的高度、下巴的高度、左右臉頰最靠邊的橫坐標位置以及腮部形狀進行修正；步驟3.臉型分類。本發(fā)明可以為形象設(shè)計、美容、美發(fā)、服裝、首飾、化妝、娛樂等諸多行業(yè)提供有效的自動圖像處理手段，為各種應(yīng)用行業(yè)提供自動化、客觀的技術(shù)支持。文檔編號G06K9/00GK101339612SQ20081015067公開日2009年1月7日申請日期2008年8月19日優(yōu)先權(quán)日2008年8月19日發(fā)明者劉波霞,磊向,敏梁,陳建峰申請人:陳建峰