專利名稱：一種對動態(tài)圖像中人臉遮擋的方法
技術領域：
本發(fā)明涉及計算機視覺和圖像處理領域，尤其是對動態(tài)圖像中人臉遮擋的技術。
背景技術：
在某些特殊的應用領域，需要對動態(tài)圖像中的人臉進行遮擋(或加馬賽克)。如為了保護新聞中受采訪者的隱私，需要將受采訪者的臉部圖像進行遮擋處理(或模糊處理)， 通常做法是在圖像中的人臉位置設定一個區(qū)域，該區(qū)域內的圖像按照一定的塊大小求取均值，達到模糊的效果。然而，由于受采訪者是活動的，所以在進行新聞后期制作時，需要動態(tài)地調整模糊區(qū)域，若采用手工操作，則一方面制作人員的工作量較大，另一方面也存在技術風險，即由于窗口覆蓋不完全而暴露了受采訪者隱私，或者模糊區(qū)域過大影響新聞圖像質量。為了自動地完成對動態(tài)圖像中的人臉進行遮擋，首先需要利用自動人臉檢測技術，即采用一定的策略對圖像進行搜索，以確定其中人臉的位置、大小，然后再對該部分圖像進行模糊處理。自動人臉檢測難點表現(xiàn)在兩大方面，一方面由于人臉內在的變化所引起人臉具有相當復雜的細節(jié)變化，不同的外貌如臉形、膚色等，不同的表情如眼、嘴的開與閉等；人臉的遮擋，如眼鏡、頭發(fā)和頭部飾物以及其他外部物體等。另一方面由于外在條件變化所引起由于成像角度的不同造成人臉的多姿態(tài)，如平面內旋轉、深度旋轉以及上下旋轉，其中深度旋轉影響較大；光照的影響，如圖像中的亮度、對比度的變化和陰影等；圖像的成像條件，如攝像設備的焦距、成像距離，圖像獲得的途徑等等。

發(fā)明內容
本發(fā)明目的在于提供一種自動實現(xiàn)對動態(tài)圖像中人臉進行遮擋(或加馬賽克)的方法。I.膚色區(qū)域分割膚色是人臉的重要信息，不依賴于面部的細節(jié)特征，對于旋轉、表情變化等情況都能適用，具有相對的穩(wěn)定性并且和大多數(shù)背景物體的顏色相區(qū)別。對于彩色圖像，在確定了膚色模型之后，可以首先進行膚色檢測，在檢測出膚色像素后，根據(jù)它們在色度上的相似性和空間上的相關性分割出可能的人臉區(qū)域。對于一些簡單的情況，僅根據(jù)膚色像素的聚類特性即可完成區(qū)域分割。對于較復雜的情況，膚色分割則需要考慮兩方而的問題由于光照和臉部器官的影響，人臉可能被割裂為若干互不連通的膚色區(qū)域；人臉區(qū)域可能與其它類膚色區(qū)域連接在一起。聚類-歸并-驗證策略是這類問題較常用的解決方法首先將膚色像素按照較為嚴格的色度一致性和幾何約束條件聚類為區(qū)域，然后按照一定規(guī)則進行歸并，歸并后或歸并過程中再利用其它特征進行驗證。膚色區(qū)域分割方法的優(yōu)勢在于系統(tǒng)的運行速度快，受姿態(tài)、尺寸、表情等變化的影
4響小，適合于適合于對實時性要求較高的應用，但對光照條件和圖像采集設備的特性敏感， 易受環(huán)境因素干擾。因此，適合人臉區(qū)域的粗定位。2.基于模板匹配的人臉驗證在膚色區(qū)域分割出來之后，需要利用區(qū)域的幾何特征或灰度特征，驗證該區(qū)域是否是人臉，以排除色彩類似膚色的區(qū)域?；谀０迤ヅ涞姆椒ㄊ窃趫D像灰度特征上直接比較目標模板和候選圖像區(qū)域之間地相似性，而基于幾何特征的匹配方法是比較從圖像中抽取的一定特征的相似性，對人臉檢測而言，特征包括眼睛、鼻子、嘴巴等。模板匹配的方法具有簡單、直觀的特點，與幾何特征匹配方法相比具有較強的適應性。生成模板最主要的工作是圖像的尺度變換和灰度分布標準化，主要考慮表征圖像灰度分布的兩個參量-灰度的平均值和方差，將它們調整到給定值，以消除采集時光照等因素對人臉圖像的影響。對于模板匹配，這種灰度分布標準化方法比常用的直方圖均衡化方法更有效，原因在于它一致化了均值和方差這兩個關鍵數(shù)字特征。選取若干副正面端正的人臉圖像，剪切出人臉區(qū)域作為人臉樣本，經(jīng)尺度標準化 (36X36)和灰度分布標準化后，將所有人臉樣本取灰度平均，得到大小為36X36的正面端正的原始平均人臉模板?？紤]到雙眼在人臉特征中的重要性，拷貝原始平均人臉模板的雙眼部分，剪切出大小為36X12的眼睛區(qū)域，對其進行灰度分布標準化后作為雙眼模板。將原始人臉模板分別按照I : 0.9，1 : I和I : I. I的長、寬比拉伸，分別對它們進行灰度分布標準化后作為人臉模板，以適應不同形狀的人臉。使用各個模板對所有可能尺度和形狀(長寬比)的圖像進行匹配，將滿足一定條件并達到匹配度閾值的圖像作為人臉，使用相關系數(shù)作為模板匹配的判斷依據(jù)。3.人臉遮擋方法(I)創(chuàng)建膚色分割區(qū)域通過膚色分割得到了若干個可能是人臉區(qū)域的圖像位置、大小，則每個可能人臉區(qū)域就是模板匹配的一個被搜索區(qū)域。(2)通過區(qū)域掃描進行模板匹配對于每個被搜索區(qū)域進行掃描，經(jīng)過灰度分布標準化預處理后，首先使用雙眼模板進行匹配，對相關系數(shù)超過給定閾值的搜索區(qū)域，則再使用各種尺度的人臉模板進行匹配，將相關度最大并大于人臉閾值的掃描區(qū)域標記為人臉位置，并保存此時該區(qū)域的位置、 大小。(3)對人臉區(qū)域進行模糊處理對人臉區(qū)域即模板匹配的圖像已知位置、大小，將該區(qū)域內的圖像按照一定的塊大小求取均值，達到模糊處理或加馬賽克的效果。


圖I為本發(fā)明方法流程圖。圖2為膚色區(qū)域分割流程圖。圖3為原始彩色圖像。
圖4為膚色分割后的圖像。圖5為可能的人臉區(qū)域。圖6為驗證的人臉區(qū)域。
具體實施例方式實施例I 本發(fā)明方法流程如圖I所示，膚色區(qū)域分割流程如圖2所示，包括如下步驟(I)讀入原始彩色圖像，如圖3所示；(2)掃描圖像，獲取該彩色圖像每一像素R、G、B分量值，根據(jù)式⑴計算其灰度值，并計算整幅圖像中每種灰度值的數(shù)目，取前5%的像素，求得光線補償系數(shù)，并用此系數(shù)調整每個像素點的R、G、B值；Gray = RXO. 3+GXO. 59+BXO. 11(I)(3)對每個像素根據(jù)式(2)轉換到YCbCr色彩空間下，計算其Y、Cb、Cr值；
權利要求
1.一種對動態(tài)圖像中人臉遮擋的方法，其特征在于包括如下步驟(1)通過膚色分割得到若干個可能是人臉區(qū)域的圖像位置、大小，則每個可能人臉區(qū)域就是模板匹配的一個被搜索區(qū)域；(2)對于每個被搜索區(qū)域進行掃描，經(jīng)過灰度分布標準化預處理后，使用雙眼模板進行匹配，對相關系數(shù)超過給定閾值的搜索區(qū)域，則再使用各種尺度的人臉模板進行匹配，將相關度最大并大于人臉閾值的掃描區(qū)域標記為人臉位置，并保存此時該區(qū)域的位置、大?。?3)對人臉區(qū)域即模板匹配的圖像已知位置、大小，將該區(qū)域內的圖像按照一定的塊大小求取均值，達到模糊處理或加馬賽克的效果。
2.根據(jù)權利要求I所述的對動態(tài)圖像中人臉遮擋的方法，其特征在于膚色分割包括如下步驟(1)讀入原始彩色圖像；(2)掃描圖像，獲取該彩色圖像每一像素R、G、B分量值，計算其灰度值，并計算整幅圖像中每種灰度值的數(shù)目，取前5 %的像素，求得光線補償系數(shù)，并用此系數(shù)調整每個像素點的R、G、B值；(3)對每個像素轉換到YCbCr色彩空間下，計算其Y、Cb、Cr值；(4)如果Y在[125，188]之間，則Cb、Cr保持不變，否則根據(jù)式(3) (6)調整其Cb、 Cr值；
3.根據(jù)權利要求I所述的對動態(tài)圖像中人臉遮擋的方法，其特征在于生成人臉模板包括如下步驟(3)(4)(5)(1)選取若干副正面端正的人臉圖像，剪切出人臉區(qū)域作為人臉樣本，經(jīng)尺度標準化 (36X36)和灰度分布標準化后，將所有人臉樣本取灰度平均，得到大小為36X36的正面端正的原始平均人臉模板；(2)考慮到雙眼在人臉特征中的重要性，拷貝原始平均人臉模板的雙眼部分，剪切出大小為36X12的眼睛區(qū)域，對其進行灰度分布標準化后作為雙眼模板；⑶將原始人臉模板分別按照I : 0.9，1 : I和I : I. I的長、寬比拉伸，分別對它們進行灰度分布標準化后作為人臉模板，以適應不同形狀的人臉。
4.根據(jù)權利要求I所述的對動態(tài)圖像中人臉遮擋的方法，其特征在于基于模板匹配的人臉驗證依據(jù)如下設人臉模板的灰度矩陣為T [M] [N]，灰度均值與方差分別為μ 1和στ，被驗證圖像的灰度矩陣為R[M] [N]，灰度均值與方差分別為，則它們之間的相關系數(shù)為
全文摘要
本發(fā)明涉及計算機視覺和圖像處理領域，公開一種對動態(tài)圖像中人臉遮擋的方法，首先創(chuàng)建膚色分割區(qū)域，通過膚色分割得到若干個可能是人臉區(qū)域的圖像位置、大小。然后通過區(qū)域掃描進行模板匹配，驗證人臉區(qū)域。最后對人臉區(qū)域進行模糊處理，達到加馬賽克的效果。該方法運行速度快，受姿態(tài)、尺寸、表情等變化的影響小，適合于對實時性要求較高的應用領域。
文檔編號G06K9/62GK102592141SQ20121000179
公開日2012年7月18日 申請日期2012年1月4日 優(yōu)先權日2012年1月4日
發(fā)明者張敏 申請人:南京理工大學常熟研究院有限公司