本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種確定劉海區(qū)域的方法及裝置。

背景技術(shù)：

人臉識(shí)別性能的提升需要解決幾個(gè)關(guān)鍵性問(wèn)題，例如：光照，姿態(tài)，遮擋等問(wèn)題。劉海作為一種最為常見(jiàn)的遮擋物，與如口罩、墨鏡等其他的遮擋物相比，劉海遮擋的刻意性很弱。然而齊劉海遮擋了眉毛信息，并占據(jù)一定人臉比例的發(fā)型會(huì)對(duì)人臉特征的提取產(chǎn)生很大的影響。

現(xiàn)有的一些技術(shù)主要是通過(guò)檢測(cè)或分類的方法來(lái)判斷臉部遮擋物，但是主要集中在刻意遮擋。有的方法就基于多特征融合的人臉遮擋檢測(cè)方法采用了Haar、LBP(Local Binary Pattern，局部二值模式)和HOG(Histogram of Oriented Gradient，方向梯度直方圖)等多特征融合模式，應(yīng)用SVM(Support Vector Machine，支持向量機(jī))方法訓(xùn)練得到分類器。此外，為了增強(qiáng)對(duì)姿態(tài)的魯棒性，采用圖像分塊檢測(cè)的方法，用投票機(jī)制進(jìn)行遮擋判斷。

可見(jiàn)，現(xiàn)有的一些技術(shù)主要是通過(guò)檢測(cè)或分類的方法來(lái)判斷臉部遮擋物，但是該手段的運(yùn)用主要集中在刻意遮擋。例如ATM(Automatic Teller Machine，自動(dòng)取款機(jī))機(jī)場(chǎng)景的墨鏡和口罩的檢測(cè)，很多算法僅僅判斷是否遮擋來(lái)完成異常人臉的判斷，并未給出遮擋區(qū)域。有的利用到了人臉關(guān)鍵器官的位置，例如雙眼，鼻子，嘴巴的特征，或者這些器官是否存在。

綜上，現(xiàn)有技術(shù)的不足在于：不能針對(duì)非刻意遮擋的劉海進(jìn)行檢測(cè)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種確定劉海區(qū)域的方法及裝置，用以檢測(cè)非刻意遮擋的劉海。

本發(fā)明實(shí)施例中提供了一種確定劉海區(qū)域的方法，包括：

基于LBP算子提取劉海特征；

基于置信度的SVM判斷人臉圖像是否存在劉海；

在存在劉海時(shí)確定劉海的區(qū)域。

較佳地，在基于LBP算子提取劉海特征時(shí)，LBP算子的尺度選取為：水平方向半徑為3，垂直方向半徑為1。

較佳地，所述確定劉海的區(qū)域，包括：

將人臉圖像中的人臉?lè)譃?塊區(qū)域，其中3塊為劉海區(qū)域，1塊為眼部以下、嘴部以上的臉部區(qū)域；

確定4塊區(qū)域的平均灰度值；

根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值；

根據(jù)閾值確定劉海的區(qū)域。

較佳地，通過(guò)如下公式根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值：

其中，3塊劉海區(qū)域的平均灰度值依次為AVG_lu、AVG_mu、AVG_ru，臉部區(qū)域的平均灰度值為AVG_face。

較佳地，根據(jù)閾值確定劉海的區(qū)域，包括：

確定眉毛位置所在的線；

從眉毛位置所在的線開(kāi)始按預(yù)設(shè)距離向上移動(dòng)，在每次移動(dòng)后，以移動(dòng)后的線為基線確定兩個(gè)上下相鄰的高度為預(yù)設(shè)高度，寬度為圖像寬度的區(qū)域；

若兩個(gè)區(qū)域內(nèi)的灰度值滿足閾值Th的像素個(gè)數(shù)都大于預(yù)設(shè)值，則將該根基線確定為劉海的區(qū)域底線。

較佳地，進(jìn)一步包括：

若AVG_lu、AVG_mu、AVG_ru與AVG_face的數(shù)值差別小于預(yù)設(shè)閾值，則確定不存在劉海。

較佳地，所述確定劉海的區(qū)域，包括：

若劉海的區(qū)域底線低于眉毛位置所在的線，二值化劉海區(qū)域；

若劉海的區(qū)域底線等于眉毛位置所在的線，以眉毛位置所在的線為截止線二值化劉海區(qū)域。

較佳地，在基于置信度的SVM判斷人臉圖像是否存在劉海前，進(jìn)一步包括：

對(duì)所述人臉圖像進(jìn)行包括人臉對(duì)齊和/或光照歸一化的預(yù)處理。

本發(fā)明實(shí)施例中還提供了一種確定劉海區(qū)域的裝置，包括：

LBP處理模塊，用于基于LBP算子提取劉海特征；

SVM處理模塊，用于基于置信度的SVM判斷人臉圖像是否存在劉海；

劉海區(qū)域確定模塊，用于在存在劉海時(shí)確定劉海的區(qū)域。

較佳地，LBP處理模塊進(jìn)一步用于在基于LBP算子提取劉海特征時(shí)，LBP算子的尺度選取為：水平方向半徑為3，垂直方向半徑為1。

較佳地，劉海區(qū)域確定模塊進(jìn)一步用于在所述確定劉海的區(qū)域時(shí)，包括：

將人臉圖像中的人臉?lè)譃?塊區(qū)域，其中3塊為劉海區(qū)域，1塊為眼部以下、嘴部以上的臉部區(qū)域；

確定4塊區(qū)域的平均灰度值；

根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值；

根據(jù)閾值確定劉海的區(qū)域。

較佳地，劉海區(qū)域確定模塊進(jìn)一步用于通過(guò)如下公式根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值：

其中，3塊劉海區(qū)域的平均灰度值依次為AVG_lu、AVG_mu、AVG_ru，臉部區(qū)域的平均灰度值為AVG_face。

較佳地，劉海區(qū)域確定模塊進(jìn)一步用于在根據(jù)閾值確定劉海的區(qū)域時(shí)，包括：

確定眉毛位置所在的線；

從眉毛位置所在的線開(kāi)始按預(yù)設(shè)距離向上移動(dòng)，在每次移動(dòng)后，以移動(dòng)后的線為基線確定兩個(gè)上下相鄰的高度為預(yù)設(shè)高度，寬度為圖像寬度的區(qū)域；

若兩個(gè)區(qū)域內(nèi)的灰度值滿足閾值Th的像素個(gè)數(shù)都大于預(yù)設(shè)值，則將該根基線確定為劉海的區(qū)域底線。

較佳地，SVM處理模塊進(jìn)一步用于若AVG_lu、AVG_mu、AVG_ru與AVG_face的數(shù)值差別小于預(yù)設(shè)閾值，則確定不存在劉海。

較佳地，劉海區(qū)域確定模塊進(jìn)一步用于在所述確定劉海的區(qū)域時(shí)，包括：

若劉海的區(qū)域底線低于眉毛位置所在的線，二值化劉海區(qū)域；

若劉海的區(qū)域底線等于眉毛位置所在的線，以眉毛位置所在的線為截止線二值化劉海區(qū)域。

較佳地，進(jìn)一步包括：

預(yù)處理模塊，用于在基于置信度的SVM判斷人臉圖像是否存在劉海前，對(duì)所述人臉圖像進(jìn)行包括人臉對(duì)齊和/或光照歸一化的預(yù)處理。

本發(fā)明有益效果如下：

在本發(fā)明實(shí)施例提供的技術(shù)方案中，由于采用的分塊LBP特征直方圖和基于置信度線性SVM分類方式能快速高效的判定是否是劉海人臉，因此具有更高的實(shí)時(shí)性；由于采用分類的時(shí)候收集具有多樣性的樣本，使分類具有很好的泛化性能，進(jìn)一步的，在確認(rèn)的時(shí)候能夠同時(shí)考慮到異色頭發(fā)，頭發(fā)反光等問(wèn)題，使多種情況下都能穩(wěn)定使用，因此具有更強(qiáng)的穩(wěn)定性。

附圖說(shuō)明

此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1為本發(fā)明實(shí)施例中確定劉海區(qū)域的方法實(shí)施流程示意圖；

圖2為本發(fā)明實(shí)施例中最原始的LBP算子示意圖；

圖3為本發(fā)明實(shí)施例中劉海判斷使用的LBP算子及其變種示意圖；

圖4為本發(fā)明實(shí)施例中劉海區(qū)域及分塊情況示意圖；

圖5為本發(fā)明實(shí)施例中劉海及非劉海人臉示意圖；

圖6為本發(fā)明實(shí)施例中劉海閾值確認(rèn)的分塊示意圖；

圖7為本發(fā)明實(shí)施例中確定劉海位置線示意圖；

圖8為本發(fā)明實(shí)施例中確定劉海區(qū)域的裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

發(fā)明人注意到，發(fā)型的多變會(huì)一定程度上影響人臉識(shí)別的效果，尤其是齊劉海，這種遮擋了眉毛信息，并占據(jù)一定人臉比例的發(fā)型會(huì)對(duì)人臉特征的提取產(chǎn)生很大的影響。在人臉檢測(cè)和特征點(diǎn)定位的基礎(chǔ)上，判斷當(dāng)前人臉是否存在齊劉海，并且給出劉海區(qū)域，才能方便后續(xù)的人臉識(shí)別算法計(jì)算?；诖?，本發(fā)明實(shí)施例提供的技術(shù)方案用以解決正常人臉情況下，針對(duì)頭發(fā)特有的特征，在不利用人臉關(guān)鍵器官的特征來(lái)完成劉海遮擋的檢測(cè)和定位。下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行說(shuō)明。

圖1為確定劉海區(qū)域的方法實(shí)施流程示意圖，如圖所示，可以包括：

步驟101、基于LBP算子提取劉海特征；

步驟102、基于置信度的SVM判斷人臉圖像是否存在劉海；

步驟103、在存在劉海時(shí)確定劉海的區(qū)域。

實(shí)施中，在基于置信度的SVM判斷人臉圖像是否存在劉海前，還可以進(jìn)一步包括：

對(duì)所述人臉圖像進(jìn)行包括人臉對(duì)齊和/或光照歸一化的預(yù)處理。

具體實(shí)施中，可以進(jìn)行人臉預(yù)處理，這是因?yàn)樵谑褂脵C(jī)器學(xué)習(xí)的方法進(jìn)行分類時(shí)，要使人臉在相對(duì)一致的情況下進(jìn)行比對(duì)，所以可以進(jìn)行一定的預(yù)處理。首先需要利用雙眼位置進(jìn)行人臉對(duì)齊。然后進(jìn)行光照歸一化等。

具體的，由于人臉姿態(tài)各種各樣，為了讓人臉具有一致性，可以將人臉進(jìn)行仿射變換。通過(guò)人臉檢測(cè)和定位算法，定位出主要特征點(diǎn)的位置。將原圖雙眼中心的位置通過(guò)仿射變換到對(duì)齊后人臉的固定位置，在本申請(qǐng)用以示例的實(shí)例中，設(shè)對(duì)齊后人臉大小為128*136，雙眼中心位置(x′₁，y′₁)和(x′₂，y′₂)為(35,44)和(85,44)。

在進(jìn)行光照歸一化時(shí)，由于光照變化對(duì)人臉影響很大，可以通過(guò)歸一化標(biāo)準(zhǔn)差的光照歸一化方法進(jìn)行處理，例如可以按照公式X_d＝(X_s-Mean_s)×Sdv_d/Sdv_s+Mean_d進(jìn)行計(jì)算，在一定程度上去掉了光照的影響。

在步驟101的在基于LBP算子提取劉海特征時(shí)，LBP算子的尺度選取可以為：水平方向半徑為3，垂直方向半徑為1。

具體實(shí)施中，在實(shí)施提取劉海特征時(shí)，可以采用的局部二值模式LBP由Ojala提出，可以有效提取灰度圖像中的局部紋理特征。具有較強(qiáng)的分類能力，計(jì)算效率高，對(duì)單調(diào)灰度和旋轉(zhuǎn)具有不變性所以被廣泛使用。

圖2為最原始的LBP算子示意圖，如圖1所示，最原始的LBP算子，定義一個(gè)3×3鄰域的窗口，以中心像素值作為閾值分別跟向量的8個(gè)像素進(jìn)行比較，大于閾值記做1，小于閾值記做0，然后從左上角位置順時(shí)鐘方向?qū)⒏鱾€(gè)鄰域的值連在一起，形成一個(gè)0～255之間的值，在一張?jiān)瓐D上滑動(dòng)3×3窗口，則得到其對(duì)應(yīng)LBP圖。

圖3為劉海判斷使用的LBP算子及其變種示意圖，如圖所示，為了更好的表征劉海的特征，可以使用兩種尺度的LBP算子，圖3(a)中半徑為1，圖3(b)中半徑為2。同時(shí)結(jié)合劉海特有的特征，上下相鄰像素相似度高，左右因?yàn)楣庹赵蛳袼夭顒e較大，設(shè)置了一種特定具有頭發(fā)特征的LBP算子，如圖3(c)所示，水平方向半徑為3，垂直方向半徑為1。

圖4為劉海區(qū)域及分塊情況示意圖，如圖所示，由于眼部及以下的信息，對(duì)劉海的分類沒(méi)有什么貢獻(xiàn)，所以分類的時(shí)候只選取劉海部分的特征，在本申請(qǐng)用以示例的實(shí)例中，設(shè)使用劉海高度為40個(gè)像素。同時(shí)考慮到兼顧一些發(fā)量比較厚重的斜劉海，類似齊劉海的也要被檢出，所以將劉海區(qū)域分為4個(gè)子區(qū)域，計(jì)算每個(gè)區(qū)域的分塊LBP直方圖，可以得到800維的特征。

下面對(duì)步驟102基于置信度的SVM判斷人臉圖像是否存在劉海的實(shí)施進(jìn)行說(shuō)明。

由于劉海形狀千變?nèi)f化，例如介于齊劉海和無(wú)劉海中間各式各樣的斜劉海等，劉海區(qū)域并不可以簡(jiǎn)單的分類，所以實(shí)施中可以采用基于置信度的SVM來(lái)分類，判斷出其中比較齊劉海和類似齊劉海。

支持向量機(jī)SVM以統(tǒng)計(jì)學(xué)習(xí)為基礎(chǔ)，在小樣本集機(jī)器學(xué)習(xí)的問(wèn)題上表現(xiàn)優(yōu)異，有很好的泛化性能，尤其針對(duì)二分類問(wèn)題，SVM分類的能力毋庸置疑。實(shí)施中利用基于置信度的SVM進(jìn)行劉海分類，并輸出置信度，即可判斷當(dāng)前人臉圖像是否存在齊劉海。圖5為劉海及非劉海人臉示意圖，具體可以參見(jiàn)圖5所示的不同。

下面對(duì)步驟103在存在劉海時(shí)確定劉海的區(qū)域的實(shí)施進(jìn)行說(shuō)明。

在定位劉海區(qū)域的實(shí)施過(guò)程中，在通過(guò)步驟102判斷出是否齊劉海后，若是齊劉海，還需要獲得劉海的區(qū)域，下面實(shí)施例中將提供兩種區(qū)域界定方式，一種是給出劉海高度，另外一種給出具體的劉海區(qū)域。

1、給出劉海高度的方式中，確定劉海的區(qū)域，可以包括：

將人臉圖像中的人臉?lè)譃?塊區(qū)域，其中3塊為劉海區(qū)域，1塊為眼部以下、嘴部以上的臉部區(qū)域；

確定4塊區(qū)域的平均灰度值；

根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值；

根據(jù)閾值確定劉海的區(qū)域。

實(shí)施中，可以通過(guò)如下公式根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值：

其中，3塊劉海區(qū)域的平均灰度值依次為AVG_lu、AVG_mu、AVG_ru，臉部區(qū)域的平均灰度值為AVG_face。

實(shí)施中，還可以進(jìn)一步包括：

若AVG_lu、AVG_mu、AVG_ru與AVG_face的數(shù)值差別小于預(yù)設(shè)閾值，則確定不存在劉海。

具體實(shí)施中，圖6為劉海閾值確認(rèn)的分塊示意圖，在給出劉海高度的方式中，若判斷是齊劉海人臉，則將人臉?lè)殖鋈鐖D5所示的4塊有效區(qū)域，劉海區(qū)域分為3塊，從左到右分別為左眉毛上部分，中間部分，右眉毛上部分，分別計(jì)算三塊區(qū)域的平均灰度值，記做AVG_lu，AVG_mu，AVG_ru。眼部以下，嘴部以上的區(qū)域?yàn)槟槻繀^(qū)域，計(jì)算該區(qū)域的平均灰度值，記做AVG_face。通過(guò)比較上面三部分的均值和臉部的均值，可以再次驗(yàn)證劉海判斷的正確性，若上下差別過(guò)小，則認(rèn)為誤判為齊劉海。

劉海區(qū)域的閾值通過(guò)公式(1)來(lái)確定。

考慮到異色頭發(fā)，在確定閾值的同時(shí)還可以確認(rèn)閾值方向。異色是指非黑色的紅色、黃色等。

如果(AVG_lu+AVG_mu+AVG_ru)>AVG_face，大于TH為劉海區(qū)域；

如果(AVG_lu+AVG_mu+AVG_ru)<AVG_face，小于TH為劉海區(qū)域。

這是因?yàn)閯⒑^(qū)域灰度值可能大于人臉區(qū)域灰度值，也有可能小于人臉區(qū)域灰度值。例如，黑色劉海區(qū)域灰度值小于人臉區(qū)域的灰度值，這個(gè)時(shí)候小于TH為劉海區(qū)域；黃色劉海區(qū)域灰度值大于人臉區(qū)域的灰度值，這個(gè)時(shí)候大于TH為劉海區(qū)域。

實(shí)施中，根據(jù)閾值確定劉海的區(qū)域，可以包括：

確定眉毛位置所在的線；

從眉毛位置所在的線開(kāi)始按預(yù)設(shè)距離向上移動(dòng)，在每次移動(dòng)后，以移動(dòng)后的線為基線確定兩個(gè)上下相鄰的高度為預(yù)設(shè)高度，寬度為圖像寬度的區(qū)域；

若兩個(gè)區(qū)域內(nèi)的灰度值滿足閾值Th的像素個(gè)數(shù)都大于預(yù)設(shè)值，則將該根基線確定為劉海的區(qū)域底線。

具體實(shí)施中，圖7為確定劉海位置線示意圖，圖中的兩個(gè)區(qū)域框分別用虛線框以及實(shí)現(xiàn)框區(qū)分，則如圖所示，考慮到眉毛和劉海反光的因素，從眉毛以上的位置開(kāi)始計(jì)算，就算每行的劉海像素個(gè)數(shù)，從眉毛以上的位置開(kāi)始滑動(dòng)2個(gè)緊挨的小區(qū)域，區(qū)域大小為：圖像寬度*5個(gè)像素。若是上下兩個(gè)區(qū)域的劉海數(shù)目都大于一定值，則認(rèn)為當(dāng)前區(qū)域的下沿便為劉海所在位置。

具體的，在實(shí)施中，可以在人臉檢測(cè)和特征點(diǎn)定位的基礎(chǔ)上得到眉毛的具體位置。在確定判斷區(qū)域時(shí)，可以從眉毛位置開(kāi)始向上每次移動(dòng)一個(gè)像素，分別計(jì)算該像素水平線以上兩個(gè)區(qū)域(5個(gè)像素*圖像寬度，5個(gè)像素*圖像寬度)內(nèi)劉海像素個(gè)數(shù)(即灰度值滿足閾值TH的像素個(gè)數(shù))，本實(shí)施例中用以示例的5個(gè)像素、一個(gè)像素是通過(guò)實(shí)驗(yàn)獲取的一個(gè)效果較佳的取值，實(shí)踐中可以根據(jù)需要進(jìn)行選值。

2、給出具體的劉海區(qū)域的方式中，確定劉海的區(qū)域，可以包括：

若劉海的區(qū)域底線低于眉毛位置所在的線，二值化劉海區(qū)域；

若劉海的區(qū)域底線等于眉毛位置所在的線，以眉毛位置所在的線為截止線二值化劉海區(qū)域。

具體實(shí)施中，在給出劉海區(qū)域掩膜的方式下，若所得劉海區(qū)域底線的位置低于眉毛區(qū)域頂線的位置，可以通過(guò)大津法來(lái)二值化來(lái)獲得劉海的具體區(qū)域。方便后續(xù)人臉識(shí)別對(duì)具體的劉海區(qū)域進(jìn)行處理。若劉海區(qū)域底線的位置等于眉毛區(qū)域頂線的位置，以眉毛區(qū)域頂線為止，進(jìn)行二值化。

基于同一發(fā)明構(gòu)思，本發(fā)明實(shí)施例中還提供了一種確定劉海區(qū)域的裝置，由于裝置解決問(wèn)題的原理與一種確定劉海區(qū)域的方法相似，因此該裝置的實(shí)施可以參見(jiàn)方法的實(shí)施，重復(fù)之處不再贅述。

圖8為確定劉海區(qū)域的裝置結(jié)構(gòu)示意圖，如圖所示，可以包括：

LBP處理模塊801，用于基于LBP算子提取劉海特征；

SVM處理模塊802，用于基于置信度的SVM判斷人臉圖像是否存在劉海；

劉海區(qū)域確定模塊803，用于在存在劉海時(shí)確定劉海的區(qū)域。

實(shí)施中，LBP處理模塊還可以進(jìn)一步用于在基于LBP算子提取劉海特征時(shí)，LBP算子的尺度選取為：水平方向半徑為3，垂直方向半徑為1。

實(shí)施中，劉海區(qū)域確定模塊還可以進(jìn)一步用于在所述確定劉海的區(qū)域時(shí)，包括：

將人臉圖像中的人臉?lè)譃?塊區(qū)域，其中3塊為劉海區(qū)域，1塊為眼部以下、嘴部以上的臉部區(qū)域；

確定4塊區(qū)域的平均灰度值；

根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值；

根據(jù)閾值確定劉海的區(qū)域。

實(shí)施中，劉海區(qū)域確定模塊還可以進(jìn)一步用于通過(guò)如下公式根據(jù)4塊區(qū)域的平均灰度值確定劉海區(qū)域的閾值：

其中，3塊劉海區(qū)域的平均灰度值依次為AVG_lu、AVG_mu、AVG_ru，臉部區(qū)域的平均灰度值為AVG_face。

實(shí)施中，劉海區(qū)域確定模塊還可以進(jìn)一步用于在根據(jù)閾值確定劉海的區(qū)域時(shí)，包括：

確定眉毛位置所在的線；

從眉毛位置所在的線開(kāi)始按預(yù)設(shè)距離向上移動(dòng)，在每次移動(dòng)后，以移動(dòng)后的線為基線確定兩個(gè)上下相鄰的高度為預(yù)設(shè)高度，寬度為圖像寬度的區(qū)域；

若兩個(gè)區(qū)域內(nèi)的灰度值滿足閾值Th的像素個(gè)數(shù)都大于預(yù)設(shè)值，則將該根基線確定為劉海的區(qū)域底線。

實(shí)施中，SVM處理模塊還可以進(jìn)一步用于若AVG_lu、AVG_mu、AVG_ru與AVG_face的數(shù)值差別小于預(yù)設(shè)閾值，則確定不存在劉海。

實(shí)施中，劉海區(qū)域確定模塊還可以進(jìn)一步用于在所述確定劉海的區(qū)域時(shí)，包括：

若劉海的區(qū)域底線低于眉毛位置所在的線，二值化劉海區(qū)域；

若劉海的區(qū)域底線等于眉毛位置所在的線，以眉毛位置所在的線為截止線二值化劉海區(qū)域。

實(shí)施中，還可以進(jìn)一步包括：

預(yù)處理模塊804，用于在基于置信度的SVM判斷人臉圖像是否存在劉海前，對(duì)所述人臉圖像進(jìn)行包括人臉對(duì)齊和/或光照歸一化的預(yù)處理。

為了描述的方便，以上所述裝置的各部分以功能分為各種模塊或單元分別描述。當(dāng)然，在實(shí)施本發(fā)明時(shí)可以把各模塊或單元的功能在同一個(gè)或多個(gè)軟件或硬件中實(shí)現(xiàn)。

綜上所述，本發(fā)明實(shí)施例提供的技術(shù)方案，具有更高的實(shí)時(shí)性。分塊LBP特征直方圖和基于置信度線性SVM分類方法，能快速高效的判定是否是劉海人臉。具有更強(qiáng)的穩(wěn)定性，分類的時(shí)候收集具有多樣性的樣本，使分類具有很好的泛化性能，同時(shí)確認(rèn)的時(shí)候也考慮到異色頭發(fā)，頭發(fā)反光等問(wèn)題，使多種情況下都能穩(wěn)定使用。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。