一种人脸转向的检测方法及其应用该方法的脸型优化方法
【专利摘要】本发明公开了一种人脸转向的检测方法及其应用该方法的脸型优化方法，通过对图像进行人脸检测，并对图像中的人脸区域进行五官定位，然后计算得到人脸偏转角度及偏转方向，并在脸型优化时根据所述计算得到的人脸偏转角度及偏转方向进一步对左右两边的脸型进行优化处理，对人脸偏转方向及角度的检测更准确，从而使得脸型优化更自然，效果更好。
【专利说明】 一种人脸转向的检测方法及其应用该方法的脸型优化方法
【技术领域】
[0001]本发明涉及一种人脸检测方法，特别是一种人脸转向的检测方法及其应用该方法的脸型优化方法。
【背景技术】
[0002]日常生活中，我们会经常进行自拍，然后对自拍的人脸进行瘦脸、磨皮美白等操作，但是由于现在流行有角度的自拍，并且由于瘦脸时没有很好地考虑脸转向以及角度的原因导致瘦脸出来的效果很生硬，质量不好。
【发明内容】
[0003]本发明为解决上述问题，提供了一种人脸转向的检测方法及其应用该方法的脸型优化方法，其对人脸偏转方向及角度的检测更准确，从而使得脸型优化更自然，效果更好。
[0004]为实现上述目的，本发明采用的技术方案为:
[0005]一种人脸转向的检测方法，其特征在于，包括以下步骤:
[0006]10.接收图像；
[0007]20.进行人脸检测，判断是否检测到人脸，若是，则执行步骤30，否则结束；
[0008]30.对图像中的人脸区域进行五官定位；
[0009]40.根据所述五官定位的位置计算人脸偏转角度及偏转方向。
[0010]优选的，所述步骤30中对图像中的人脸区域进行五官定位主要是通过深度学习模糊卷积神经网络的方法进行五官位置的定位。
[0011]优选的，所述的五官定位主要包括左眼中心、右眼中心、鼻子中心、嘴巴左端、嘴巴右端的定位。
[0012]优选的，所述的五官定位进一步包括计算左眼中心与鼻子中心的距离、右眼中心和鼻子中心的距离、嘴巴左端和鼻子中心的距离、嘴巴右端和鼻子中心的距离、左眼中心和右眼中心的距离、嘴巴左端和嘴巴右端的距离，所述的步骤40根据所述距离计算人脸偏转方向及偏转角度。
[0013]优选的，所述步骤40中计算人脸偏转方向及偏转角度的方法进一步包括:
[0014]41.计算两眼中心和鼻子中心的距离差dEyeTemp:
[0015]dEyeTemp=dNoiseAndLeftEye-dNoiseAndRightEye ；
[0016]42.计算嘴巴两端和鼻子中心的距离差dMouthTemp:
[0017]dMouthTemp=dNoiseAndLeftMouth-dNoiseAndRightMouth ；
[0018]43.计算两眼距离差占两眼距离的比例dEyeValue:
[0019]dEyeValue=dEyeTemp/dEye ；
[0020]44.计算嘴巴距离差占嘴巴距离的比例dMouthValue:
[0021]dMouthValue=dMouthTemp/dMouth ；
[0022]45.计算得到人脸的偏转角度dRotationValue:[0023]dRotationValue=(dEyeValue+dMouthValue)*90.0 ；
[0024]其中，dNoiseAndLeftEye为左眼中心和鼻子中心的距离、dNoi seAndRi ghtEye为右眼中心和鼻子中心的距离、dNoi SeAndLeftMouth为嘴巴左端和鼻子中心的距离、dNoi seAndRi ghtMouth为嘴巴右端和鼻子中心的距离、dEye为左眼中心和右眼中心的距离、dMouth为嘴巴左端和嘴巴右端的距离。
[0025]优选的，所述步骤40的偏转方向主要是根据计算得到的人脸的偏转角度来判断，若偏转角度小于O,则偏转方向为左边,若偏转角度大于O,则偏转方向为右边。
[0026]另外，本发明还提供了一种应用上述人脸转向的检测方法的脸型优化方法，其特征在于:根据所述计算得到的人脸偏转角度及偏转方向进一步对左右两边的脸型进行优化处理。
[0027]优选的，所述的脸型优化处理主要是指瘦脸处理、胖脸处理或圆脸处理。
[0028]本发明的有益效果是:
[0029]本发明的一种人脸转向的检测方法及其应用该方法的脸型优化方法，通过对图像进行人脸检测，并对图像中的人脸区域进行五官定位，然后计算得到人脸偏转角度及偏转方向，并在脸型优化时根据所述计算得到的人脸偏转角度及偏转方向进一步对左右两边的脸型进行优化处理，对人脸偏转方向及角度的检测更准确，从而使得脸型优化更自然，效果更好。
【专利附图】
【附图说明】
[0030]此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中:
[0031]图1为本发明一种人脸转向的检测方法的流程简图；
[0032]图2为本发明的脸型优化方法的流程简图。
【具体实施方式】
[0033]为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0034]如图1所示，本发明的一种人脸转向的检测方法，其包括以下步骤:
[0035]10.接收图像；
[0036]20.进行人脸检测，判断是否检测到人脸，若是，则执行步骤30，否则结束；
[0037]30.对图像中的人脸区域进行五官定位；
[0038]40.根据所述五官定位的位置计算人脸偏转角度及偏转方向。
[0039]本实施例中，所述步骤30中对图像中的人脸区域进行五官定位主要是通过深度学习模糊卷积神经网络的方法进行五官位置的定位；卷积神经网络(ConvolutionalNeural Networks,简称CNN)是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法，它具有结构简单、训练参数少和适应性强等特点，卷积神经网络与传统的人脸检测方法不同，它是通过直接作用于输入样本，用样本来训练网络并最终实现检测任务的，它是非参数型的人脸检测方法，可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程；例如，通过收集各种不同类型的人脸样本，并进行归一化和预处理步骤，减小图像噪声的影响和消除图像亮度及对比度的差异，提高数据的针对性和鲁棒性，得到统计的方法进行学习处理样本的最基本的特征向量，然后使用这些特征向量训练网络。
[0040]作为优选的实施例，所述的五官定位主要包括左眼中心、右眼中心、鼻子中心、嘴巴左端、嘴巴右端的定位；进一步的，包括计算左眼中心与鼻子中心的距离、右眼中心和鼻子中心的距离、嘴巴左端和鼻子中心的距离、嘴巴右端和鼻子中心的距离、左眼中心和右眼中心的距离、嘴巴左端和嘴巴右端的距离，所述的步骤40根据所述距离计算人脸偏转方向及偏转角度。
[0041]所述步骤40中计算人脸偏转方向及偏转角度的方法进一步包括:
[0042]41.计算两眼中心和鼻子中心的距离差dEyeTemp:
[0043]dEyeTemp=dNo i seAndLef tEye~dNo i seAndRi ghtEye ；
[0044]42.计算嘴巴两端和鼻子中心的距离差dMouthTemp:
[0045]dMouthTemp=dNo i seAndLef tMouth-dNo i seAndRi ghtMouth:
[0046]43.计算两眼距离差占两眼距离的比例dEyeValue:
[0047]dEyeValue=dEyeTemp/dEye ；
[0048]44.计算嘴巴距离差占嘴巴距离的比例dMouthValue:
[0049]dMouthValue=dMouthTemp/dMouth ；
[0050]45.计算得到人脸的偏转角度dRotationValue:
[0051]dRotationValue=(dEyeValue+dMouthValue)*90.0 ；
[0052]其中，dNoiseAndLeftEye为左眼中心和鼻子中心的距离、dNoi seAndRi ghtEye为右眼中心和鼻子中心的距离、dNoi SeAndLeftMouth为嘴巴左端和鼻子中心的距离、dNoi seAndRi ghtMouth为嘴巴右端和鼻子中心的距离、dEye为左眼中心和右眼中心的距离、dMouth为嘴巴左端和嘴巴右端的距离。
[0053]所述步骤40的偏转方向主要是根据计算得到的人脸的偏转角度来判断，若偏转角度小于O,则偏转方向为左边,若偏转角度大于O,则偏转方向为右边。
[0054]如图2所述，本发明还提供了一种应用上述人脸转向的检测方法的脸型优化方法，其特征在于:还包括步骤50，根据所述计算得到的人脸偏转角度及偏转方向进一步对左右两边的脸型进行优化处理，本实施例中，所述的脸型优化处理主要是指瘦脸处理，其同样也适用于胖脸处理、圆脸处理等脸型优化方法。由于本方法对人脸偏转方向及角度的检测更准确，从而使得脸型优化更自然，效果更好。
[0055]上述说明示出并描述了本发明的优选实施例，如前，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
【权利要求】
1.一种人脸转向的检测方法，其特征在于，包括以下步骤: 10.接收图像； 20.进行人脸检测，判断是否检测到人脸，若是，则执行步骤30，否则结束； 30.对图像中的人脸区域进行五官定位； 40.根据所述五官定位的位置计算人脸偏转角度及偏转方向。
2.根据权利要求1所述的一种人脸转向的检测方法，其特征在于:所述步骤30中对图像中的人脸区域进行五官定位主要是通过深度学习模糊卷积神经网络的方法进行五官位置的定位。
3.根据权利要求1或2所述的一种人脸转向的检测方法，其特征在于:所述的五官定位主要包括左眼中心、右眼中心、鼻子中心、嘴巴左端、嘴巴右端的定位。
4.根据权利要求3所述的一种人脸转向的检测方法，其特征在于:所述的五官定位进一步包括计算左眼中心与鼻子中心的距离、右眼中心和鼻子中心的距离、嘴巴左端和鼻子中心的距离、嘴巴右端和鼻子中心的距离、左眼中心和右眼中心的距离、嘴巴左端和嘴巴右端的距离，所述的步骤40根据所述距离计算人脸偏转方向及偏转角度。
5.根据权利要求4所述的一种人脸转向的检测方法，其特征在于:所述步骤40中计算人脸偏转方向及偏转角度的方法进一步包括: 41.计算两眼中心和鼻子中心的距离差dEyeTemp: dEyeTemp=dNoiseAndLeftEye-dNoi seAndRightEye ； 42.计算嘴巴两端和鼻子中心的距离差dMouthTemp: dMouthTemp=dNoi seAndLeftMouth-dNoiseAndRightMouth: 43.计算两眼距离差占两眼距离的比例dEyeValue: dEyeValue=dEyeTemp/dEye ； 44.计算嘴巴距离差占嘴巴距离的比例dMouthValue: dMouthValue=dMouthTemp/dMouth ； 45.计算得到人脸的偏转角度dRotationValue: dRotationValue=(dEyeValue+dMouthValue)*90.0 ； 其中，dNoi SeAndLeftEye为左眼中心和鼻子中心的距离、dNoi seAndRi ghtEye为右眼中心和鼻子中心的距离、dNoiseAndLeftMouth为嘴巴左端和鼻子中心的距离、dNoi seAndRi ghtMouth为嘴巴右端和鼻子中心的距离、dEye为左眼中心和右眼中心的距离、dMouth为嘴巴左端和嘴巴右端的距离。
6.根据权利要求1所述的一种人脸转向的检测方法，其特征在于:所述步骤40的偏转方向主要是根据计算得到的人脸的偏转角度来判断，若偏转角度小于0，则偏转方向为左边，若偏转角度大于O,则偏转方向为右边。
7.根据权利要求5所述的一种人脸转向的检测方法，其特征在于:所述步骤40的偏转方向主要是根据计算得到的人脸的偏转角度来判断，若偏转角度小于0，则偏转方向为左边，若偏转角度大于O,则偏转方向为右边。
8.一种应用上述人脸转向的检测方法的脸型优化方法，其特征在于:根据所述计算得到的人脸偏转角度及偏转方向进一步对左右两边的脸型进行优化处理。
9.根据权利要求8所述的一种人脸转向的检测方法，其特征在于:所述的脸型优化处理主要是指瘦脸处理、胖脸处理或圆脸处理。
【文档编号】G06K9/00GK103793693SQ201410045767
【公开日】2014年5月14日 申请日期:2014年2月8日 优先权日:2014年2月8日
【发明者】张伟, 傅松林, 胡瑞鑫, 张长定 申请人:厦门美图网科技有限公司