CN105608448B - 一种基于脸部关键点的lbp特征提取方法和装置 - Google Patents
一种基于脸部关键点的lbp特征提取方法和装置 Download PDFInfo
- Publication number
- CN105608448B CN105608448B CN201610093896.1A CN201610093896A CN105608448B CN 105608448 B CN105608448 B CN 105608448B CN 201610093896 A CN201610093896 A CN 201610093896A CN 105608448 B CN105608448 B CN 105608448B
- Authority
- CN
- China
- Prior art keywords
- area
- region
- preset value
- face
- key point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000001815 facial effect Effects 0.000 title abstract description 138
- 238000000605 extraction Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 122
- 230000036544 posture Effects 0.000 description 91
- 210000001508 eye Anatomy 0.000 description 49
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 210000004709 eyebrow Anatomy 0.000 description 14
- 210000005252 bulbus oculi Anatomy 0.000 description 13
- 238000005070 sampling Methods 0.000 description 11
- 210000001061 forehead Anatomy 0.000 description 8
- 238000003702 image correction Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于脸部关键点的LBP特征提取方法和装置，本发明涉及图像处理及模式识别技术领域，旨在解决同一人、不同人脸姿态下，提取的脸部同一关键点的LBP特征差别较大的问题，进而提高人脸识别准确率。该方法根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态修正不同脸部关键点所对应的椭圆邻域半径，建立了椭圆邻域半径与该脸部图像的人脸姿态之间的对应关系，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。
Description
技术领域
本发明涉及图像处理及模式识别技术领域，尤其涉及一种基于脸部关键点的LBP特征提取方法和装置。
背景技术
人脸识别技术是通过分析脸部器官的位移形状和位置关系来进行身份鉴别的，是一种重要的生物识别技术，广泛应用于安防、门禁以及监控等领域。人脸识别技术的主要算法包括基于几何特征的模板匹配的人脸识别方法、基于几何特征的人脸识别方法、基于样本学习的人脸识别方法以及基于纹理特征的人脸识别方法。其中，基于人脸纹理特征的人脸识别方法主要依靠LBP(Local Binary Pattern)即局部二值模式进行脸部特征提取。
基于LBP的脸部特征提取方法主要包括两种，一种是针对整个脸部图像进行分块，对每一块图像进行多尺度的LBP特征提取，归一化后将所有块的LBP特征组合得到整个脸部的LBP特征；另一种是以脸部关键点(示例的，眼球、鼻子、嘴角、眉毛等)为中心，提取其周围一定区域的LBP特征，归一化后将所有关键点的LBP特征，组合得到整个脸部的LBP特征。然而，上述两种基于LBP的脸部特征提取方法，对同一个人不同姿态的脸部图像，均是以某点为中心点，采集某个固定半径圆型邻域内的若干个采样点的像素值，进而对该若干个采样点的像素值与中心点像素值进行比较，得到该中心点的LBP特征值。因此，现有的基于LBP的脸部特征提取方法，没有考虑姿态变化所引起的脸部图像缩放比例的不同，导致同一个人不同姿态下的脸部图像，针对其同一位置的中心点，所提取的相同半径的圆形邻域内若干个采样点的像素值不同，导致该中心点的LBP特征相差较大，进而导致人脸识别不准确。
示例的，如附图1和附图2所示，图1和图2所示分别为同一个人正脸和左侧脸时的脸部图像，对于其嘴角处同一中心点A的LBP特征提取，首先提取图1、图2所示半径为R的圆形邻域内N个采样点的像素值，参考图1和图2所示，由于左侧脸时，半径为R的圆形邻域内N个采样点中的部分采样点超出了人脸范围，导致图1、图2所示同一中心点A的相同圆形邻域内N个采样点的像素值差别较大，进而导致图1、图2所提出处的同一中心点A的LBP特征差别较大，进而导致图1、图2所示脸部图像无法识别为同一人，引起人脸识别不准确。
发明内容
本发明实施例提供一种基于LBP的脸部特征提取方法和装置，旨在解决同一人不同人脸姿态下，提取的脸部同一关键点的LBP特征差别较大的问题，进而提高人脸识别准确率。
本发明提供的具体技术方案如下：
一种基于脸部关键点的LBP特征提取方法，包括：
基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态；
根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径；
对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
进一步的，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，包括：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
进一步的，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，还包括：
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
优选的，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，包括：
若所述人脸姿态为正脸，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值；或若所述人脸姿态为仰头或低头，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值与第一预设权重的乘积；或若所述人脸姿态为左侧头或右侧头，所述椭圆邻域的横轴等于第一预设值与第二预设权重的乘积，所述椭圆邻域的纵轴等于第一预设值。
优选的，所述脸部图像包括第一区域、第二区域、第三区域和第四区域，其中，所述第一区域、所述第二区域、所述第三区域和所述第四区域沿顺时针分布，且所述第一区域位于所述第四区域竖直方向上。
进一步的，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，包括：
若所述人脸姿态为正脸，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值；
若所述人脸姿态为仰头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值；
若所述人脸姿态为低头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值；
若所述人脸姿态为左侧头，所述第一区域和所述第三区域的所述横轴大于第一预设值，所述第二区域和所述第四区域的所述纵轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为右侧头，所述第一区域和所述第三区域的所述横轴小于第一预设值，所述第二区域和所述第四区域的所述纵轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值；
若所述人脸姿态为仰头且右侧头，所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为低头且左侧头，所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
另一方面，本发明还提供一种基于脸部关键点的LBP特征提取方法，包括：
基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态；
根据所述脸部图像的人脸姿态确定所述关键点在预置映射表中对应的椭圆邻域半径；
对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
进一步的，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，包括：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
进一步的，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，还包括：
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
优选的，所述脸部图像包括第一区域、第二区域、第三区域和第四区域，其中，所述第一区域、所述第二区域、所述第三区域和所述第四区域沿顺时针分布，且所述第一区域位于所述第四区域竖直方向上。
优选的，所述预置映射表用于表征不同人脸姿态下、不同脸部区域内的所述关键点对应的椭圆邻域半径，其中：
若所述人脸姿态为正脸，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值；
若所述人脸姿态为仰头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值；
若所述人脸姿态为低头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值；
若所述人脸姿态为左侧头，所述第一区域和所述第三区域的所述横轴大于第一预设值，所述第二区域和所述第四区域的所述纵轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为右侧头，所述第一区域和所述第三区域的所述横轴小于第一预设值，所述第二区域和所述第四区域的所述纵轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值；
若所述人脸姿态为仰头且右侧头，所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为低头且左侧头，所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
在一方面，本发明还提供一种基于脸部关键点的LBP特征提取装置，包括：
关键点检测模块，用于检测待处理脸部图像的关键点；
图像处理模块，用于获取所述关键点之间的距离，根据所述距离确定所述脸部图像的人脸姿态，以及根据所述人脸姿态修正所述关键点对应椭圆邻域的半径；
特征提取模块，用于对所述脸部图像采用所述椭圆邻域的半径对所述关键点进行LBP特征提取。
进一步的，所述图像处理模块具体用于：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布，所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头，或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头；
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布，所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头，或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
进一步的，所述图像处理模块具体用于：
若所述人脸姿态为正脸，确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值；或
若所述人脸姿态为仰头，确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值；或
若所述人脸姿态为低头，确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值；或
若所述人脸姿态为左侧头，确定所述第一区域和所述第三区域的所述横轴大于第一预设值，所述第二区域和所述第四区域的所述纵轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；或
若所述人脸姿态为右侧头，确定所述第一区域和所述第三区域的所述横轴小于第一预设值，所述第二区域和所述第四区域的所述纵轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；或
若所述人脸姿态为仰头且左侧头，确定所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值；或
若所述人脸姿态为仰头且右侧头，确定所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；或
若所述人脸姿态为低头且左侧头，确定所述第一区域和所述第三区域的所述横轴大于所述第一预设值，所述第二区域和所述第四区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；或
若所述人脸姿态为仰头且左侧头，确定所述第一区域和所述第三区域的所述横轴小于所述第一预设值，所述第二区域和所述第四区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
本发明的有益效果如下：
本发明实施例提供的基于脸部关键点的LBP特征提取方法，首先根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态修正不同脸部关键点所对应的椭圆邻域半径，建立了椭圆邻域半径与该脸部图像的人脸姿态之间的对应关系，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。
附图说明
图1为现有技术中正脸姿态下脸部关键点A的LBP特征提取邻域示意图；
图2为现有技术中侧脸姿态下脸部关键点A的LBP特征提取邻域示意图；
图3为本发明实施例的一种基于脸部关键点的LBP特征提取流程示意图；
图4为本发明实施例的一种脸部关键点分布示意图；
图5为本发明实施例的一种图像校正之前的待处理脸部图像示意图；
图6为本发明实施例的一种图像校正之后的待处理脸部图像示意图
图7为本发明实施例的一种脸部五官位置分布示意图；
图8为本发明实施例的一种人脸姿态估计用脸部关键点分布示意图；
图9为本发明实施例的一种椭圆邻域修正示意图；
图10为本发明实施例的一种脸部区域划分示意图；
图11为本发明实施例的另一种基于脸部关键点的LBP特征提取流程示意图；
图12为本发明实施例的一种基于脸部关键点的LBP特征提取装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
术语“第一”、“第二”、“第三”、“第四”“第五”、“第六”、“第七”、“第八”和“第九”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”、“第四”“第五”、“第六”、“第七”、“第八”和“第九”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例可以应用于各种智能终端，如智能电视、手机、智能摄像头、监控设备等等；本发明实施例尤其适用于具有人脸识别技术的各类终端，例如采用人脸识别技术的安防设备、监控设备、门禁设备、智能电视和智能手机等等。
实施例一
图3示出了本发明实施例提供的一种基于脸部关键点的LBP特征提取流程示意图，如图3所示，该基于脸部关键点的LBP特征提取过程包括：
步骤100：基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态。
具体的，在执行步骤100的过程中，首先将待处理的脸部图像进行预处理，得到待处理图像的灰度图像，对该待处理图像的灰度图像进行脸部关键点检测，获得该灰度图像中待提取LBP特征的脸部关键点位置。需要说明的是，在步骤100中确定的脸部关键点包括人脸脸廓关键点、眉毛关键点、眼睛关键点、鼻子关键点和嘴巴关键点，分别代表待处理脸部图像中人脸轮廓的位置、眉毛的位置、眼睛的位置、鼻子的位置和嘴巴的位置。
示例的，图4示出了本发明实施例的一种脸部关键点分布示意图，如图4所示，确定的脸部关键点共有83个，其中，代表人脸轮廓位置和人脸轮廓大小的人脸轮廓关键点有19个，代表眉毛位置和眉毛大小的眉毛关键点有16个，代表眼睛位置和眼睛大小的眼睛关键点有18个，代表鼻子位置和鼻子大小的鼻子关键点有12个，代表嘴巴位置和嘴巴大小的嘴巴关键点有18个。当然，此处仅是举例说明，并不代表本发明实施例的步骤100确定的脸部关键点分布位置和数量局限于此。
进一步的，需要说明的是，步骤100中确定了待处理的脸部图像的脸部关键点位置之后，需要将待处理脸部图像整体进行图像校正，以确保每一张待处理脸部图像中，两眼球之间的连线与水平线之间的夹角相同。示例的，可以通过旋转整个待处理脸部图像，保证所有待处理的脸部图像中，代表人脸两眼球位置的关键点的纵坐标相同，即保证人眼眼球处于同一水平线上。
示例的，参考图5所示，待处理的脸部图像未进行图像校正之前，代表人脸两眼球位置的关键点之间的连线与水平线之间具有一定的夹角；参考图6所述，待处理的脸部图像进行图像校正之后，代表人脸两眼球位置的关键点之间的连线处于同一水平线上，即代表人脸两眼球位置的关键点的纵坐标相同；参考图5和图6所示，对待处理的脸部图像进行图像校正，只是在平面坐标系中，对待处理的脸部图像整体进行旋转，并不改变待处理脸部图像中的人脸姿态和人脸大小。
进一步的，参考大量的经验，人脸姿态通常包括正脸、左侧脸、右侧脸、低头和仰头等五种不同的姿态，其中，左侧脸和右侧脸相对于正脸，待处理脸部图像的脸部特征在水平方向上变化较大，在竖直方向上不发生变化；低头和仰头相对于正脸，待处理脸部图像的脸部特征在水平方向上不发生变化，在竖直方向上变化较大；基于上述分析，步骤100的执行过程包括：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
具体的，获取第一关键点到第二关键点之间的第一竖直距离以及所述第二关键点到第三关键点之间的第二竖直距离，其中，所述第一关键点、所述第二关键点以及所述第三关键点沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
获取第三关键点到第四关键点之间的第一水平距离以及第五关键点到第六关键点之间的第二水平距离，其中，所述第三关键点、所述第四关键点、所述第五关键点以及所述第六关键点沿水平方向从左到右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
需要说明的是，步骤100的执行过程中，判断人脸姿态是否为仰头或低头与判断人脸姿态是否为左侧头和右侧头之间，不存在先后顺序，两者可以互换顺序，也可以同时执行。即步骤100的执行过程还可以如下：
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
进一步的，需要说明的，第二竖直距离可以为第二关键点到第三关键点之间的竖直距离，也可以为第三关键点到第九关键点之间的竖直距离，其中，第一关键点、第二关键点、第三关键点和第九关键点沿竖直方向自上向下分布。
进一步的，需要说明的，第四关键点和第五关键点可以为人脸图像中的同一个关键点，也可以是人脸图像上沿水平方向分布的不同关键点。
进一步的，需要说明的，第一阈值和第二阈值分别代表正脸状态下脸部图像中第一竖直距离与第二竖直距离的比值和第一水平距离与第二水平距离的比值，第一阈值和第二阈值可以分别为一个具体数值，也可以分别为一个数值范围。
下面将结合具体的实施例，详细的说明本发明实施例的步骤100执行过程，当然，此处仅是举例说明，并不代表本发明实施例的人脸姿态估计局限于此。
图7示例性的示出了正脸姿态下人脸五官位置分布示意图，参考图7所示，眼球到额底线之间的竖直距离与眼球到人脸头部最高点之间的竖直距离分别占到了人脸竖直距离的一半，即人脸两个眼球之间的连线是人脸在竖直方向的中心线，其中，鼻底线到额底线之间的竖直距离与鼻底线到眉线之间的竖直距离分别占到了人脸竖直距离的三分之一，即正脸姿态下，眉线到鼻底线之间的竖直距离与鼻底线到额底线之间的竖直距离的比值为1:1。进一步的分析发现，当人脸姿态由正脸变为仰头时，眉线到鼻底线之间的人脸部分比鼻底线到额底线之间的人脸部分距离拍摄镜头的距离远，相应的眉线到鼻底线之间的竖直距离相对正脸状态下变大，鼻底线到额底线之间的竖直距离相对正脸状态下变小，即仰头状态下，眉线到鼻底线之间的竖直距离与鼻底线到额底线之间的竖直距离的比值大于1:1；当人脸姿态由正脸变为低头时，眉线到鼻底线之间的人脸部分比鼻底线到额底线之间的人脸部分距离拍摄镜头的距离近，相应的眉线到鼻底线之间的竖直距离相对正脸状态下变小，鼻底线到额底线之间的竖直距离相对正脸状态下变大，即低头状态下，眉线到鼻底线之间的竖直距离与鼻底线到额底线之间的竖直距离的比值小于1:1。
基于上述分析，本发明可以通过判断眉线到鼻底线之间的竖直距离与鼻底线到额底线之间的竖直距离的比值与第一阈值Y之间的大小，判断待处理脸部图像的人脸姿态是否为低头或仰头。考虑到测量误差与不同人脸五官分布的差异性，优选的，第一阈值Y的取值是一个数值范围而不是一个具体数值，示例的，第一阈值Y为[0.8，1.2]。
参考图8所示，第一关键点A1代表眉线在脸部图像中的竖直位置，第二关键点A2代表鼻底线在脸部图像中的竖直位置，第三关键点A3代表额底线在脸部图像中的竖直位置，第一关键点A1到第二关键点A2之间的竖直距离Y1代表眉线到鼻底线之间的竖直距离，第二关键点A2到第三关键点A3之间的竖直距离代表鼻底线到额底线之间的竖直距离Y2。
若Y1与Y2的比值等于第一阈值Y，即Y1与Y2的比值在[0.8，1.2]内，则该脸部图像的人脸姿态为正脸；若Y1与Y2的比值大于第一阈值Y，即Y1与Y2的比值大于1.2，则该脸部图像的人脸姿态为仰头；若Y1与Y2的比值小于第一阈值Y，即Y1与Y2的比值小于0.8，则该脸部图像的人脸姿态为低头。
参考图7所示，正脸姿态下人脸五官中，左眼的左眼角到左耳根之间的水平距离、左眼的左眼角到左眼的右眼角之间的水平距离、左眼的右眼角到右眼的左眼角之间的水平距离、右眼的左眼角到右眼的右眼角之间的水平距离与右眼的右眼角到右耳根之间的水平距离分别占到脸部图像整体水平距离的五分之一，即左眼的左眼角到左耳根之间的水平距离、左眼的左眼角到左眼的右眼角之间的水平距离、左眼的右眼角到右眼的左眼角之间的水平距离、右眼的左眼角到右眼的右眼角之间的水平距离与右眼的右眼角到右耳根之间的水平距离之间全部之间的比值为1:1:1:1:1:1。经过研究发现，当脸部图像的人脸姿态从正脸变化为左侧脸或右侧脸时，左眼的左眼角到左耳根之间的水平距离、左眼的左眼角到左眼的右眼角之间的水平距离、左眼的右眼角到右眼的左眼角之间的水平距离、右眼的左眼角到右眼的右眼角之间的水平距离与右眼的右眼角到右耳根之间的水平距离相对于正脸姿态下均发生不同程度的变化，因此，我们可以通过判断上述五个水平距离之间任意两者的比值变化情况判断该脸部图像的人脸姿态是否为左侧脸或右侧脸。
下面将结合左眼的左眼角到左眼的右眼角之间的水平距离与右眼的左眼角到右眼的右眼角之间的水平距离的比值与第二阈值X之间的大小关系，判断待处理图像的人脸姿态是否为左侧头或右侧头。考虑到测量误差与不同人脸五官的差异性，优选的，第二阈值X的取值是一个数值范围而不是一个具体数值，示例的，第一阈值X为[0.9，1.1]。当然，此处仅是举例说明，并不代表本发明实施例判断待处理图像的人脸姿态是否为左侧头或右侧头的方法局限于此。
具体的，参考图8所示，第四关键点B1代表左眼的左眼角在脸部图像中的水平位置，第五关键点B2代表左眼的右眼角在脸部图像中的水平位置，第六关键点B3代表右眼的左眼角在脸部图像中的水平位置，第七关键点B4代表右眼的右眼角在脸部图像中的水平位置，第四关键点B1到第五关键点B2之间的水平距离代表左眼的左眼角到左眼的右眼角之间的水平距离，第六关键点B3到第七关键点B4之间的水平距离X2代表右眼的左眼角到右眼的右眼角之间的水平距离。
若X1与X2的比值等于第二阈值X，即X1与X2的比值在[0.9，1.1]内，则该脸部图像的人脸姿态为正脸；若X1与X2的比值大于第二阈值X，即X1与X2的比值大于1.1，则该脸部图像的人脸姿态为左侧头；若X1与X2的比值小于第二阈值X，即X1与X2的比值小于0.9，则该脸部图像的人脸姿态为右侧头。
进一步的，若Y1与Y2的比值大于第一阈值Y且X1与X2的比值大于第二阈值X，则该脸部图像的人脸姿态为仰头且左侧头；若Y1与Y2的比值大于第一阈值Y且X1与X2的比值小于第二阈值X，则该脸部图像的人脸姿态为仰头且右侧头；若Y1与Y2的比值小于第一阈值Y且X1与X2的比值大于第二阈值X，则该脸部图像的人脸姿态为低头且左侧头，若Y1与Y2的比值小于第一阈值Y且X1与X2的比值小于第二阈值X，则该脸部图像的人脸姿态为低头且右侧头。
步骤110：根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径。
具体的，步骤110的执行过程如下：
若所述人脸姿态为正脸，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值。
若所述人脸姿态为仰头或低头，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值与第一预设权重的乘积。
若所述人脸姿态为左侧头或右侧头，所述椭圆邻域的横轴等于第一预设值与第二预设权重的乘积，所述椭圆邻域的纵轴等于第一预设值。
具体的，参考图9所示，关键点O的椭圆邻域横轴为W、纵轴为H。根据步骤100的判断结果，若待处理脸部图像的人脸姿态为正脸，则关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D；若待处理脸部图像的人脸姿态为仰头或低头，则关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D与第一预设权重&1的乘积；若待处理脸部图像的人脸姿态为左侧头或右侧头，则关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D。
进一步的，首先，将待处理脸部图像分为四个区域，分别为第一区域、第二区域、第三区域和第四区域，其中，第一区域、第二区域、第三区域和第四区域沿顺时针分布，且第一区域位于所述第四区域竖直方向上。
示例的，参考图10所示，第一区域位于人脸的左半脸且位于鼻底线以上区域，第二区域位于人脸的右半脸且位于鼻底线以上区域，第三区域位于人脸的右半脸且位于鼻底线以下区域，第四区域位于人脸的左半脸且位于鼻底线以下区域。
具体的，根据步骤100的待处理脸部图像的人脸姿态估计结果，若待处理脸部图像的人脸姿态为正脸，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D。
若待处理脸部图像的人脸姿态为仰头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域和第二区域时，第一预设权重&1小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域和第四区域时，第一预设权重&1大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为低头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域和第二区域时，第一预设权重&1大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域和第四区域时，第一预设权重&1小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
若待处理脸部图像的人脸姿态为左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D。其中，当关键点O位于第一区域和第三区域时，第二预设权重&2大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W大于第一预设值D；当关键点O位于第二区域和第四区域时，第二预设权重&2小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W小于第一预设值D。
若待处理脸部图像的人脸姿态为右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D。其中，当关键点O位于第一区域和第三区域时，第二预设权重&2小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W小于第一预设值D；当关键点O位于第二区域和第四区域时，第二预设权重&2大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W大于第一预设值D。
若待处理脸部图像的人脸姿态为仰头且左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第二区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第四区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为仰头且右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第二区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第四区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为低头且左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第二区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第四区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
若待处理脸部图像的人脸姿态为仰低头且右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第二区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第四区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
示例的，第一预设权重&1小于1时，&1＝1-e·sinα，其中，α为待处理脸部图像中人脸姿态的侧头角度；第一预设权重&1大于1时，&1＝1+e·sinα，其中，α为待处理脸部图像中人脸姿态的侧头角度；第二预设权重&2小于1时，示例的&2＝0.8；第二预设权重&2大于1时，示例的&2＝1.2。
示例的，同一人的脸部图像，关键点O的椭圆邻域横轴W、纵轴H与人脸姿态和关键点O的位置之间的对应关系如下表表一所示：
表一
步骤120：对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
具体的，对待处理脸部图像的关键点进行LBP特征提取之前，需要对待处理脸部图像进行归一化处理，将待处理脸部图像的尺寸缩放到同一尺寸。示例的，假如待处理脸部图像中人脸的双眼球间实际距离为L，若待处理脸部图像的人脸姿态不是左侧头或右侧头，则对待处理脸部图像进行缩放直至其中人脸的双眼球间距离为L；若待处理脸部图像的人脸姿态是左侧头或右侧头，则对待处理脸部图像进行缩放直至其中人脸的双眼球间距离为L·cosα，其中α为待处理脸部图像中人脸姿态的侧头角度。
进一步的，以每一个关键点为中心，取待处理脸部图像中的一块区域，并将该区域分成若干个大小相同的图像块，然后对每一个图像块的每个像素点进行LBP特征提取。在对每一个像素点进行LBP特征提取的过程中，使用圆形LBP算子，其中，每一个像素点的邻域半径采用步骤110中根据人脸姿态和关键点位置确定的椭圆邻域的横轴W和纵轴H的数值，进而获得该椭圆邻域内若干个采样点的像素值，将该若干个采样点的像素值与该椭圆邻域中心点的像素值进行比较，大于该中心点像素值的采样点位置标记为1，否则标记为0。然后，根据每个采样点的标记结果，按照一定的顺序得到一定位数的二进制数，然后按照等价模式将该二进制数转化为十进制数，根据该十进制数生成该图像块的直方图，最后将每个图像块的直方图进行串联，生成该关键点的LBP特征向量。
进一步的，关于关键点的LBP特征提取算法，本发明不做详细介绍，本领域技术人员可参考现有技术。
本发明实施例提供的基于脸部关键点的LBP特征提取方法，首先根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态修正不同脸部关键点所对应的椭圆邻域半径，建立了椭圆邻域半径与该脸部图像的人脸姿态以及该关键点的位置之间的对应关系，进而采用修正后的椭圆邻域半径提取该脸部关键点的LBP特征，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。
实施例二
图11示出了本发明实施例提供的另一种基于脸部关键点的LBP特征提取流程示意图，如图11所示，该基于脸部关键点的LBP特征提取过程包括：
步骤200：基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态。
具体的，步骤200的执行过程与上述实施例一的步骤100相同，前面已经详细介绍，本发明在此不做累述，具体的请参照实施例一的步骤100。
步骤210：根据所述脸部图像的人脸姿态确定所述关键点在预置映射表中对应的椭圆邻域半径。
具体的，根据上述步骤200中确定的待处理脸部图像的人脸姿态，查找待处理脸部图像的关键点在预置映射表中所对应的椭圆邻域半径，其中，该预置映射表用于表征同一个人的脸部图像，在不同人脸姿态下的不同脸部区域内的关键点进行LBP特征提取过程中对应的椭圆邻域半径大小。示例的，参考图10所示，将人脸分为四个区域，分别为第一区域、第二区域、第三区域和第四区域，其中，第一区域、第二区域、第三区域和第四区域沿顺时针分布，且第一区域位于所述第四区域竖直方向上，其中，第一区域位于人脸的左半脸且位于鼻底线以上区域，第二区域位于人脸的右半脸且位于鼻底线以上区域，第三区域位于人脸的右半脸且位于鼻底线以下区域，第四区域位于人脸的左半脸且位于鼻底线以下区域。
进一步的，该预置映射表中，待处理脸部图像关键点O与待处理脸部图像的人脸姿态和该关键点O在待处理脸部图像上的分布位置之间的对应关系如下：
若待处理脸部图像的人脸姿态为正脸，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D。
若待处理脸部图像的人脸姿态为仰头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域和第二区域时，第一预设权重&1小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域和第四区域时，第一预设权重&1大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为低头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域和第二区域时，第一预设权重&1大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域和第四区域时，第一预设权重&1小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
若待处理脸部图像的人脸姿态为左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D。其中，当关键点O位于第一区域和第三区域时，第二预设权重&2大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W大于第一预设值D；当关键点O位于第二区域和第四区域时，第二预设权重&2小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W小于第一预设值D。
若待处理脸部图像的人脸姿态为右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D。其中，当关键点O位于第一区域和第三区域时，第二预设权重&2小于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W小于第一预设值D；当关键点O位于第二区域和第四区域时，第二预设权重&2大于1，即位于第一区域和第二区域的关键点O的椭圆邻域的横轴W大于第一预设值D。
若待处理脸部图像的人脸姿态为仰头且左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第二区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第四区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为仰头且右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第二区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第三区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第四区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D。
若待处理脸部图像的人脸姿态为低头且左侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第二区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第四区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
若待处理脸部图像的人脸姿态为仰低头且右侧头，则位于第一区域、第二区域、第三区域和第四区域的关键点O的椭圆邻域横轴W等于第一预设值D与第二预设权重&2的乘积、纵轴H等于第一预设值D与第一预设权重&1的乘积。其中，当关键点O位于第一区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第二区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1大于1，即位于第一区域的关键点O的椭圆邻域的纵轴H大于第一预设值D；当关键点O位于第三区域时，第二预设权重&2小于1，即位于第一区域的关键点O的椭圆邻域的横轴W小于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D；当关键点O位于第四区域时，第二预设权重&2大于1，即位于第一区域的关键点O的椭圆邻域的横轴W大于第一预设值D，第一预设权重&1小于1，即位于第一区域的关键点O的椭圆邻域的纵轴H小于第一预设值D。
示例的，第一预设权重&1小于1时，&1＝1-e·sinα，其中，α为待处理脸部图像中人脸姿态的侧头角度；第一预设权重&1大于1时，&1＝1+e·sinα，其中，α为待处理脸部图像中人脸姿态的侧头角度；第二预设权重&2小于1时，示例的&2＝0.7；第二预设权重&2大于1时，示例的&2＝1.1。
示例的，同一人的脸部图像，关键点O的椭圆邻域横轴W、纵轴H与人脸姿态和关键点O的位置之间的对应关系如下表表二所示，即该预置映射表如下表表二所示：
表二
步骤220：对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
具体的，步骤220的执行过程与上述实施例一的步骤120相同，前面已经详细介绍，本发明在此不做累述，具体的请参照实施例一的步骤120。
本发明实施例提供的基于脸部关键点的LBP特征提取方法，首先根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态，查找待处理脸部图像的关键点在预置映射表中所对应的椭圆邻域半径，其中，该预置映射表用于表征同一个人的脸部图像，在不同人脸姿态下的不同脸部区域内的关键点进行LBP特征提取过程中对应的椭圆邻域半径大小。本发明实施例的预置映射表建立了椭圆邻域半径与该脸部图像的人脸姿态以及该关键点的位置之间的对应关系，进而采用预置映射表中的椭圆邻域半径提取该脸部关键点的LBP特征，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。
基于上述实施例的基于脸部关键点的LBP特征提取方法，本发明实施例还提供一种基于脸部关键点的LBP特征提取装置，采用上述实施例提供的LBP特征提取方法进行待处理脸部图像的LBP特征提取，该装置如图12所示，包括：
关键点检测模块301，用于检测待处理脸部图像的关键点，确定待提取LBP特征的脸部关键点位置。
图像处理模块302，用于获取所述关键点之间的距离根据所述距离确定所述脸部图像的人脸姿态，以及根据所述人脸姿态修正所述关键点对应椭圆邻域的半径。
特征提取模块303，用于对所述脸部图像采用所述椭圆邻域的半径对所述关键点进行LBP特征提取。
具体的，关键点检测模块301用于检测待处理脸部图像的关键点，获得待处理脸部图像中待提取LBP特征的脸部关键点位置。进一步的，关键点检测模块301用于检测分别代表待处理脸部图像中人脸轮廓的位置、眉毛的位置、眼睛的位置、鼻子的位置和嘴巴的位置的人脸脸廓关键点、眉毛关键点、眼睛关键点、鼻子关键点和嘴巴关键点等，进而基于关键点的位置，参考图10所示将待处理脸部图像分为第一区域、第二区域、第三区域和第四区域四个区域，其中，第一区域、第二区域、第三区域和第四区域沿顺时针分布，且第一区域位于所述第四区域竖直方向上，示例的，第一区域位于人脸的左半脸且位于鼻底线以上区域，第二区域位于人脸的右半脸且位于鼻底线以上区域，第三区域位于人脸的右半脸且位于鼻底线以下区域，第四区域位于人脸的左半脸且位于鼻底线以下区域。
具体的，图像处理模块302用于获取待处理关键点之间的距离，并根据获取到的脸部关键点之间的距离，确定才处理脸部图像的人脸姿态，最后根据确定的待处理脸部图像的人脸姿态，对待处理脸部图像进行比例缩放，并确定不同人脸姿态下的不同脸部区域内的关键点进行LBP特征提取过程中对应的椭圆邻域半径大小。具体的，图像处理模块302根据获取到的脸部关键点之间的距离，确定才处理脸部图像的人脸姿态以及根据确定的待处理脸部图像的人脸姿态，对待处理脸部图像进行比例缩放，并确定不同人脸姿态下的不同脸部区域内的关键点进行LBP特征提取过程中对应的椭圆邻域半径大小的方法，与前面实施例一的步骤100和110以及实施例二的步骤200和步骤210中叙述的方法相同，在此本发明不做累述。
具体的，特征提取模块303用于对缩放后的脸部图像采用图像处理模块302中确定的脸部关键点的椭圆邻域半径对该关键点进行LBP特征提取，具体的LBP特征提取方法和过程，请参考实施例一的步骤120和实施例二的步骤220，本发明在此不做累述。
本发明实施例提供的基于脸部关键点的LBP特征提取装置，首先根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态，确定待处理脸部图像在该人脸姿态下的不同脸部区域内的关键点进行LBP特征提取过程中对应的椭圆邻域半径大小。本发明实施例的LBP特征提取装置建立了椭圆邻域半径与该脸部图像的人脸姿态以及该关键点的位置之间的对应关系，进而采用该椭圆邻域半径提取该脸部关键点的LBP特征，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器，使得通过该计算机或其他可编程数据处理设备的处理器执行的指令可实现流程图中的一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (19)
1.一种基于脸部关键点的LBP特征提取方法，其特征在于，包括：
基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态；
根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径；
对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
2.一种基于脸部关键点的LBP特征提取方法，其特征在于，包括：
基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态；
根据所述脸部图像的人脸姿态确定所述关键点在预置映射表中对应的椭圆邻域半径；
对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。
3.根据权利要求1或2所述的方法，其特征在于，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，包括：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；
所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头；或
所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头。
4.根据权利要求1或2所述方法，其特征在于，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，还包括：
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布；
所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头；或
所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
5.根据权利要求1或2任一项所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，包括：
若所述人脸姿态为正脸，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值；或
若所述人脸姿态为仰头或低头，所述椭圆邻域的横轴等于第一预设值，所述椭圆邻域的纵轴等于第一预设值与第一预设权重的乘积；或
若所述人脸姿态为左侧头或右侧头，所述椭圆邻域的横轴等于第一预设值与第二预设权重的乘积，所述椭圆邻域的纵轴等于第一预设值。
6.根据权利要求5所述方法，其特征在于，所述脸部图像包括第一区域、第二区域、第三区域和第四区域，其中，所述第一区域、所述第二区域、所述第三区域和所述第四区域沿顺时针分布，且所述第一区域位于所述第四区域竖直方向上。
7.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，包括：
若所述人脸姿态为正脸，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值。
8.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为仰头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值。
9.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为低头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值。
10.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为左侧头，所述第一区域和所述第四区域的所述横轴大于第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值。
11.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为右侧头，所述第一区域和所述第四区域的所述横轴小于第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值。
12.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
13.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为仰头且右侧头，所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值。
14.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为低头且左侧头，所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值。
15.根据权利要求6所述方法，其特征在于，所述根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径，还包括：
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
16.根据权利要求6所述方法，其特征在于，预置映射表用于表征不同人脸姿态下、不同脸部区域内的所述关键点对应的椭圆邻域半径，其中：
若所述人脸姿态为正脸，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值；
若所述人脸姿态为仰头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值；
若所述人脸姿态为低头，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值；
若所述人脸姿态为左侧头，所述第一区域和所述第四区域的所述横轴大于第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为右侧头，所述第一区域和所述第四区域的所述横轴小于第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值；
若所述人脸姿态为仰头且右侧头，所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为低头且左侧头，所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；
若所述人脸姿态为仰头且左侧头，所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
17.一种基于脸部关键点的LBP特征提取装置，其特征在于，包括：
关键点检测模块，用于检测待处理脸部图像的关键点；
图像处理模块，用于获取所述关键点之间的距离，根据所述距离确定所述脸部图像的人脸姿态，以及根据所述人脸姿态修正所述关键点对应椭圆邻域的半径；
特征提取模块，用于对所述脸部图像采用所述椭圆邻域的半径对所述关键点进行LBP特征提取。
18.根据权利要求17所述装置，其特征在于，所述图像处理模块具体用于：
获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布，所述第一竖直距离与所述第二竖直距离之间的比值大于第一阈值，则所述脸部图像的人脸姿态为低头，或所述第一竖直距离与所述第二竖直距离之间的比值小于第一阈值，则所述脸部图像的人脸姿态为仰头；
获取所述脸部图像水平方向上的第一水平距离和第二水平距离，其中，所述第一水平距离和所述第二水平距离沿水平方向自左向右分布，所述第一水平距离与所述第二水平距离之间的比值大于第二阈值，则所述脸部图像的人脸姿态为右侧头，或所述第一水平距离与所述第二水平距离之间的比值小于第二阈值，则所述脸部图像的人脸姿态为左侧头。
19.根据权利要求17所述装置，其特征在于，所述图像处理模块具体用于：
若所述人脸姿态为正脸，确定第一区域、第二区域、第三区域和第四区域的所述椭圆邻域的横轴和所述椭圆邻域的纵轴均等于第一预设值；或
若所述人脸姿态为仰头，确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于所述第一预设值；或
若所述人脸姿态为低头，确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述横轴等于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于所述第一预设值；或
若所述人脸姿态为左侧头，确定所述第一区域和所述第四区域的所述横轴大于第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；或
若所述人脸姿态为右侧头，确定所述第一区域和所述第四区域的所述横轴小于第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域、所述第二区域、所述第三区域和所述第四区域的所述纵轴等于所述第一预设值；或
若所述人脸姿态为仰头且左侧头，确定所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值；或
若所述人脸姿态为仰头且右侧头，确定所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；或
若所述人脸姿态为低头且左侧头，确定所述第一区域和所述第四区域的所述横轴大于所述第一预设值，所述第二区域和所述第三区域的所述横轴小于所述第一预设值，所述第一区域和所述第二区域的所述纵轴大于第一预设值，所述第三区域和所述第四区域的所述纵轴小于第一预设值；或
若所述人脸姿态为仰头且左侧头，确定所述第一区域和所述第四区域的所述横轴小于所述第一预设值，所述第二区域和所述第三区域的所述横轴大于所述第一预设值，所述第一区域和所述第二区域的所述纵轴小于第一预设值，所述第三区域和所述第四区域的所述纵轴大于第一预设值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610093896.1A CN105608448B (zh) | 2016-02-22 | 2016-02-22 | 一种基于脸部关键点的lbp特征提取方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610093896.1A CN105608448B (zh) | 2016-02-22 | 2016-02-22 | 一种基于脸部关键点的lbp特征提取方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105608448A CN105608448A (zh) | 2016-05-25 |
| CN105608448B true CN105608448B (zh) | 2019-08-09 |
Family
ID=55988374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610093896.1A Expired - Fee Related CN105608448B (zh) | 2016-02-22 | 2016-02-22 | 一种基于脸部关键点的lbp特征提取方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105608448B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203308B (zh) * | 2016-06-30 | 2023-04-21 | 美的集团股份有限公司 | 人脸识别方法及人脸识别装置 |
| CN107958439B (zh) * | 2017-11-09 | 2021-04-27 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109359532A (zh) * | 2018-09-12 | 2019-02-19 | 中国人民解放军国防科技大学 | 基于启发式信息的bgp人脸识别方法 |
| CN110909568A (zh) * | 2018-09-17 | 2020-03-24 | 北京京东尚科信息技术有限公司 | 用于面部识别的图像检测方法、装置、电子设备及介质 |
| CN109685013B (zh) * | 2018-12-25 | 2020-11-24 | 上海智臻智能网络科技股份有限公司 | 人体姿态识别中头部关键点的检测方法及装置 |
| CN110532965B (zh) | 2019-08-30 | 2022-07-26 | 京东方科技集团股份有限公司 | 年龄识别方法、存储介质及电子设备 |
| CN112069954B (zh) * | 2020-08-26 | 2023-12-19 | 武汉普利商用机器有限公司 | 一种活体微表情检测方法及系统 |
| CN112232146B (zh) * | 2020-09-27 | 2024-04-09 | 厦门亿联网络技术股份有限公司 | 一种脸部亮度计算方法、装置、设备及存储介质 |
| CN112686824B (zh) * | 2020-12-30 | 2024-11-29 | 北京迈格威科技有限公司 | 图像校正方法、装置、电子设备和计算机可读介质 |
| CN115798011A (zh) * | 2022-12-05 | 2023-03-14 | 中远海运散货运输有限公司 | 人脸图像筛选方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011089517A1 (fr) * | 2010-01-25 | 2011-07-28 | Vesalis | Procede et dispositif de reconnaissance de visages en conditions de poses variables |
| CN102667810A (zh) * | 2009-10-09 | 2012-09-12 | 维斯顿有限公司 | 数字图像中的面部识别 |
| CN103988228A (zh) * | 2011-09-27 | 2014-08-13 | 英特尔公司 | 脸部识别方法、设备和用于执行该方法的计算机可读记录介质 |
| CN104036276A (zh) * | 2014-05-29 | 2014-09-10 | 无锡天脉聚源传媒科技有限公司 | 人脸识别方法及装置 |
| CN104268539A (zh) * | 2014-10-17 | 2015-01-07 | 中国科学技术大学 | 一种高性能的人脸识别方法及系统 |
| CN104794441A (zh) * | 2015-04-15 | 2015-07-22 | 重庆邮电大学 | 复杂背景下基于主动形状模型和poem纹理模型的人脸特征定位方法 |
| CN104850818A (zh) * | 2014-02-17 | 2015-08-19 | 华为技术有限公司 | 人脸检测器训练方法、人脸检测方法及装置 |
| CN104899575A (zh) * | 2015-06-19 | 2015-09-09 | 南京大学 | 一种基于人脸检测和关键点定位的人体组件划分方法 |
-
2016
- 2016-02-22 CN CN201610093896.1A patent/CN105608448B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102667810A (zh) * | 2009-10-09 | 2012-09-12 | 维斯顿有限公司 | 数字图像中的面部识别 |
| WO2011089517A1 (fr) * | 2010-01-25 | 2011-07-28 | Vesalis | Procede et dispositif de reconnaissance de visages en conditions de poses variables |
| CN103988228A (zh) * | 2011-09-27 | 2014-08-13 | 英特尔公司 | 脸部识别方法、设备和用于执行该方法的计算机可读记录介质 |
| CN104850818A (zh) * | 2014-02-17 | 2015-08-19 | 华为技术有限公司 | 人脸检测器训练方法、人脸检测方法及装置 |
| CN104036276A (zh) * | 2014-05-29 | 2014-09-10 | 无锡天脉聚源传媒科技有限公司 | 人脸识别方法及装置 |
| CN104268539A (zh) * | 2014-10-17 | 2015-01-07 | 中国科学技术大学 | 一种高性能的人脸识别方法及系统 |
| CN104794441A (zh) * | 2015-04-15 | 2015-07-22 | 重庆邮电大学 | 复杂背景下基于主动形状模型和poem纹理模型的人脸特征定位方法 |
| CN104899575A (zh) * | 2015-06-19 | 2015-09-09 | 南京大学 | 一种基于人脸检测和关键点定位的人体组件划分方法 |
Non-Patent Citations (2)
| Title |
|---|
| AAM在多姿态人脸特征点检测中的应用;呼月宁等;《计算机工程与应用》;20100421;第46卷(第12期);161-165 * |
| 基于LBP金字塔特征的头部姿态识别;戴惟嘉;《信息化研究》;20160220;第42卷(第1期);40-43 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105608448A (zh) | 2016-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105608448B (zh) | 一种基于脸部关键点的lbp特征提取方法和装置 | |
| US20210209851A1 (en) | Face model creation | |
| CN105023010B (zh) | 一种人脸活体检测方法及系统 | |
| CN107506693B (zh) | 畸变人脸图像校正方法、装置、计算机设备和存储介质 | |
| KR100374708B1 (ko) | 회전영상의 보정에 의한 비접촉식 홍채인식방법 | |
| CN103210421B (zh) | 物体检测装置及物体检测方法 | |
| JP4946730B2 (ja) | 顔画像処理装置及び顔画像処理方法、並びにコンピュータ・プログラム | |
| CN103679175B (zh) | 一种基于深度摄像机的快速3d骨骼模型检测方法 | |
| US20160162673A1 (en) | Technologies for learning body part geometry for use in biometric authentication | |
| CN112384127B (zh) | 眼睑下垂检测方法及系统 | |
| CN104933389B (zh) | 一种基于指静脉的身份识别方法和装置 | |
| CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
| WO2015067084A1 (zh) | 人眼定位方法和装置 | |
| JP2007094906A (ja) | 特徴点検出装置および方法 | |
| CN104573634A (zh) | 一种三维人脸识别方法 | |
| CN103605965A (zh) | 一种多姿态人脸识别方法和装置 | |
| CN112200074B (zh) | 一种姿态对比的方法和终端 | |
| JP6071002B2 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
| CN102968624A (zh) | 一种人脸图像中的人眼定位方法 | |
| CN109389018B (zh) | 一种人脸角度识别方法、装置及设备 | |
| CN113989913A (zh) | 一种基于人脸识别的智能车载智能开锁方法、装置及存储介质 | |
| CN117623031A (zh) | 一种电梯无感控制系统及方法 | |
| US11048926B2 (en) | Adaptive hand tracking and gesture recognition using face-shoulder feature coordinate transforms | |
| CN111652018B (zh) | 一种人脸注册方法和认证方法 | |
| CN104156689B (zh) | 一种对目标对象的特征信息进行定位的方法和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190809 |