嘴角定位
来源:互联网 发布:同步带选型计算软件 编辑:程序博客网 时间:2024/04/28 10:41
http://www.cnblogs.com/ImageVision/archive/2012/03/21/2408506.html
人臉五官中,關於嘴角定位的文獻相對眼睛定位來講要少很多,定位的方法也很不相同。作者結合工作中遇到的問題,在此按照定位過程,簡要闡述如下:
嘴角定位一般分為,胡子區域去除,嘴巴區域獲取,嘴角定位
1. 胡子區域去除
胡子的干擾,是嘴角定位最大的難題,特別是中東一些國家,留胡子人極多。而目前很多文獻中,並沒有提出此問題的解決方法。王罡的《基於單張正面人臉照片的三維人臉自動建模方法研究》中提到用BR加權G色對比法,來去掉胡須部分。具體來講,是根據「B分量(藍色)和G分量(綠色)在唇色中的分布比較相近,但在膚色中,G分量的分布則明顯大於B分量;在膚色和唇色中,R分量(紅色)和B分量分布相對穩定,G分量是造成色度分布差異的主要元素」。
Fig1 原始圖像 Fig2 胡子去除後
實際定位中,我們只需要對人臉圖像的下半部分進行檢測即可。
2.嘴巴區域獲取
(1)嘴巴特征增強
想通過嘴巴的灰度和膚色的差異,來獲取嘴巴的區域還是比較困難的。因為實際情況下,受光照和個體的差異,並不是每個人的唇色和膚色都有明顯差異。因此需要突出嘴巴區域的特征,增加對比度。作者采用的是Fisher變換的方法,分別采集兩組樣本(膚色和嘴唇),相當於求類間距離最大的原理,來尋找膚色和純色的最有分類矩陣。
Fig3 Fisher增強 Fig4 Fisher增強
上排圖像是原始圖像,下排是嘴巴增強的效果。
(2)消除光照影響
由於光照條件不固定,會給嘴巴區域的獲取,以及後續嘴角精確定位帶來很大的影響。作者采用Gabor的方法來處理,效果良好。
Fig5 Gabor變換
(3)嘴巴區域二值化
作者嘗試采用過一些圖像二值化方法來對嘴巴區域提取,包括OTSU以及基於邊緣特征信息的二值化方法,但是經過測試都不穩定。最終采用的是類似於「眼睛定位」文章中提到的方法,效果穩定而且效果很好。
Fig 6 OTSU二值化結果
Fig 7 基於邊緣信息保留的圖像二值化
圖7中的效果明顯優於OTSU算法,但是它容易受嘴巴姿態等的影響,造成二值化區域較大,這給後續角點的篩選帶來不便。
Fig8 基於Gabor的嘴巴區域二值化
3.嘴角定位
獲得一個盡量「好」的嘴巴區域,會給嘴角定位准確性帶來很大方便。作者在嘴巴區域內,采用角點檢測和嘴巴模板相結合的方法,來精確定位嘴角位置。
角點檢測有很多現成的方法,比如Susan和Harris角點檢測。作者選擇的後者,但是檢點檢測後有很多候選點,如何准確篩選呢?我們可以嘴巴的形狀,加入邊緣信息進來判斷。因為從真正的嘴角位置出發,同事沿著邊緣往右或往左,得到的邊緣點數應該最多。
4.定位結果
- 嘴角定位
- 嘴角定位
- 嘴角定位
- 嘴角定位
- 青春在你的嘴角
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- 定位
- Objective-C初步
- iphone4s中cocos2d出现闪屏,花屏的解决方案
- C++字符串高效查找替换
- 一个简单的图片展示例子
- 部分常用JavaScript代码
- 嘴角定位
- 眼睛定位
- Gauss濾波的快速實現方法
- 人臉光照調整之Gamma校正
- 人臉光照調整之Gabor濾波
- 人臉光照調整之DCT變換
- photoshop中给矩形做圆角的方法
- Sharepoint2010的新功能“内容管理器”(Content Organizer)有什么作用?
- 【大学生活】优秀的有趣的博客