本發(fā)明涉及人臉檢測技術(shù)領(lǐng)域，特別涉及一種獲取圖片中頭像的方法和系統(tǒng)。

背景技術(shù)：

隨著互聯(lián)網(wǎng)，尤其移動互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多的用戶通過網(wǎng)絡(luò)社區(qū)平臺進行交友、聊天、貿(mào)易。在這種虛擬化的網(wǎng)絡(luò)社區(qū)平臺上，為了區(qū)分用戶，也為了展示個性，都設(shè)置了展示用戶頭像的功能。

目前，人們越來越多的需要在不同網(wǎng)站上傳頭像，而由網(wǎng)站頁面空間的限制，上傳的圖像一般會被縮放到一個較小的比例進行顯示。因此，為了使上傳的照片符合要求，通常需要找到一個只有頭部的照片或者手動地對照片進行裁剪。而在手動裁剪照片的過程中，往往需要花費大量的時間選擇適合的區(qū)域、估計裁剪的比例等，并且在花費大量的時間得到最佳比例的照片后，上傳到應(yīng)用系統(tǒng)上還會由于應(yīng)用系統(tǒng)的顯示特性使得上傳的照片顯示效果不理想。

根據(jù)以上描述可以看出，現(xiàn)有技術(shù)中，用戶設(shè)置頭像的方式主要是手動裁剪圖片中頭像，將通過裁剪得到的頭像上傳到網(wǎng)絡(luò)社區(qū)平臺上，此方式費時且又效率低下，影響用戶體驗。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種獲取圖片中頭像的方法和系統(tǒng)，以解決現(xiàn)有技術(shù)中手動截取圖片頭像繁雜費時，頭像顯示效果差的問題。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一方面，本發(fā)明提供了一種獲取圖片中頭像的方法，所述方法包括：

對獲取的原始圖片中的人臉進行檢測，獲取所述原始圖片中的人臉檢測 數(shù)據(jù)；

根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)，獲取所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示；

對所述截取區(qū)域進行剪切保存處理，獲取需要的頭像并上傳到應(yīng)用網(wǎng)站的頁面進行顯示。

其中，所述人臉檢測數(shù)據(jù)至少包括人臉個數(shù)以及每個人臉在所述原始圖像中的像素坐標，所述根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)，獲取所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示包括：

根據(jù)所述人臉檢測數(shù)據(jù)中的人臉個數(shù)，在所述原始圖片上生成相應(yīng)數(shù)量的可編輯的選擇框；

根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)中的每個人臉在所述原始圖像中的像素坐標，獲得相應(yīng)的選擇框的小大及其在所述原始圖片上的位置；

根據(jù)所述選擇框的小大及其在所述原始圖片上的位置，在所述原始圖片上定位每個人臉對應(yīng)頭像的截取區(qū)域；

在所述原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

其中，所述在所述原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域包括：

當獲得的所述人臉檢測數(shù)據(jù)中的人臉個數(shù)為一個時，在所述原始圖片上突出顯示所述人臉對應(yīng)的選擇框；

當獲得的所述人臉檢測數(shù)據(jù)中的人臉個數(shù)為兩個或兩個以上時，將檢測到的每個人臉進行人臉識別，獲得每個人臉的人臉識別數(shù)據(jù)，將獲得的每個人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉數(shù)據(jù)進行對比，在所述原始圖片上突出顯示相似度最高的人臉識別數(shù)據(jù)對應(yīng)的選擇框。

其中，所述在所述原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域具體包括：

通過選擇框的顏色和/或線條類型突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

優(yōu)選地，所述根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)，獲取所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示進一步包括：

對所述突出顯示的選擇框?qū)?yīng)的截取區(qū)域進行預(yù)覽顯示；

根據(jù)預(yù)覽顯示的效果，手動調(diào)整所述選擇框大小和/或比例；

根據(jù)調(diào)整后的所述選擇框的大小和/或比例，在所述原始圖片的相應(yīng)位置處重新定位所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域。

另一方面，本發(fā)明提供了一種獲取圖片中頭像的系統(tǒng)，所述系統(tǒng)包括：

人臉檢測單元，用于對獲取的原始圖片中的人臉進行檢測，獲取所述原始圖片中的人臉檢測數(shù)據(jù)；

截取單元，用于根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)，獲取所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示；

頭像獲取單元，用于對所述截取區(qū)域進行剪切保存處理，獲取需要的頭像并上傳到應(yīng)用網(wǎng)站的頁面進行顯示。

其中，所述人臉檢測單元獲取的人臉檢測數(shù)據(jù)至少包括人臉個數(shù)以及每個人臉在所述原始圖像中的像素坐標，所述截取單元包括：

選擇框生成模塊，用于根據(jù)所述人臉檢測數(shù)據(jù)中的人臉個數(shù)在所述原始圖片上生成相應(yīng)數(shù)量的可編輯的選擇框；

位置獲取模塊，用于根據(jù)預(yù)設(shè)的截取比例和所述人臉檢測數(shù)據(jù)中的每個人臉在所述原始圖像中的像素坐標，獲得相應(yīng)的選擇框的小大及其在所述原始圖片上的位置；

定位模塊，用于根據(jù)所述選擇框的小大及其在所述原始圖片上的位置，在所述原始圖片上定位每個人臉對應(yīng)頭像的截取區(qū)域；

顯示模塊，用于在所述原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

其中，所述顯示模塊進一步用于，

當獲得的所述人臉檢測數(shù)據(jù)中的人臉個數(shù)為一個時，在所述原始圖片上突出顯示所述人臉對應(yīng)的選擇框；

當獲得的所述人臉檢測數(shù)據(jù)中的人臉個數(shù)為兩個或兩個以上時，將檢測到的每個人臉進行人臉識別，獲得每個人臉的人臉識別數(shù)據(jù)，將獲得的每個人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉數(shù)據(jù)進行對比，在所述原始圖片上突出 顯示相似度最高的人臉識別數(shù)據(jù)對應(yīng)的選擇框。

其中，所述顯示模塊進一步用于，

通過選擇框的顏色和/或線條類型突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

優(yōu)選地，所述截取單元還包括預(yù)覽模塊；

所述預(yù)覽模塊，用于對所述突出顯示的選擇框?qū)?yīng)的截取區(qū)域進行預(yù)覽顯示；

所述定位模塊，進一步用于根據(jù)手動調(diào)整后所述選擇框的大小和/或比例，在所述原始圖片的相應(yīng)位置處重新定位所述人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域。

本發(fā)明實施例的有益效果是：本發(fā)明公開了一種獲取圖片中頭像的方法和系統(tǒng)，通過對獲取的原始圖片中的人臉進行自動檢測，獲得包括人臉個數(shù)和每個人臉在原始圖像中的像素坐標的人臉檢測數(shù)據(jù)，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)，獲得該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域，通過對截取區(qū)域進行剪切保存處理，獲得需要的頭像并上傳到所述應(yīng)用網(wǎng)站的頁面進行顯示。本發(fā)明的技術(shù)方案能夠自動地從原始圖片中獲得需要的頭像，相比于現(xiàn)有方法，無需用戶進行多次的手動截取，因而能夠快速的獲得預(yù)設(shè)截取比例的頭像。

附圖說明

圖1為本發(fā)明實施例提供的獲取圖片中頭像的方法流程圖；

圖2為本發(fā)明實施例提供的獲取圖片中頭像的系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。

圖1為本發(fā)明實施例提供的獲取圖片中頭像的方法流程圖，該方法尤其適用于頁面空間對上傳的頭像圖片具有尺寸限制的應(yīng)用網(wǎng)站，圖1中獲取圖 片中頭像的方法包括：

S10，對獲取的原始圖片中的人臉進行檢測，獲取原始圖片中的人臉檢測數(shù)據(jù)。其中，獲得的人臉檢測數(shù)據(jù)至少包括人臉個數(shù)以及每個人臉在原始圖像中的像素坐標。

人臉檢測(Face Detection)是指在輸入圖像中確定所有人臉(如果存在)的位置、大小、位姿的過程。人臉檢測技術(shù)是在人臉識別技術(shù)上進一步發(fā)展、優(yōu)化，是自動人臉識別系統(tǒng)中的一個關(guān)鍵環(huán)節(jié)。人臉是一類具有相當復(fù)雜的細節(jié)變化的自然結(jié)構(gòu)目標，此類目標的檢測問題的挑戰(zhàn)性在于：人臉由于外貌、表情、膚色等不同，具有模式的可變性；一般意義下的人臉上，可能存在眼鏡、胡須等附屬物；作為三維物體的人臉的影像不可避免地受由光照產(chǎn)生的陰影的影響。因此，如果能夠找到解決這些問題的方法，成功構(gòu)造出人臉檢測與跟蹤系統(tǒng)，將為解決其它類似的復(fù)雜模式檢測問題提供重要的啟示。

由于人臉圖像包含的特征模式十分豐富，例如顏色特征(膚色、發(fā)色等)、輪廓特征(橢圓輪廓等)、直方圖特征(分布、距離等)、啟發(fā)式特征(頭發(fā)、下顎等)、模板特征(均值、方差、距離等)、變換域特征(特征臉、小波特征等)以及結(jié)構(gòu)特征(對稱性、投影特征等)，且人臉模式具有復(fù)雜而細致的變化，因此一般需要采用多種模式特征綜合的方法。其中，根據(jù)利用特征的色彩屬性可以將人臉檢測方法分為：基于膚色特征的方法和基于灰度特征的方法兩類，基于膚色特征的方法適用于構(gòu)造快速的人臉檢測和人臉跟蹤算法，基于灰度特征的方法利用了人臉區(qū)別與其他物體的更為本質(zhì)的特征，而根據(jù)特征綜合時采用的不同模型，可以將基于灰度的特征的方法分為基于啟發(fā)式模式的方法和基于統(tǒng)計模型的方法。由于人臉檢測問題的復(fù)雜性，無論哪一類方法都無法適應(yīng)于所有的情況，一般都針對人臉檢測領(lǐng)域內(nèi)某個或某些特定的問題。

由于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(zhuǎn)、表情等變化情況都能適用，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，因此本實施例主要采用膚色為人臉模式的特征。

膚色特征主要由膚色模型描述，常用的膚色模型包括高斯模型、混合高斯模型和直方圖模型。使用任何形式的膚色模型與色度空間(Chrominance Space)的選擇密切相關(guān)，人臉檢測常用的色度空間包括：RGB(紅、綠、藍三基色)、rgb(亮度歸一化的三基色)、SHI(飽和度、色調(diào)、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601編碼方式的色度模型)等。可以從兩個方面考察某種色度空間，其一為在該色度空間中能否用給定的模型描述“膚色”區(qū)域的分布，其二為色度空間中“膚色”與“非膚色”區(qū)域的重疊度。

在步驟S10中，可以通過輸入設(shè)備獲取原始圖片，該輸入設(shè)備可以是移動智能設(shè)備，例如手機，也可以是筆記本或攝像頭。

S20，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)，獲取人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示，其中預(yù)設(shè)的截取比例可以通過數(shù)據(jù)統(tǒng)計獲得，也可以設(shè)定為黃金分割比例。

在步驟S20中，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)，獲取人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示具體包括：

根據(jù)人臉檢測數(shù)據(jù)中的人臉個數(shù)在原始圖片上生成相應(yīng)數(shù)量的可編輯的選擇框；

根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)中的每個人臉在原始圖像中的像素坐標，獲得相應(yīng)的選擇框的大小及其在原始圖片上的位置；

根據(jù)選擇框的大小及其在原始圖片上的位置在原始圖片上定位每個人臉對應(yīng)頭像的截取區(qū)域；

在原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

其中，當獲得的人臉檢測數(shù)據(jù)中的人臉個數(shù)為一個時，在原始圖片上突出顯示該人臉對應(yīng)的選擇框；當獲得的人臉檢測數(shù)據(jù)中的人臉個數(shù)為兩個或兩個以上時，將檢測到的每個人臉進行人臉識別，獲得每個人臉的人臉識別數(shù)據(jù)，將獲得的每個人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉數(shù)據(jù)進行對比，在原始圖片上突出顯示相似度最高的人臉識別數(shù)據(jù)對應(yīng)的選擇框。

人臉識別(Face Recognition)是一種依據(jù)人的面部特征自動進行身份鑒別的一種技術(shù)，它綜合運用了數(shù)字圖像/視頻處理、模式識別等多種技術(shù)。廣義上的人臉識別是指人體面部的識別，特指眼、鼻、口以及面頰等部位的識別。人臉識別技術(shù)包括四個主要的環(huán)節(jié)，依次為人臉圖像檢測、人臉圖像預(yù) 處理、人臉圖像特征提取和匹配與識別。其中，

1)人臉圖像檢測如前所述，即在圖像中準確的標定出人臉的位置和大小。

2)由于原始圖像受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預(yù)處理，對于人臉圖像而言，其預(yù)處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。

3)人臉特征提取的方法大致分為基于知識的表征方法和基于代數(shù)特征或統(tǒng)計學習的表征方法：基于知識的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對這些局部和它們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征，而基于知識的人臉表征主要包括基于幾何特征的方法和模板匹配法。

4)人臉圖像匹配與識別是指提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進行搜索匹配，通過設(shè)定一個閾值，當相似度超過這一閾值，則把匹配得到的結(jié)果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據(jù)相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。

本實施例中人臉識別主要采用基于人臉特征點的識別算法(Feature-based Recognition Algorithms)實現(xiàn)原始圖片中人臉的自動識別。

需要說明的是，在原始圖片上通過選擇框突出顯示自動獲取到的人臉對應(yīng)頭像的截取區(qū)域時，本實施例還提供人機交互的手段，滿足用戶的個性化需求。用戶可以通過編輯突出顯示的選擇框重新定位滿足其需求的截取區(qū)域，例如，通過調(diào)整自動獲得的人臉檢測數(shù)據(jù)對應(yīng)的選擇框的大小或選擇框的比例，來調(diào)整該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域?；蛘?，在用戶判斷自動識別的相似度最高的人臉識別數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并不是其想要的時候，用戶可以手動選擇合適的人臉對應(yīng)的選擇框，獲得重新選擇后的人臉對應(yīng)頭像的截取區(qū)域。

進一步地，在步驟S20中，還可以對突出顯示的選擇框?qū)?yīng)的截取區(qū)域進行預(yù)覽顯示；

根據(jù)預(yù)覽顯示的效果，手動調(diào)整選擇框大小和/或比例；

根據(jù)調(diào)整后的選擇框的大小和/或比例，在原始圖片的相應(yīng)位置處重新定位人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域。

S30，對截取區(qū)域進行剪切保存處理，獲取需要的頭像并長傳到應(yīng)用網(wǎng)站的頁面進行顯示。

在本步驟中，在對截取區(qū)域進行剪切后可以對剪切得到的圖片進行相應(yīng)的處理，例如對頭像進行邊緣和光線處理，然后將截取到的頭像保存到上述數(shù)據(jù)庫中，以充實完善數(shù)據(jù)庫的資源。

本實施例通過對圖片進行人臉檢測，獲得圖片中的人臉檢測數(shù)據(jù)，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)得到該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域，通過對截取區(qū)域進行剪切保存處理后獲得需要的頭像。本實施例的方法能夠自動的獲得最佳的截取比例，無需用戶進行多次手動截取，能夠有效地減少獲得預(yù)設(shè)截取比例頭像的時間。

為了更詳細的說明本發(fā)明獲取圖片中頭像的方法及其有益效果，下面以自動獲取原始圖片中需要的人臉頭像為例進行說明，假設(shè)該原始圖片中具有3個人臉。

首先，獲得膚色模型。

建立膚色樣本，該膚色樣本包含不同膚色、不同大小的人臉的RGB圖像，本實施例從互聯(lián)網(wǎng)、人臉庫和日常的生活照中選擇了100幅膚色各不相同的人臉圖像，從其中裁剪出人臉皮膚的一小部份作為膚色樣本。

考慮膚色模型是在一定色彩空間描述膚色分布規(guī)律的數(shù)學模型，為了方便描述膚色樣本的數(shù)學模型，本實施例將RGB色彩空間轉(zhuǎn)換為YCrCb色彩空間，同時將圖像像素分為膚色和非膚色像素兩類，以提高人臉檢測的效率和正確性。

本實施例選用二維高斯分布描述Cb-Cr的色度分布，由于在YCbCr色彩空間中，Y表示亮度，Cb和Cr是顏色差別信號，代表色度。因此，本實施 例只選用YCbCr色彩空間中的Cb和Cr色度分量，利用這兩個分量建立色度分布圖。在對膚色樣本進行訓(xùn)練后，得到一個分布中心，根據(jù)膚色樣本數(shù)據(jù)距離該分布中心的距離得到一個關(guān)于膚色的相似度，計算該相似度的均值和方差即可得到高斯分布模型。本實施例的二維高斯分布的表帶式如下：

$p\left(\stackrel{\‾}{x}\right)={\left(2\mathrm{\π}\right)}^{\frac{3}{2}}{\left|\mathrm{\Σ}\right|}^{\frac{1}{2}}\exp \{-\frac{1}{2}{(\stackrel{\‾}{x}-\mathrm{\μ})}^T{\mathrm{\Σ}}^{-1}(\stackrel{\‾}{x}-\mathrm{\μ})\}$

其中，為均值，μ為方差，為二維高斯分布的表達式。

在估計出人臉膚色在YCbCr顏色空間中的膚色模型后，從輸入設(shè)備獲取圖片，該輸入設(shè)備可以是手機、電腦或者攝像頭，對輸入的原始圖片中的檢測點的膚色，通過訓(xùn)練的膚色模型檢測該點是否屬于人臉區(qū)域，從而確定輸入的原始圖片中人臉個數(shù)和每個人臉的位置。

接下來在獲得的圖片上顯示需要的人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域。

根據(jù)獲得的人臉檢測數(shù)據(jù)的個數(shù)，在圖片上生成相應(yīng)數(shù)量的可編輯的選擇框。假設(shè)在人臉檢測過程中，檢測到全部的三個人臉，則生成三個可編輯的選擇框。

根據(jù)預(yù)設(shè)的截取比例和相應(yīng)的每個人臉檢測數(shù)據(jù)，獲得相應(yīng)的選擇框在上述圖片中的像素位置。

在上述假設(shè)的基礎(chǔ)上，為了清楚的區(qū)分三個人臉，將三個人臉相應(yīng)標記為A、B、C。其中，獲得人臉A的截取區(qū)域的方法為：根據(jù)人臉A的人臉檢測數(shù)據(jù)，獲得分別位于其四個邊角位置處的四個像素點的像素坐標，根據(jù)黃金分割比例(當然也可以為其他比例)分別計算四個像素點對應(yīng)的四個外擴點的像素坐標，則該四個外擴點的像素坐標圍成的矩形區(qū)域即為人臉A對應(yīng)的截取區(qū)域。人臉B和人臉C的截取區(qū)域獲取的方法與人臉A的截取區(qū)域的獲取方法相同。

在獲得了每個人臉檢測數(shù)據(jù)對應(yīng)的選擇框后，由于在圖片上自動檢測到了多個人臉，本實施例采用基于人臉特征點的識別方法，對原始圖像上的每個人臉進行人臉識別，將獲得的每個人臉的人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉數(shù)據(jù)進行對比，從而得到與數(shù)據(jù)庫中人臉數(shù)據(jù)相似度最高的人臉識別數(shù)據(jù)。仍然基于上述假設(shè)，將A、B、C人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉 數(shù)據(jù)對比后，得到人臉A的人臉識別數(shù)據(jù)為與數(shù)據(jù)庫中人臉數(shù)據(jù)相似度最高的人臉識別數(shù)據(jù)，在圖片上突出顯示人臉A對應(yīng)的選擇框?？梢酝ㄟ^選擇框的顏色、線條類型等手段突出顯示人臉A對應(yīng)的選擇框，本實施例對在圖片上突出顯示選擇框的方法不做限定。

當在圖片上通過選擇框突出顯示截取區(qū)域時，用戶可以對該截取區(qū)域的選擇框進行編輯，例如調(diào)整選擇框的大小、比例或位置，根據(jù)用戶調(diào)整后的選擇框，重新在圖片上定位該人臉數(shù)據(jù)對應(yīng)的截取區(qū)域。仍基于上述假設(shè)，當在圖片上通過選擇框突出顯示人臉A的截取區(qū)域時，用戶可以基于當前人臉A對應(yīng)的選擇框調(diào)的大小、比例或位置進行相應(yīng)的調(diào)整，獲得滿足用戶需求的顯示效果的截取區(qū)域。當然，用戶也可以將人臉B或人臉C的選擇框進行突出顯示，獲得人臉B或人臉C的人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域。

為了更好地顯示截取區(qū)域，本實施例還提供了預(yù)覽顯示功能。

具體的，對突出顯示的選擇框?qū)?yīng)的截取區(qū)域進行預(yù)覽顯示，根據(jù)預(yù)覽顯示的效果，手動調(diào)整該選擇框大小和/或比例，根據(jù)調(diào)整后的選擇框的大小和/或比例在圖片的相應(yīng)位置處重新定位人臉數(shù)據(jù)對應(yīng)的截取區(qū)域。

在實際應(yīng)用中，輸入的原始圖片也可能僅檢測到一個人臉，在僅檢測到一個人臉時，則無需進一步進行人臉識別，可以直接根據(jù)該人臉檢測數(shù)據(jù)和預(yù)設(shè)的截取比例，自動獲得該人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域。具體的，在圖片上生成一個可編輯的選擇框，根據(jù)預(yù)設(shè)的截取比例和該人臉檢測數(shù)據(jù)獲得該選擇框在圖片中的像素位置，根據(jù)該選擇框的像素位置，在圖片上定位該人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域。當然，在圖片上通過選擇框顯示該人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域時，也可采用上述調(diào)整選擇框的大小、比例或位置調(diào)整該人臉檢測數(shù)據(jù)對應(yīng)的截取區(qū)域。

最后，獲得需要的頭像，上傳頭像進行顯示。

在對截取區(qū)域進行剪切后可以進行相應(yīng)的處理，例如對頭像進行邊緣和光線處理，然后將截取到的頭像保存到上述數(shù)據(jù)庫中，以豐富完善數(shù)據(jù)庫的數(shù)據(jù)資源。

與上述獲取圖片中頭像的方法相同的技術(shù)構(gòu)思，本發(fā)明的實施例還提供 了一種獲取圖片中頭像的系統(tǒng)，該系統(tǒng)包括人臉檢測單元21、截取單元22和頭像獲取單元23。

人臉檢測單元21，用于對獲取的原始圖片中的人臉進行檢測，獲取原始圖片中的人臉檢測數(shù)據(jù)。其中，人臉檢測單元21獲取的人臉檢測數(shù)據(jù)至少包括人臉個數(shù)以及每個人臉在所述原始圖像中的像素坐標。

人臉檢測(Face Detection)是指在輸入圖像中確定所有人臉(如果存在)的位置、大小、位姿的過程。由于人臉圖像包含的特征模式十分豐富，且人臉模式具有復(fù)雜而細致的變化，因此一般需要采用多種模式特征綜合的方法。由于人臉檢測問題的復(fù)雜性，無論哪一類方法都無法適應(yīng)于所有的情況，一般都針對人臉檢測領(lǐng)域內(nèi)某個或某些特定的問題。

由于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(zhuǎn)、表情等變化情況都能適用，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。因此，本實施例中的人臉檢測單元21主要采用膚色為人臉模式的特征。

膚色特征主要由膚色模型描述，常用的膚色模型包括高斯模型、混合高斯模型和直方圖模型。使用任何形式的膚色模型與色度空間(Chrominance Space)的選擇密切相關(guān)，人臉檢測常用的色度空間包括：RGB(紅、綠、藍三基色)、rgb(亮度歸一化的三基色)、SHI(飽和度、色調(diào)、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601編碼方式的色度模型)等。可以從兩個方面考察某種色度空間，其一為在該色度空間中能否用給定的模型描述“膚色”區(qū)域的分布，其二為色度空間中“膚色”與“非膚色”區(qū)域的重疊度。

人臉檢測單元21可以通過輸入設(shè)備獲取原始圖片，該輸入設(shè)備可以是移動智能設(shè)備，例如手機，也可以是筆記本或攝像頭。

截取單元22，用于根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)，獲取人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并顯示。

在本實施例的一優(yōu)選方案中，截取單元22具體包括：

選擇框生成模塊，用于根據(jù)人臉檢測數(shù)據(jù)中的人臉個數(shù)在原始圖片上生成相應(yīng)數(shù)量的可編輯的選擇框；

位置獲取模塊，用于根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)中的每個人臉在原始圖像中的像素坐標，獲得相應(yīng)的選擇框的小大及其在原始圖片上的位置；

定位模塊，用于根據(jù)選擇框的小大及其在原始圖片上的位置在原始圖片上定位每個人臉對應(yīng)頭像的截取區(qū)域；

顯示模塊，用于在原始圖片上突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

優(yōu)選地，顯示模塊，進一步用于通過選擇框的顏色和/或線條類型突出顯示符合條件的人臉對應(yīng)頭像的截取區(qū)域。

其中，顯示模塊，進一步用于當獲得的人臉檢測數(shù)據(jù)中的人臉個數(shù)為一個時，在原始圖片上突出顯示該人臉對應(yīng)的選擇框；

當獲得的人臉檢測數(shù)據(jù)中的人臉個數(shù)為兩個或兩個以上時，將檢測到的每個人臉進行人臉識別，獲得每個人臉的人臉識別數(shù)據(jù)，將獲得的每個人臉識別數(shù)據(jù)分別與數(shù)據(jù)庫中的人臉數(shù)據(jù)進行對比，在原始圖片上突出顯示相似度最高的人臉識別數(shù)據(jù)對應(yīng)的選擇框。

人臉識別(Face Recognition)是一種依據(jù)人的面部特征自動進行身份鑒別的一種技術(shù)，廣義上的人臉識別是指人體面部的識別，特指眼、鼻、口以及面頰等部位的識別。人臉識別技術(shù)包括四個主要的環(huán)節(jié)，依次為人臉圖像檢測、人臉圖像預(yù)處理、人臉圖像特征提取和匹配與識別。本實施例中人臉識別主要采用基于人臉特征點的識別算法(Feature-based Recognition Algorithms)實現(xiàn)原始圖片中人臉的自動識別。

需要說明的是，在獲取圖片中頭像的系統(tǒng)的顯示模塊通過選擇框突出顯示自動獲取到的人臉對應(yīng)頭像的截取區(qū)域時，本實施例的系統(tǒng)還提供人機交互的手段，滿足用戶的個性化需求。用戶可以通過編輯突出顯示的選擇框重新定位滿足其需求的截取區(qū)域，例如，通過調(diào)整自動獲得的人臉檢測數(shù)據(jù)對應(yīng)的選擇框的大小或選擇框的比例，來調(diào)整該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域。或者，在用戶判斷自動識別的相似度最高的人臉識別數(shù)據(jù)對應(yīng)頭像的截取區(qū)域并不是其想要的時候，用戶可以手動選擇合適的人臉對應(yīng)的選擇框，獲得重新選擇后的人臉對應(yīng)頭像的截取區(qū)域。

在上述優(yōu)選方案中，截取單元22還包括預(yù)覽模塊，

預(yù)覽模塊，用于對突出顯示的選擇框?qū)?yīng)的截取區(qū)域進行預(yù)覽顯示；

定位模塊，進一步用于根據(jù)手動調(diào)整后選擇框的大小和/或比例，在原始圖片的相應(yīng)位置處重新定位人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域。

頭像獲取單元23，用于對所述截取區(qū)域進行剪切保存處理，獲取需要的頭像并上傳到應(yīng)用網(wǎng)站的頁面進行顯示。

本實施例的獲取圖片中頭像的系統(tǒng)尤其適用于頁面空間對上傳的頭像圖片具有尺寸限制的應(yīng)用網(wǎng)站。

本實施例的系統(tǒng)通過對圖片進行人臉檢測，獲得圖片中的人臉檢測數(shù)據(jù)，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)得到該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域，通過對截取區(qū)域進行剪切保存處理后獲得需要的頭像。本實施例的方法能夠自動的獲得最佳的截取比例，無需用戶進行多次手動截取，能夠有效地減少獲得預(yù)設(shè)截取比例頭像的時間。

綜上所述，本發(fā)明公開了一種獲取圖片中頭像的方法和系統(tǒng)，通過對獲取的原始圖片中的人臉進行自動檢測，獲得包括人臉個數(shù)和每個人臉在原始圖像中的像素坐標的人臉檢測數(shù)據(jù)，根據(jù)預(yù)設(shè)的截取比例和人臉檢測數(shù)據(jù)，獲得該人臉檢測數(shù)據(jù)對應(yīng)頭像的截取區(qū)域，通過對截取區(qū)域進行剪切保存處理，獲得需要的頭像并上傳到所述應(yīng)用網(wǎng)站的頁面進行顯示。本發(fā)明的技術(shù)方案能夠自動地從原始圖片中獲得需要的頭像，相比于現(xiàn)有方法，無需用戶進行多次的手動截取，因而能夠快速的獲得預(yù)設(shè)截取比例的頭像。

以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。