一种人脸三庭五眼自动定位及比例确定方法

摘要

本发明公开了一种人脸三庭五眼自动定位及比例确定方法，在高清人脸图像上自动检测及提取完整人脸，自动检测局部特征及定位特征点，检测的局部特征包括左眼、右眼、左眉毛、右眉毛、鼻子、嘴巴、额头发际区、下巴区及脸宽区；定位的特征点包括左眼内眼角点、左眼外眼角点、右眼内眼角点、右眼外眼角点、左眉头点、右眉头点、鼻下点、下巴点、额头发际点、左眼外眼角外侧发际点以及右眼外眼角外侧发际点，最终，根据特征点在人脸图像中的坐标位置，自动计算出三庭五眼的像素间距及比例关系。本发明方法，定位及计算结果直观可见，准确度高。

主权项

一种人脸三庭五眼自动定位及比例确定方法，其特征在于，具体按照以下步骤实施：步骤1、检测人脸及提取完整人脸，具体步骤是：对于一幅人脸正面高清图像，利用AdaBoost算法的人脸分类器进行人脸检测，所检测到的人脸区域记为FaceROI，定义其左上角点为LeftTopPoint_face，该点的横坐标为LeftTopPoint_face.x、纵坐标为LeftTopPoint_face.y，宽为w_face，高为h_face，由区域FaceROI经公式(1)计算得到完整人脸区域FaceROI_Whole的左上角点的横坐标为LeftTopPoint_{face_Whole}.x，纵坐标为LeftTopPoint_{face_Whole}.y，宽度为W，高度为H，参照如下公式(1)：$\begin{array}{c}{\mathrm{LeftTopPoint}}_{face\_Whole}.x={\mathrm{LeftTopPoint}}_{face}.x-\frac{w_{face}}{7}\\ {\mathrm{LeftTopPoint}}_{face\_Whole}.y={\mathrm{LeftTopPoint}}_{face}.y-\frac{h_{face}}{5}\\ W=w_{face}+\frac{2*w_{face}}{7}\\ H=h_{face}+\frac{12*h_{face}}{35}\end{array},---\left(1\right)$得到最终提取的完整人脸区域FaceROI_Whole；步骤2、检测人脸局部特征，定位特征点，具体步骤是：2.1)检测眼睛及眼角点定位2.1.1)检测眼睛及初步定位眼睛区域在完整人脸区域FaceROI_Whole中，由点(0,0)、(W/2,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行左眼检测，所检测到的左眼区域记为LeftROI，其宽、高分别记为w_eyeL、h_eyeL，左上角点记为LeftTopPoint_LeftROI；在由点(W/2,0)、(W,H/2)围成的矩形区域内，利用AdaBoost算法的眼睛分类器进行右眼检测，所检测到的右眼区域记为RightROI，其宽、高分别记为w_eyeR、h_eyeR，左上角点记为LeftTopPoint_RightROI；2.1.2)定位眼睛区域在完整人脸区域FaceROI_Whole中拷贝LeftROI区域到LeftROIImg，对区域LeftROIImg灰度化，计算区域LeftROIImg的灰度均值记为LeftROIImgG，再对LeftROIImg二值化，LeftROIImg的二值化阈值LeftThreshold的计算公式为：LeftThreshold＝0.8*LeftROIImgG， (2)二值化时，若像素的灰度值大于阈值LeftThreshold，则把像素置黑，否则置白，以下所有二值化操作均遵循此原则；置LeftROIImg二值图中高为的上边界区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightROI区域到RightROIImg，对区域RightROIImg灰度化，计算区域RightROIImg的灰度均值记为RightROIImgG，再对RightROIImg二值化，RightROIImg的二值化阈值RightThreshold的计算公式为：RightThreshold＝0.8*RightROIImgG， (3)置RightROIImg二值图中高为的上边界区域为黑；遍历LeftROIImg二值图，分别寻找上、下、左、右第一个白点L_t、L_b、L_l、L_r，过L_t、L_b分别沿水平方向画线，过L_l、L_r分别沿垂直方向画线，该四条直线的交点所围成的矩形区域的中心点记为O_eyeLS，宽、高分别记为w_eyeLS、h_eyeLS；返回完整人脸区域FaceROI_Whole中，以O_eyeLS为中心点，得到新的矩形区域LeftROI_new，其左上角点记为LeftTopPoint_{LeftROI_new}，宽、高分别为w_eyeLnew、h_eyeLnew，计算公式如下：$\begin{array}{c}{w}_{eyeLnew}=2*w_{eyeLS}\\ h_{eyeLnew}=2*h_{eyeLS}\end{array},---\left(4\right)$遍历RightROIImg二值图，分别寻找上、下、左、右第一个白点R_t、R_b、R_l、R_r，过R_t、R_b分别沿水平方向画线，过R_l、R_r分别沿垂直方向画线，此四条直线的交点所围成的矩形区域的中心点记为O_eyeRS，宽、高分别记为w_eyeRS、h_eyeRS；返回完整人脸区域FaceROI_Whole中，以O_eyeRS为中心点，得到新的矩形区域RightROI_new，其左上角点记为LeftTopPoint_{RightROI_new}，宽、高分别为w_eyeRnew、h_eyeRnew，计算公式如下：$\begin{array}{c}{w}_{eyeRnew}=2*w_{eyeRS}\\ h_{eyeRnew}=2*h_{eyeRS}\end{array},---\left(5\right)$2.1.3)定位内外眼角点2.1.3.1)在完整人脸区域FaceROI_Whole中拷贝LeftROI_new区域到LeftROI_newImg，对区域LeftROI_newImg灰度化，再对区域LeftROI_newImg二值化，LeftROI_newImg的二值化阈值计算公式同公式(2)；置LeftROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightROI_new区域到RightROI_newImg，对区域RightROI_newImg灰度化，再对区域RightROI_newImg二值化，RightROI_newImg的二值化阈值计算公式同公式(3)；置RightROI_newImg二值图中高度为的上边界区域、宽度为的左边界区域、高度为的下边界区域、宽度为的右边界区域为黑；2.1.3.2)遍历LeftROI_newImg二值图，分别寻找左、右第一个白点，即为疑似左眼外、内眼角点L_eyeOut、L_eyeIn；遍历RightROI_newImg二值图，分别寻找左、右第一个白点，即为疑似右眼内、外眼角点R_eyeIn、R_eyeOut；2.1.3.3)分别计算L_eyeIn、L_eyeOut的水平间距d_InOutLx、垂直间距d_InOutLy，分别计算R_eyeIn、R_eyeOut的水平间距d_InOutRx、垂直间距d_InOutRy，计算公式如下：$\begin{array}{c}{d}_{InOutLx}=|L_{eyeIn}.x-L_{eyeOut}.x|\\ d_{InOutLy}=|L_{eyeIn}.y-L_{eyeOut}.y|\\ d_{InOutRx}=|R_{eyeIn}.x-R_{eyeOut}.x|\\ d_{InOutRy}=|R_{eyeIn}.y-R_{eyeOut}.y|\end{array},---\left(6\right)$其中，L_eyeIn.x、L_eyeIn.y分别为左眼内眼角点L_eyeIn的横、纵坐标，L_eyeOut.x、L_eyeOut.y分别为左眼外眼角点L_eyeOut的横、纵坐标，R_eyeIn.x、R_eyeIn.y分别为右眼内眼角点R_eyeIn的横、纵坐标，R_eyeOut.x、R_eyeOut.y分别为右眼外眼角点R_eyeOut的横、纵坐标；判断L_eyeIn、L_eyeOut、R_eyeIn、R_eyeOut、d_InOutLx、d_InOutLy、d_InOutRx、d_InOutRy是否满足公式(7)中的条件：其中，min(w_eyeLS,w_eyeRS)为w_eyeLS、w_eyeRS两者中值较小者，min(h_eyeLS,h_eyeRS)为h_eyeLS、h_eyeRS两者中值较小者，L_eyeIn.y为左眼内眼角点L_eyeIn的纵坐标，L_eyeOut.y为左眼外眼角点L_eyeOut的纵坐标，R_eyeIn.y为右眼内眼角点R_eyeIn的纵坐标，R_eyeOut.y为右眼外眼角点R_eyeOut的纵坐标；不满足条件①时，扩大区域LeftROI_new、RightROI_new，区域中心点O_eyeLS、O_eyeRS保持不变，宽度分别变为1.2*w_eyeLnew、1.2*w_eyeRnew，高度分别变更为1.2*h_eyeLnew、1.2*h_eyeRnew，重新执行步骤2.1.3.1)、步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件①为止；不满足条件②、③、④时，把步骤2.1.3.1)中置黑的上、下边界区域高度分别扩大为原上、下边界区域高度的1.3倍，重新执行步骤2.1.3.2)、步骤2.1.3.3)，直到满足条件②、③、④为止；这时，L_eyeIn、L_eyeOut即为最终定位的左眼内、外眼角点，R_eyeIn、R_eyeOut即为最终定位的右眼内、外眼角点；2.2)确定眉毛区域及定位眉头点2.2.1)确定眉毛区域在完整人脸区域FaceROI_Whole中，定义O_eyeLS点垂直方向上方2*h_eyeLS处的点为O_LM，以O_LM为中心点，2.5*w_eyeLS为宽，2*h_eyeLS为高，即为左眉毛所在区域LeftMROI，其宽、高分别记为w_LM、h_LM；定义O_eyeRS点垂直方向上方2*h_eyeRS处的点为O_RM，以O_RM为中心点，2.5*w_eyeRS为宽，2*h_eyeRS为高，即为右眉毛所在区域RightMROI，其宽、高分别记为w_RM、h_RM；2.2.2)定位眉头点2.2.2.1)在完整人脸区域FaceROI_Whole中拷贝LeftMROI区域到LeftMROIImg，对区域LeftMROIImg灰度化，计算区域LeftMROIImg的灰度均值记为LeftMROIImgG，再对LeftMROIImg二值化，LeftMROIImg的二值化阈值LeftThreshold_M的计算公式为：LeftThreshold_M＝0.85*LeftMROIImgG， (8)置LeftMROIImg二值图中上边界高度为的区域、右边界宽度为的区域为黑；在完整人脸区域FaceROI_Whole中拷贝RightMROI区域到RightMROIImg，对区域RightMROIImg灰度化，计算区域RightMROIImg的灰度均值记为RightMROIImgG，再对RightMROIImg二值化，RightMROIImg的二值化阈值RightThreshold_M的计算公式为：RightThreshold_M＝0.85*RightMROIImgG， (9)置RightMROIImg二值图中上边界高度为的区域、左边界宽度为的区域为黑；2.2.2.2)遍历LeftMROIImg二值图，由右到左、由上到下寻找第一个白点LM_t，由右到左、由下到上寻找第一个白点LM_b，LM_t、LM_b即为疑似左眉头上、下点；遍历RightMROIImg二值图，由左到右、由上到下寻找第一个白点RM_t，由左到右、由下到上寻找第一个白点RM_b，RM_t、RM_b即为疑似右眉头上、下点；2.2.2.3)计算LM_t、LM_b的垂直间距d_LMy，RM_t、RM_b的垂直间距d_RMy，LM_t、RM_t的垂直间距d_LRMty和LM_b、RM_b的垂直间距d_LRMby，计算公式如下：$\begin{array}{c}{d}_{LMy}=|{\mathrm{LM}}_t.y-{\mathrm{LM}}_b.y|\\ d_{RMy}=|{\mathrm{RM}}_t.y-{\mathrm{RM}}_b.y|\\ d_{LRMty}=|{\mathrm{LM}}_t.y-{\mathrm{RM}}_t.y|\\ d_{LRMby}=|{\mathrm{LM}}_b.y-{\mathrm{RM}}_b.y|\end{array},---\left(10\right)$LM_t.y为左眉头上点LM_t纵坐标，LM_b.y为左眉头下点LM_b纵坐标，RM_t.y为右眉头上点RM_t纵坐标，RM_b.y为右眉头下点RM_b纵坐标；判断d_LMy、d_RMy、d_LRMty、d_LRMby是否满足公式(11)中的条件：$\begin{array}{c}|d_{LMy}-d_{RMy}|<\frac{\min (h_{LM},h_{RM})}{3}\\ d_{LRMty}<\frac{\min (h_{LM},h_{RM})}{5}\\ d_{LRMby}<\frac{\min (h_{LM},h_{RM})}{5}\end{array},---\left(11\right)$其中，min(h_LM,h_RM)为h_LM、h_RM两者中值较小者；不满足条件时，把步骤2.2.2.1)中置黑的上边界区域高度扩大为原上边界区域高度的1.5倍，重新执行步骤2.2.2.2)、步骤2.2.2.3)，直到满足条件为止；最终定位的左眉头点LM的横坐标LM.x、纵坐标LM.y，右眉头点RM的横坐标RM.x、纵坐标RM.y的计算公式如下：$\begin{array}{c}LM.x=\frac{({\mathrm{LM}}_t.x+{\mathrm{LM}}_b.x)}{2}\\ LM.y=\frac{({\mathrm{LM}}_t.y+{\mathrm{LM}}_b.y)}{2}\\ RM.x=\frac{({\mathrm{RM}}_t.x+{\mathrm{RM}}_b.x)}{2}\\ RM.y=\frac{({\mathrm{RM}}_t.y+{\mathrm{RM}}_b.y)}{2}\end{array},---\left(12\right)$其中，LM_t.x、LM_t.y为左眉头上点LM_t的横、纵坐标，LM_b.x、LM_b.y为左眉头下点LM_b的横、纵坐标，RM_t.x、RM_t.y为右眉头上点RM_t的横、纵坐标，RM_b.x、RM_b.y为右眉头下点RM_b的横、纵坐标；2.3)检测鼻子及定位鼻下点2.3.1)确定鼻子区域在完整人脸区域FaceROI_Whole中，由点(0,H/3)、(W,H)围成的矩形区域内，利用AdaBoost算法的鼻子分类器进行鼻子检测，所检测到的区域记为NoseROI，定义其左上角点为LeftTopPoint_NoseROI，它的横坐标为LeftTopPoint_NoseROI.x、纵坐标为LeftTopPoint_NoseROI.y，宽为w_N，高为h_N；判断NoseROI区域是否满足公式(13)中的条件：$\begin{array}{c}\frac{W}{5}<w_N<\frac{W}{3}\\ \frac{H}{6}<h_N<\frac{H}{3}\\ \frac{W}{3}<{\mathrm{LeftTopPoint}}_{NoseROI}.x<\frac{W}{2}\\ \frac{H}{3}<{\mathrm{LeftTopPoint}}_{NoseROI}.y<\frac{2*H}{3}\end{array},---\left(13\right)$W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；满足条件时，NoseROI区域即为确定的鼻子区域NoseROI_final，其宽、高分别记为w_Nf、h_Nf，左上角点记为LeftTopPoint_{NoseROI_final}；否则，NoseROI_final区域的左上角点的横坐标LeftTopPoint_{NoseROI_final}.x、纵坐标LeftTopPoint_{NoseROI_final}.y、宽度w_Nf、高度h_Nf由公式(14)计算得出：$\begin{array}{c}{\mathrm{LeftTopPoint}}_{NoseROI\_final}.x=L_{eyeIn}.x\\ {\mathrm{LeftTopPoint}}_{NoseROI\_final}.y=\frac{L_{eyeIn}.y+R_{eyeIn}.y}{2}+\frac{H}{12}\\ w_{Nf}=|L_{eyeIn}.x-R_{eyeIn}.x|\\ h_{Nf}=\frac{H}{7}\end{array},---\left(14\right)$其中，L_eyeIn.x、L_eyeIn.y为步骤2.1.3)中定位的左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为步骤2.1.3)中定位的右眼内眼角点R_eyeIn的横、纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；2.3.2)定位鼻下点2.3.2.1)在完整人脸区域FaceROI_Whole中拷贝NoseROI_final区域到NoseROI_finalImg，对区域NoseROI_finalImg灰度化，计算区域NoseROI_finalImg的灰度最小值记为NoseROI_finalImgM，再对NoseROI_finalImg二值化，NoseROI_finalImg的二值化阈值NoseThreshold的计算公式为：NoseThreshold＝4*NoseROI_finalImgM+10， (15)2.3.2.2)遍历NoseROI_finalImg二值图，由下到上、由左到右寻找第一个白点N_L，由下到上、由右到左寻找第一个白点N_R，N_L、N_R即为疑似左、右鼻孔点；2.3.2.3)分别计算N_L、N_R的水平间距d_NLRx、垂直间距d_NLRy，计算公式如下：$\begin{array}{c}{d}_{NLRx}=|N_L.x-N_R.x|\\ d_{NLRy}=|N_L.y-N_R.y|\end{array},---\left(16\right)$其中，N_L.x、N_L.y为左鼻孔点N_L的横、纵坐标，N_R.x、N_R.y为右鼻孔点N_R的横、纵坐标；判断N_L.x、N_L.y、N_R.x、N_R.y、d_NLRx、d_NLRy是否满足公式(17)中的条件：不满足条件①、②、③、④时，扩大区域NoseROI_final，区域中心保持不变，高度变为1.2*h_Nf，重新执行步骤2.3.2.1)、步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件①、②、③、④为止；不满足条件⑤、⑥时，将步骤2.3.2.1)中二值化阈值NoseThreshold减小为0.85*NoseThreshold，重新执行步骤2.3.2.2)、步骤2.3.2.3)，直到满足条件⑤、⑥为止；最终定位的鼻下点N的横坐标N.x、纵坐标N.y的计算公式如下：$\begin{array}{c}N.x=\frac{(LM.x+RM.x)}{2}\\ N.y=\frac{(N_L.y+N_R.y)}{2}+\frac{H}{60}\end{array},---\left(18\right)$其中，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标，N_L.y为左鼻孔点N_L的纵坐标，N_R.y为右鼻孔点N_R的纵坐标，H为步骤1中确定的完整人脸区域FaceROI_Whole的高；2.4)确定下巴区域及定位下巴点2.4.1)确定下巴区域在完整人脸区域FaceROI_Whole中，由点(0,H/2)、(W,H)围成的矩形区域内，利用AdaBoost算法的嘴巴分类器进行嘴巴检测，所检测到的区域记为MouthROI，定义其左上角点为LeftTopPoint_MouthROI，它的横坐标为LeftTopPoint_MouthROI.x、纵坐标为LeftTopPoint_MouthROI.y，宽为w_M，高为h_M；判断MouthROI区域是否满足公式(19)中的条件：$\begin{array}{c}\frac{W}{5}<w_M<\frac{W}{2}\\ \frac{H}{10}<h_M<\frac{H}{3}\\ \frac{W}{5}<{\mathrm{LeftTopPoint}}_{MouthROI}.x<\frac{W}{2}\\ \frac{H}{2}<{\mathrm{LeftTopPoint}}_{MouthROI}.y<\frac{5*H}{6}\end{array},---\left(19\right)$W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；满足条件时，MouthROI区域即为确定的嘴巴区域MouthROI_final，其宽、高分别记为w_Mf、h_Mf，左上角点记为LeftTopPoint_{MouthROI_final}；否则，MouthROI_final区域的左上角点的横坐标LeftTopPoint_{MouthROI_final}.x、纵坐标LeftTopPoint_{MouthROI_final}.y、宽度w_Mf、高度h_Mf由公式(20)计算得出：$\begin{array}{c}{\mathrm{LeftTopPoint}}_{MouthROI\_final}.x=N.x-\frac{W}{6}\\ {\mathrm{LeftTopPoint}}_{MouthROI\_final}.y=N.y+\frac{W}{15}\\ w_{Mf}=\frac{W}{3}\\ h_{Mf}=\frac{H}{8}\end{array},---\left(20\right)$其中，N.x、N.y为步骤2.3.2)中定位的鼻下点N的横、纵坐标，W、H分别为步骤1中确定的完整人脸区域FaceROI_Whole的宽、高；在完整人脸区域FaceROI_Whole中拷贝MouthROI_final区域到MouthROI_finalImg，把MouthROI_finalImg由RGB空间转换到HSV空间，转换公式如下：V＝max(R,G,B)$S=\left\{\begin{array}{cc}0& V=0\\ \frac{max(R,G,B)-\min (R,G,B)}{max(R,G,B)}& V\ne 0\end{array}\right.,---\left(21\right)$$H=\left\{\begin{array}{cc}0& V=0\\ \frac{(G-B)}{VS}\times 60& V=R\\ (2+\frac{B-R}{SV})\times 60& V=G\\ (4+\frac{R-G}{SV})\times 60& V=B\\ H+360& H<0\end{array}\right.$其中，max(R,G,B)、min(R,G,B)分别为像素的R、G、B值中的最大值和最小值；若像素的H、S值满足公式(22)中的条件，则将像素置白，否则将像素置黑，得到MouthROI_finalImg的二值图；320≤H<360且0.3≤S<1， (22)遍历MouthROI_finalImg二值图，由左到右、由下到上按列扫描寻找第一个白点M_L，由右到左、由下到上按列扫描寻找第一个白点M_R，由下到上、由右到左按行扫描寻找第一个白点M_M，M_L、M_R、M_M即为疑似左嘴角点、右嘴角点、嘴巴下边缘点；计算M_L、M_R的水平间距d_MLRx，M_L与M_M、M_R与M_M的垂直间距d_MLMy、d_MRMy，计算公式如下：$\begin{array}{c}{d}_{MLRx}=|M_L.x-M_R.x|\\ d_{MLMy}=|M_L.y-M_M.y|\\ d_{MRMy}=|M_R.y-M_M.y|\end{array},---\left(23\right)$其中，M_L.x、M_L.y为左嘴角点M_L的横、纵坐标，M_R.x、M_R.y为右嘴角点M_R的横、纵坐标，M_M.y为嘴巴下边缘点M_M的纵坐标；判断M_L.x、M_L.y、M_R.x、M_R.y、M_M.x、M_M.y、d_MLRx、d_MLMy、d_MRMy是否满足公式(24)中的条件：不满足条件①、②时，修正公式(22)中H、S的取值范围，H下限值在原基础上减5，S下限值在原基础上减0.05，重新二值化，直到满足条件①、②为止；不满足条件③、④、⑤时，缩小MouthROI_final区域，保持MouthROI_final区域中心不变，宽、高分别变为0.9*w_Mf、0.9*h_Mf，重新进行由RGB到HSV的颜色空间转换及二值化，直到满足条件③、④、⑤为止；定位的嘴巴下边缘点M的横坐标M.x、纵坐标M.y的计算公式是：$\begin{array}{c}M.x=\frac{(LM.x+RM.x)}{2}\\ M.y=\frac{(M_L.y+M_R.y)}{2}+\frac{(d_{MLMy}+d_{MRMy})}{2}\end{array},---\left(25\right)$LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；在完整人脸区域FaceROI_Whole中，定义M点垂直方向下方h_Mf处的点为O_C，以O_C为中心点，为宽，2*h_Mf为高，即为下巴所在区域ChinROI，其宽、高分别记为w_C、h_C；2.4.2)定位下巴点2.4.2.1)在完整人脸区域FaceROI_Whole中拷贝ChinROI区域到ChinROIImg，对区域ChinROIImg灰度化，计算区域ChinROIImg的灰度均值为ChinROIImgG，再对ChinROIImg二值化，ChinROIImg的二值化阈值ChinThreshold的计算公式为：ChinThreshold＝0.85*ChinROIImgG， (26)2.4.2.2)遍历ChinROIImg二值图，由上到下，分别寻找水平坐标值为0、w_C时的第一个白点C₁、C₂、C₃、C₄、C₅、C₆、C₇，若C_i，i∈1,2,3,4,5,6,7不存在，则C_i，i∈1,2,3,4,5,6,7的纵坐标值等于与其相邻的下一个点的纵坐标值，若C₇不存在，则C₇的纵坐标值等于C₁的纵坐标值，C₁、C₂、C₃、C₄、C₅、C₆、C₇即为7个疑似下巴点；2.4.2.3)判断点C₁、C₂、C₃、C₄、C₅、C₆、C₇是否满足公式(27)中的条件；C_i.y≠0，i＝1,2,3,4,5,6,7， (27)其中，C_i.y为疑似下巴点C_i的纵坐标，i＝1,2,3,4,5,6,7；不满足条件时，将步骤2.4.2.1)中二值化阈值ChinThreshold增大为1.05*ChinThreshold，重新执行步骤2.4.2.2)、步骤2.4.2.3)，直到满足条件为止；这时，最终定位的下巴点C的横坐标C.x、纵坐标C.y的计算公式如下：其中，max(C₁.y,C₂.y,C₃.y,C₄.y,C₅.y,C₆.y,C₇.y)为C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y中的最大值，C₁.y、C₂.y、C₃.y、C₄.y、C₅.y、C₆.y、C₇.y分别为疑似下巴点C₁、C₂、C₃、C₄、C₅、C₆、C₇的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；2.5)确定额头发际区域及定位额头发际点2.5.1)确定额头发际区域在完整人脸区域FaceROI_Whole中，定义左、右眉头点LM、RM的中心点为O_LRM，LM、RM的水平间距为d_LRM，O_LRM的横、纵坐标O_LRM.x、O_LRM.y及d_LRM的计算公式如下：$\begin{array}{c}{O}_{LRM}.x=\frac{LM.x+RM.x}{2}\\ O_{LRM}.y=\frac{LM.y+RM.y}{2}\\ d_{LRM}=|LM.x-RM.x|\end{array},---\left(29\right)$其中，LM.x、LM.y为步骤2.2.2)中定位的左眉头点LM的横、纵坐标，RM.x、RM.y为步骤2.2.2)中定位的右眉头点RM的横、纵坐标；在完整人脸区域FaceROI_Whole中，定义O_LRM点垂直方向上方2*d_LRM处的点为O_F，以O_F为中心点，为宽，为高，即为额头发际所在区域ForeROI，其宽、高分别记为w_F、h_F；2.5.2)定位额头发际点2.5.2.1)在完整人脸区域FaceROI_Whole中拷贝ForeROI区域到ForeROIImg，对区域ForeROIImg灰度化，计算区域ForeROIImg的灰度均值为ForeROIImgG，再对ForeROIImg二值化，ForeROIImg的二值化阈值ForeThreshold的计算公式为：ForeThreshold＝0.8*ForeROIImgG， (30)2.5.2.2)遍历ForeROIImg二值图，由下到上，分别寻找水平坐标值为0、w_F时的第一个白点F₁、F₂、F₃，若点F_i，i∈1,2,3不存在，则F_i，i∈1,2,3的纵坐标值等于与其相邻的下一个点的纵坐标值，若F₃不存在，则F₃的纵坐标值等于F₁的纵坐标值，F₁、F₂、F₃即为3个疑似发际点；2.5.2.3)判断点F₁、F₂、F₃是否满足公式(31)中的条件：F_i.y≠0，i＝1,2,3， (31)其中，F_i.y为疑似发际点F_i的纵坐标，i＝1,2,3；不满足条件时，将步骤2.5.2.1)中二值化阈值ForeThreshold增大为1.05*ForeThreshold，重新执行步骤2.5.2.2)、步骤2.5.2.3)，直到满足条件为止；终定位的额头发际点F的横坐标F.x、纵坐标F.y的计算公式如下：其中，min(F₁.y,F₂.y,F₃.y)为F₁.y、F₂.y、F₃.y中的最小值，F₁.y、F₂.y、F₃.y分别为发际点F₁、F₂、F₃的纵坐标，LM.x、RM.x为步骤2.2.2)中定位的左、右眉头点LM、RM的横坐标；2.6)确定脸宽区域及定位两侧发际点2.6.1)确定脸宽区在完整人脸区域FaceROI_Whole中，定义左、右眼内眼角点L_eyeIn、R_eyeIn的中心点为O_LReyeIn，L_eyeIn、R_eyeIn的水平间距为d_LReyeIn，O_LReyeIn的横、纵坐标O_LReyeIn.x、O_LReyeIn.y及d_LReyeIn的计算公式如下：$\begin{array}{c}{O}_{L\mathrm{Re}yeIn}.x=\frac{L_{eyeIn}.x+R_{eyeIn}.x}{2}\\ O_{L\mathrm{Re}yeIn}.y=\frac{L_{eyeIn}.y+R_{eyeIn}.y}{2}\\ d_{L\mathrm{Re}yeIn}=|L_{eyeIn}.x-R_{eyeIn}.x|\end{array},---\left(33\right)$其中，L_eyeIn.x、L_eyeIn.y为左眼内眼角点L_eyeIn的横、纵坐标，R_eyeIn.x、R_eyeIn.y为右眼内眼角点R_eyeIn的横、纵坐标；在完整人脸区域FaceROI_Whole中，以O_LReyeIn为中心点，5*d_LReyeIn为宽，为高，即为脸宽区域FaceWidthROI，其宽、高分别记为w_FW、h_FW；2.6.2)定位两侧发际点2.6.2.1)在完整人脸区域FaceROI_Whole中拷贝FaceWidthROI区域到FaceWidthROIImg，对区域FaceWidthROIImg灰度化，计算区域FaceWidthROIImg的灰度均值为FaceWidthROIImgG，再对FaceWidthROIImg二值化，FaceWidthROIImg的二值化阈值FWThreshold的计算公式：FWThreshold＝0.9*FaceWidthROIImgG， (34)2.6.2.2)在FaceWidthROIImg二值图中，由左眼外眼角点L_eyeOut的横坐标L_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIn.y开始，沿水平方向向左寻找第一个白点FW_L；由右眼外眼角点R_eyeOut的横坐标R_eyeOut.x、O_LReyeIn的纵坐标O_LReyeIn.y开始，沿水平方向向右寻找第一个白点FW_R，FW_L、FW_R即为疑似左、右侧发际点；2.6.2.3)判断FW_L、FW_R是否满足公式(35)中的条件：$\begin{array}{c}{\mathrm{FW}}_L.x\ne 0\\ {\mathrm{FW}}_R.x\ne 0\end{array},---\left(35\right)$FW_L.x为左侧发际点FW_L横坐标，FW_R.x为右侧发际点FW_R横坐标；不满足条件时，将步骤2.6.2.1)中二值化阈值增加为1.05*FWThreshold，重新执行步骤2.6.2.2)、步骤2.6.2.3)，直到满足条件为止；这时，FW_L、FW_R即为最终定位的左、右两侧发际点；最终定位的特征点，包括额头发际点F、左眉头点LM、右眉头点RM、左眼内眼角点L_eyeIn、左眼外眼角点L_eyeOut、右眼内眼角点R_eyeIn、右眼外眼角点R_eyeOut、鼻下点N、下巴点C、左侧发际点FW_L、右侧发际点FW_R；步骤3、确定三庭五眼的像素间距及比例。