一种基于嵌入式系统的实时人脸检测方法技术方案

本发明专利技术创造提供了一种基于嵌入式系统的实时人脸检测方法，包括如何通过前景检测和跟踪进行检测热点的确定,人员个数预测,多种快速特征检测级联,以及如何对检测结果进行分类评价等，本发明专利技术创造保证了在嵌入式平台上进行实时视频人脸检测,满足了系统关于算法运行效率和效果的要求,本发明专利技术采取了多种算法融合,充分发挥各模块的优点,既大大减少了冗余的计算量,提高了算法的实时性,又提高了检测率.使得人脸检测算法在嵌入式上实现实时运行成为可能。

A real time face detection algorithm based on Embedded System

The present invention provides a real-time face detection algorithm based on embedded system, including how to detect hot through foreground detection and tracking, predict that the number of personnel, a variety of rapid detection cascade, and how to carry out the classification and evaluation of detection results, the invention can ensure the real-time video face detection in embedded platform. To meet the requirements on the efficiency of the algorithm, the invention adopts a variety of fusion algorithm, give full play to the advantages of each module, reduces the redundant computation, improve the real-time performance of the algorithm, but also improves the detection rate. The realization of face detection in the embedded real-time operation possible.

【技术实现步骤摘要】
一种基于嵌入式系统的实时人脸检测算法
本专利技术属于人脸检测
，尤其是涉及一种基于嵌入式系统的实时人脸检测算法。
技术介绍
随着半导体技术的飞速发展和新的计算法方法的不断出现，现在的智能分析算法都逐渐从后段PC设备移到前端，出现了各式各样的智能终端产品，人脸检测作为智能设备的主要功能，能够实时地对人脸进行检测、抓拍，不仅大大提高了用户体验，而且能减少后期存储压力，加快检索速度，为客户降低使用成本，提高工作效率，在当前竞争激烈的监控领域，无疑是最佳选择。现有技术中的人脸检测方法均基于前景检测、特征提取和分类识别，前景检测即利用拍摄图像的情景对比确定目标位置，进而减少计算量，然后将确定位置的检测目标进行图像缩放操作，构成图像金字塔，在图像金字塔的各层图像中提取人脸特征，并通过分类器分类，最后进行图像融合生成人脸图像；此种方法虽然采用了前景检测，但没有充分利用视频流中实际目标的位置反馈，以及对区域内目标个数的预测，检测实时性差；同时该方法只采用了一种特征提取方式，提升检测率智能通过样本的选择和特征围数来实现，且效果不明显；该方法没有人脸识别评价滤除机制，误检率较高。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于嵌入式系统的实时人脸检测算法，。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于嵌入式系统的实时人脸检测算法，包括以下步骤：(1)图像缩放：利用训练模型的尺度大小和要检测场景中最小目标的尺度大小，对拍摄原图进行缩放，减少运算量；(2)前景检测：利用拍摄场景图像的情景对比确定检测热点；(3)人脸区域融合：将前景检测和目标跟踪预测区域进行叠加融合，得到更有效的人脸检测区域；(4)人脸个数预测：利用已检测出的人脸尺度对步骤(3)得到的人脸检测图像预测，得到该区域人脸个数估计值；(5)特征提取和分类识别：对步骤(3)中得到的人脸检测图像进行特征提取和分类识别，得到人脸特征模块；(6)识别去误与人脸跟踪：使用强分辨器对步骤(5)中得到的人脸特征模块评价打分，并将分值较低不属于人脸特征的模块去除，综合人脸特征模块输出清晰人脸图像，同时根据人脸图像在视频帧中进行人脸区域预测，并将目标跟踪预测区域数据返回步骤(3)。进一步的，所述步骤(5)中的特征提取和分类识别包括以下步骤：(5.1)对步骤(3)中得到的人脸检测图像做图像金字塔；(5.2)通过LBP特征提取算法和BOOST分类器对步骤(5.1)中的图像金字塔进行特征提取和分类识别，将得到的人脸特征模块进行计数统计，若不小于步骤(4)中的人脸个数估计值，则进行步骤(6)，若小于步骤(4)中的人脸个数估计值，则进行步骤(5.3)；(5.3)通过NPD特征提取算法和BOOST分类器将步骤(5.1)中得到的图像金字塔进行特征提取和分类识别，将得到的人脸特征模块与步骤(5.2)中得到的人脸特征模块进行相同区域的融合，然后进行步骤(6)。进一步的，所述步骤(6)中的强分辨器为神经网络分类器。进一步的，所述步骤(5.1)中的图像金字塔由LBP特征提取算法和BOOST分类器或NPD特征提取算法和BOOST分类器制作。相对于现有技术，本专利技术所述的基于嵌入式系统的实时人脸检测算法具有以下优势：(1)本专利技术所述的基于嵌入式系统的实时人脸检测算法，在前景检测的基础上，采用跟踪预测人脸区域与前景检测区域融合，在确定了真实目标区域，增强检测图像清晰度的同时，进一步减少了计算量，同时根据检测出的人脸反馈结果，通过位置、比例信息来预测区域目标个数，为级联检测器的选用提供了条件。(2)本专利技术所述的基于嵌入式系统的实时人脸检测算法，实现了多级联检测算法的金字塔图像共享，避免了前一种检测器没有达到预测效果时，后面的检测算法可以共享其已运算过的金字塔图像，大大提升了效率。(3)本专利技术所述的基于嵌入式系统的实时人脸检测算法，通过多特征分类检测算法(本算法主要采用LBP和NPD两种特征预测条件)，依次对金字塔图像进行分类检测，实现金字塔图像共享的同时，充分发挥每种算法的特长，避免了人脸特征模块的遗漏，在融合检测目标过程中提高了检测目标的检测率。(4)本专利技术所述的基于嵌入式系统的实时人脸检测算法，采用了多种特征分类，由于每种特征分类都会有误检，为减少虚假目标，提高数据准确性，本方案加入了对检测目标进行识别分类并给出每个目标评分分值的过程，对虚假目标进行过滤，提高了检测的准确性。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例所述的基于嵌入式系统的实时人脸检测算法流程示意图；图2为本专利技术实施例所述的常规人脸算法流程示意图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“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专利技术和简化描述，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专利技术的限制。此外，术语“第一”、“第二”等仅用于描述目的，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”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本专利技术中的具体含义。下面将参考附图并结合实施例来详细说明本专利技术。如图1所示，本专利技术包括以下步骤：(1)图像缩放：利用训练模型的尺度大小和要检测场景中最小目标的尺度大小，对拍摄原图进行缩放，减少运算量；(2)前景检测：利用拍摄场景图像的情景对比确定检测热点；(3)人脸区域融合：将前景检测和目标跟踪预测区域进行叠加融合，得到更有效的人脸检测区域；(4)人脸个数预测：利用已检测出的人脸尺度对步骤(3)得到的人脸检测图像预测，得到该区域人脸个数估计值；(5)特征提取和分类识别：对步骤(3)中得到的人脸检测图像进行特征提取和分类识别，得到人脸特征模块；(6)识别去误与人脸跟踪：使用强分辨器对步骤(5)中得到的人脸特征模块评价打分，并将分值较低不属于人脸特征的模块去除，综合人脸特征模块输出清晰人脸图像，同时根据人脸图像在视频帧中进行人脸区域预测，并将目标跟踪预测区域数据返回步骤(3)。所述步骤(5)中的特征提取和分类识别包括以下步骤：(5.1)对步骤(3)中得到的人脸检测图像做图像金字塔；(5.2)通过LBP特征提取算法和BOOST分类器对步骤(5.1)中的图像金字塔进行特征提取和分类识别，将得到的人脸特征模块进行计数统计，若不小于步骤(4)中的人脸个数估计值，则进本文档来自技高网...

【技术保护点】
一种基于嵌入式系统的实时人脸检测算法，其特征在于：包括以下步骤：(1)图像缩放：利用训练模型的尺度大小和要检测场景中最小目标的尺度大小，对拍摄原图进行缩放；(2)前景检测：利用拍摄场景图像的情景对比确定检测热点；(3)人脸区域融合：将前景检测和目标跟踪预测区域进行叠加融合，得到更有效的人脸检测区域；(4)人脸个数预测：利用已检测出的人脸尺度对步骤(3)得到的人脸检测图像预测，得到该区域人脸个数估计值；(5)特征提取和分类识别：对步骤(3)中得到的人脸检测图像进行特征提取和分类识别，得到人脸特征模块；(6)识别去误与人脸跟踪：使用强分辨器对步骤(5)中得到的人脸特征模块评价打分，并将分值较低不属于人脸特征的模块去除，综合人脸特征模块输出清晰人脸图像，同时根据人脸图像在视频帧中进行人脸区域预测，并将目标跟踪预测区域数据返回步骤(3)。

【技术特征摘要】
1.一种基于嵌入式系统的实时人脸检测算法，其特征在于：包括以下步骤：(1)图像缩放：利用训练模型的尺度大小和要检测场景中最小目标的尺度大小，对拍摄原图进行缩放；(2)前景检测：利用拍摄场景图像的情景对比确定检测热点；(3)人脸区域融合：将前景检测和目标跟踪预测区域进行叠加融合，得到更有效的人脸检测区域；(4)人脸个数预测：利用已检测出的人脸尺度对步骤(3)得到的人脸检测图像预测，得到该区域人脸个数估计值；(5)特征提取和分类识别：对步骤(3)中得到的人脸检测图像进行特征提取和分类识别，得到人脸特征模块；(6)识别去误与人脸跟踪：使用强分辨器对步骤(5)中得到的人脸特征模块评价打分，并将分值较低不属于人脸特征的模块去除，综合人脸特征模块输出清晰人脸图像，同时根据人脸图像在视频帧中进行人脸区域预测，并将目标跟踪预测区域数据返回步骤(3)。2.根据权利要求1所述的基于嵌入式系统的实时人脸检测算法，其特征在于：所述步骤(5)中的特征...

【专利技术属性】
技术研发人员：戴林，慈红斌，
申请(专利权)人：天津天地伟业生产力促进有限公司，
类型：发明
国别省市：天津,12