一种人脸检测的方法技术

本发明专利技术一种人脸检测的方法，通过Boost类算法利用样本训练出若干棵决策树，构成多阶段筛选式级联的强分类器，该每一阶段就是由决策树组成的人脸二元分类器，每棵决策树上的每个节点就是一个像素比较器，通过该像素比较器直接比较输入图像中某2个位置点的像素值大小，只要本阶段判断该输入图像为非人脸，则结束本次人脸检测，只要判断存在人脸可能，就继续进行人脸检测，直至该输入图像在全部阶段都判定存在人脸可能，则判定该输入图像存在人脸，由于本发明专利技术在节点特征值比较上直接采用像素值进行比较，不用对图像做特征积分等计算，故对计算能力要求相应地降低了，同时也会减少内存能资源的占用，在检测精度与对硬件资源的要求之间取得平衡。

A method of face detection

【技术实现步骤摘要】
一种人脸检测的方法
本专利技术涉及图像识别领域，尤其一种人脸检测的方法。
技术介绍
人脸视觉领域，检测和识别是两个不同的功能。人脸识别时，先要在图像中检测到人脸，并框选出人脸候选区域，再进行后续的识别。在人脸检测方面，Viola-Jones算法因高效和快速而被广泛地使用。Viola-Jones算法包含以下几个重要的部分：1、利用Haar特征描述人脸的共有属性，用类Haar输入特征对矩形图像区域的和或差进行阈值化；2、建立了一种称为积分图像的特征，并且基于积分图像，可以快速获取几种不同的矩形特征；积分图像技术加速了矩形图像区域的45度旋转值的计算，这个图像结构被用来加速类Haar输入特征的计算；3、利用Adaboost算法进行训练，使用Adaboost算法来创建二分类问题（人脸与非人脸）的分类器节点；4、建立层级分类器，把分类器节点组成筛选式级联，在该筛选式级联里，其中一个节点是Adaboos类型的一组分类器，第一组分类器是最优，能通过包含物体的图像区域，同时允许一些不包含物体的图像通过；第二组分类器次优分类器，也有较低的拒绝率；以此类推，只要图像通过了整个级联，则认为里面有物体，这保证了级联的运行速度可以很快，因为它一般可以在前几步就可以拒绝不包含物体的图像区域，而不必走完整个级联。经典的Viola-Jones算法使用5个Haar-like特征，将矩形框内的白色区域像素之和减去黑色区域的像素之和，得到类Haar输入特征值。为了减少计算开销，Viola-Jones算法采用积分图的方法来实现Haar-like特征的快速计算。通过对人脸候选区域进行积分图计算，快速计算Harr-like特征，利用AdaBoost算法将Harr-like特征生成的弱分类器叠加成为强分类器，再将多个强分类器级联成人脸检测分类器。由于现有的Viola-Jones算法需要做大量的特征运算，对处理能力及存储容量等资源要求高，限制了能使用设备类别。
技术实现思路
本专利技术的目的在于提供一种人脸检测的方法，对Viola-Jones算法进行优化，简化算法复杂度，在检测精度与对硬件资源的要求之间取得平衡，扩大能应用的设备范围。本专利技术一种人脸检测的方法，对输入图像通过多阶段处理筛选，检测是否存在人脸，具体为：通过Boost类算法利用样本训练出若干棵决策树，构成多阶段筛选式级联的强分类器，该每一阶段就是一个由一棵二叉决策树组成的人脸二元分类器，每棵决策树上的每个节点就是一个像素比较器，通过该像素比较器直接比较输入图像中某2个位置点的像素值大小，比较的方式与训练时所采用的方式相同，像素比较器的输出结果决定了当前节点的后续处理路径，每一阶段会有若干次的像素值比较，每次比较的图像点的坐标对是通过boost类算法迭代选取出来的坐标点集合，当沿着本阶段的二叉决策树的处理路径经过预置次数的比较到达树叶端时，就得到本阶段的输出值，将本阶段的输出值与本阶段的阈值进行比较，若依据比较结果判断为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，若依据比较结果判断存在人脸可能，则继续进行人脸检测，将本阶段的输出值和所述的输入图像一起传递到下一阶段；第一阶段没有来自前一阶段的输出值，该值设为某个缺省值；以后任一阶段只要判断该输入图像为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，只要是判断存在人脸可能，则继续进行人脸检测，直至该输入图像在全部阶段都判定存在人脸可能，则判定该输入图像存在人脸。采用本专利技术的技术方案后，由于直接对输入图像的某2个位置的像素点的像素值进行比较，无须像经典的Viola-Jones算法那样还要进行积分图计算等处理，故对计算能力要求相应地降低了，同时也会减少内存能资源的占用；且所取的像素坐标规格化，当扫描窗口大小缩放时不必对图像或子图像块进行缩放，只需对像素点对应的坐标按需进行比例计算即可。具体实施方式本专利技术一种人脸检测的方法，对输入图像通过多阶段处理筛选，检测是否存在人脸，具体为：通过GentleBoost算法利用样本训练出若干棵决策树，构成多阶段筛选式级联的强分类器，该每一阶段就是一个由一棵二叉决策树组成的人脸二元分类器，每棵决策树上的每个节点就是一个像素比较器，通过该像素比较器直接比较输入图像中某2个位置点的像素值大小，比较的方式可以是大于、大于等于或小于，但必须与训练时所采用的方式相同，像素比较器的输出结果决定了当前节点的后续处理路径，每一阶段会有若干次的比较，每次比较的图像点的坐标对是不同的，这些坐标对就是通过boost类的算法，比如AdaBoost或GentleBoost算法迭代选取出来的坐标点集合，当沿着本阶段的二叉决策树的处理路径经过预置次数的比较到达树叶端时，就得到本阶段的输出值，将本阶段的输出值与本阶段的阈值进行比较，若依据比较结果判断为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，若依据比较结果判断存在人脸可能，则继续进行人脸检测，将本阶段的输出值和所述的输入图像一起传递到下一阶段；第一阶段没有来自前一阶段的输出值，该值设为某个缺省值；以后任一阶段只要判断该输入图像为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，只要是判断存在人脸可能，则继续进行人脸检测，直至该输入图像在全部阶段都判定存在人脸可能，则判定该输入图像存在人脸。上述节点比较所用的位置采用归一化的坐标数值表示，使用时根据待检测的子图块尺寸按比例映射到图上相应位置；上述每棵决策树在样本训练时采用监督学习的方式构建，根据人脸图像的点的重要性赋予不同的权重。为了减少运算开销，本专利技术并不使用全部的图像点，而只是用到一个子集，训练时通过boost类算法迭代选取出来的坐标点集合，使得这些位置对应的样本像素值运算结果与真值之间的加权平方误差最小。由于本专利技术在节点特征值比较上直接采用图像的像素值进行比较，不用对图像做特征积分等计算，故对计算能力要求相应地降低了，同时也会减少内存能资源的占用，在检测精度与对硬件资源的要求之间取得平衡，扩大能应用的设备范围。以上所述，并非对本专利技术的技术范围作任何限制，故凡是依据本专利技术的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本专利技术技术方案的范围内。本文档来自技高网...

【技术保护点】
1.一种人脸检测的方法，其特征在于对输入图像通过多阶段处理筛选，检测是否存在人脸，具体为：/n通过Boost类算法利用样本训练出若干棵决策树，构成多阶段筛选式级联的强分类器，该每一阶段就是一个由一棵二叉决策树组成的人脸二元分类器，每棵决策树上的每个节点就是一个像素比较器，通过该像素比较器直接比较输入图像中某2个位置点的像素值大小，比较的方式与训练时所采用的方式相同，像素比较器的输出结果决定了当前节点的后续处理路径，每一阶段会有若干次的像素值比较，每次比较的图像点的坐标对是通过boost类算法迭代选取出来的坐标点集合，当沿着本阶段的二叉决策树的处理路径经过预置次数的比较到达树叶端时，就得到本阶段的输出值，将本阶段的输出值与本阶段的阈值进行比较，若依据比较结果判断为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，若依据比较结果判断存在人脸可能，则继续进行人脸检测，将本阶段的输出值和所述的输入图像一起传递到下一阶段；第一阶段没有来自前一阶段的输出值，该值设为某个缺省值；以后任一阶段只要判断该输入图像为非人脸，则结束本次人脸检测，判定该输入图像不存在人脸，只要是判断存在人脸可能，则继续进行人脸检测，直至该输入图像在全部阶段都判定存在人脸可能，则判定该输入图像存在人脸。/n...

【技术特征摘要】
1.一种人脸检测的方法，其特征在于对输入图像通过多阶段处理筛选，检测是否存在人脸，具体为：
通过Boost类算法利用样本训练出若干棵决策树，构成多阶段筛选式级联的强分类器，该每一阶段就是一个由一棵二叉决策树组成的人脸二元分类器，每棵决策树上的每个节点就是一个像素比较器，通过该像素比较器直接比较输入图像中某2个位置点的像素值大小，比较的方式与训练时所采用的方式相同，像素比较器的输出结果决定了当前节点的后续处理路径，每一阶段会有若干次的像素值比较，每次比较的图像点的坐标对是通过boost类算法迭代选取出来的坐标点集合，当沿着本阶段的二...

【专利技术属性】
技术研发人员：叶渊地，陈立新，刘宝寅，王建能，
申请(专利权)人：厦门纵横集团科技股份有限公司，
类型：发明
国别省市：福建;35