一种人脸检测速度优化方法及系统技术方案

本发明专利技术公开了一种人脸检测速度优化方法及系统，包括获取视频图像；针对视频图像提取人脸区域；和验证提取的人脸区域，本发明专利技术通过AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域，又采用面积阈值法验证提取的人脸区域的方法，不仅保留了原图像的重要特征信息而且加快了运算速度，维持了较好的运算精度。本发明专利技术适用于图像检测领域。本发明专利技术适用于图像检测领域。

【技术实现步骤摘要】
一种人脸检测速度优化方法及系统


[0001]本公开涉及人脸检测、图像处理
，具体涉及一种人脸检测速度优化方法及系统。

技术介绍

[0002]人脸检测是计算机视觉领域的热点研究课题，其目的在于确定图像中是否有人脸的存在。在涉及人脸处理的系统中确定人脸的位置是首要操作，可以为人脸处理的问题缩小检测范围，如何提高人脸检测的速度，对于减少人脸处理中的数据量，提高人脸处理系统的整体速度，满足实时人脸处理具有重要的意义，传统的人脸检测技术，存在训练分类器速度很慢，或者精度较差等问题。

技术实现思路

[0003]为解决上述问题，本公开提供一种人脸检测速度优化方法及系统的技术方案，根据本公开的一方面，提供一种人脸检测速度优化方法，所述方法包括以下步骤：
[0004]S100，获取视频图像；
[0005]S200，针对视频图像提取人脸区域；
[0006]S300，验证提取的人脸区域。
[0007]具体的，S100中，所述视频图像采用近红外摄像机获得,所述近红外摄像机的红外光的波长范围为[700,1100]nm。
[0008]具体的，S200中，根据视频图像提取人脸区域的方法为：
[0009]S111，将视频图像转换为灰度图像；
[0010]S112，针对灰度图像进行预处理；
[0011]S113，对预处理过的灰度图像进行检测以提取人脸区域。
[0012]具体的，S112中，针对灰度图像进行预处理的方法为直方图均衡化法、中值滤波法、归一化法、基于肤色的预处理法、边缘检测法和方差预处理法中的一种。
[0013]具体的，S113中，对预处理过的灰度图像进行检测以提取人脸区域的方法为采用AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域，具体步骤为：
[0014]S1131，增加45
゜
矩形特征形成新的Haar
‑
like特征；
[0015]S1132，采用新的Haar
‑
like特征对正、负样本进行训练，得到AdaBoost分类器：
[0016]S1132
‑
1，将每个Haar
‑
like特征生成1个分类器：
[0017][0018]其中，x为样本，f
i
(x)为第i个Haar
‑
like特征在样本x上的取值，p
i
为分类符号，h
i
为由f
i
(x)构成的分类器，θ
i
为分类器h
i
的方法阈值，i为大于1的自然数；
[0019]S1132
‑
2，设输入的训练样本图像为(x1,y1),(x2,y2),
…
,(x
n
,y
n
),其中，y
n
＝0对应负样本，y
n
＝1对应正样本，(x
n
,y
n
)为训练样本图像的像素，n为大于0的自然数；
[0020]S1132
‑
3，对于负样本，设权值w
1，t
＝1/2m,对于正样本，设权值w
1，t
＝1/2l，其中，m和l分别为正样本和负样本的数量,t为迭代数；
[0021]S1132
‑
4，归一化权重为一个概率分布，其中，w
t，j
为训练第j个样本第t次循环的权值；对于每个特征训练1个弱分类器h
i
，当前权重误差为ε
j
＝∑
i
w
j
|h
i
(x
i
)
‑
y
i
|，w
j
为训练第j个样本所有特征的权值；选择第j个样本权重误差最小的弱分类器h
t
；更新所有样本的权值其中，样本j被正确分类时e
j
＝0,反之e
j
＝1，且β
t
＝ε
t
/(1
‑
ε
t
)，ε
t
＝∑
i
w
i
|h
t
(x
i
)
‑
y
i
|；AdaBoost分类器即最终的强分类器为:
[0022]其中，α
t
＝log(1/β
t
)；
[0023]S1133，提取预处理过的灰度图像的Haar
‑
like特征后输入到AdaBoost分类器进行人脸检测以提取人脸区域。
[0024]具体的，S300中,验证提取的人脸区域的方法为面积阈值法。
[0025]具体的，所述面积阈值法的步骤为：
[0026]S310，计算检测到的人脸区域的面积；
[0027]S320，计算预处理过的灰度图像的面积；
[0028]S330，如果检测到的人脸区域的面积/预处理过的灰度图像的面积大于等于面积阈值，判断检测到的人脸区域为人脸图像，否则，判断检测到的人脸区域不为人脸图像。
[0029]具体的，所述面积阈值的取值范围为(0.5,1)，所述检测到的人脸区域的面积为检测到的人脸区域的图像像素的行数
×
检测到的人脸区域的图像像素的列数，所述预处理过的灰度图像的面积为预处理过的灰度图像像素的行数
×
预处理过的灰度图像像素的列数。
[0030]本专利技术还提供了一种人脸检测速度优化系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
[0031]获取单元,用于获取视频图像；
[0032]提取单元,用于针对视频图像提取人脸区域；
[0033]验证单元,用于验证提取的人脸区域。
[0034]本公开的有益效果为：本专利技术提供一种人脸检测速度优化方法及系统，通过AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域,噪声更少，计算量更少，又采用面积阈值法验证提取的人脸区域的方法，不仅保留了原图像的重要特征信息而且加快了运算速度，维持了较好的运算精度。
附图说明
[0035]通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
[0036]图1所示为一种人脸检测速度优化方法的流程图；
[0037]图2所示为一种人脸检测速度优化系统结构图。
具体实施方式
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检测速度优化方法，其特征在于，所述方法包括以下步骤：S100，获取视频图像；S200，针对视频图像提取人脸区域；S300，验证提取的人脸区域。2.根据权利要求1所述的一种人脸检测速度优化方法，其特征在于，S100中，所述视频图像采用近红外摄像机获得，所述近红外摄像机的红外光的波长范围为[700，1100]nm。3.根据权利要求1所述的一种人脸检测速度优化方法，其特征在于，S200中，根据视频图像提取人脸区域的方法为：S111，将视频图像转换为灰度图像；S112，针对灰度图像进行预处理；S113，对预处理过的灰度图像进行检测以提取人脸区域。4.根据权利要求3所述的一种人脸检测速度优化方法，其特征在于，S112中，针对灰度图像进行预处理的方法为直方图均衡化法、中值滤波法、归一化法、基于肤色的预处理法、边缘检测法和方差预处理法中的一种。5.根据权利要求3所述的一种人脸检测速度优化方法，其特征在于，S113中，对预处理过的灰度图像进行检测以提取人脸区域的方法为采用AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域，具体步骤为：S1131，增加45
°
矩形特征形成新的Haar
‑
like特征；S1132，采用新的Haar
‑
like特征对正、负样本进行训练，得到AdaBoost分类器：S1132
‑
1，将每个Haar
‑
like特征生成1个分类器：其中，x为样本，f
i
(x)为第i个Haar
‑
like特征在样本x上的取值，p
i
为分类符号，h
i
为由f
i
(x)构成的分类器，θ
i
为分类器h
i
的方法阈值，i为大于1的自然数；S1132
‑
2，设输入的训练样本图像为(x1，y1)，(x2，y2)，
…
，(x
n
，y
n
)，其中，y
n
＝0对应负样本，y
n
＝1对应正样本，(x
n
，y
n
)为训练样本图像的像素，n为大于0的自然数；S1132
‑
3，对于负样本，设权值w
1，t
＝1/2m，对于正样本，设权值w
1，t
＝1/2l，其中，m和1分别为正样本和负样本的数量，t为迭代数；S1132
‑
4，归一化权重...

【专利技术属性】
技术研发人员：卢仕辉，
申请(专利权)人：广东奥珀智慧家居股份有限公司，
类型：发明
国别省市：