[發明專利]一種建立人臉檢測器的方法

有效

• 申請號: 200610081029.2
• 申請日: 2006-05-19
• 公開（公告）號: CN101075294A
• 公開（公告）日: 2007-11-21
• 發明（設計）人: 許華彬;董挺
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京德琦知識產權代理有限公司
• 代理人: 張穎玲;王琦

1、一種建立人臉檢測器的方法，其特征在于，根據非人臉圖像總集合直接獲得第一層非人臉圖像集合，并將第一層作為當前層，將第一層非人臉圖像集合作為當前層非人臉圖像集合，該方法包括以下步驟：

a、根據當前層非人臉圖像集合進行強分類器訓練，記錄訓練過程中錯誤檢測的非人臉圖像樣本，并在訓練結束時獲得當前層強分類器和當前瀑布狀態值；

b、根據當前瀑布狀態值判斷是否需要構造下一層強分類器，如果是，則將記錄的當前層錯誤檢測的非人臉圖像樣本作為下一層非人臉圖像集合的樣本，當前瀑布檢測器再掃描非人臉圖像總集合，確定下一層非人臉圖像集合的剩余樣本，然后將下一層作為當前層，返回步驟a；否則，退出本流程。

2、根據權利要求1所述的方法，其特征在于，所述當前瀑布狀態值為當前瀑布的強分類器個數；

所述當前瀑布強分類器個數獲取方法為：將前一個瀑布的強分類器個數加1后的值作為當前瀑布的強分類器個數。

3、根據權利要求2所述的方法，其特征在于，步驟b所述判斷是否需要構造下一層強分類器的方法為：

判斷當前瀑布的強分類器個數是否小于設置的瀑布強分類器個數最大值，如果是，則判斷為需要構造下一層強分類器；否則，判斷為不需要構造下一層強分類器。

4、根據權利要求1所述的方法，其特征在于，所述當前瀑布狀態值為當前瀑布的檢測錯誤率；

所述獲得當前瀑布檢測錯誤率的方法為：將前一個瀑布的檢測錯誤率與當前強分類器的檢測錯誤率的乘積作為當前瀑布的檢測錯誤率；

所述當前強分類器檢測錯誤率的獲取方法為：將當前層強分類器訓練過程中錯誤檢測的非人臉圖像個數和當前層非人臉圖像集合中樣本總數的比值作為當前強分類器的檢測錯誤率。

5、根據權利要求4所述的方法，其特征在于，步驟b所述判斷是否需要構造下一層強分類器的方法為：

判斷當前瀑布的檢測錯誤率是否大于設置的瀑布檢測錯誤率最大值，如果是，則判斷為需要構造下一層強分類器；否則，判斷為不需要構造下一層強分類器。

6、根據權利要求1所述的方法，其特征在于，所述當前瀑布狀態值為當前瀑布的強分類器個數和當前瀑布的檢測錯誤率；

所述當前瀑布強分類器個數獲取方法為：將前一個瀑布的強分類器個數加1后的值作為當前瀑布的強分類器個數；

所述獲得當前瀑布檢測錯誤率的方法為：將前一個瀑布的檢測錯誤率與當前強分類器的檢測錯誤率的乘積作為當前瀑布的檢測錯誤率；

所述當前強分類器檢測錯誤率的獲取方法為：將當前層強分類器訓練過程中錯誤檢測的非人臉圖像個數和當前層非人臉圖像集合中樣本總數的比值作為當前強分類器的檢測錯誤率。

7、根據權利要求6所述的方法，其特征在于，步驟b所述判斷是否需要構造下一層強分類器的方法為：

判斷當前瀑布的強分類器個數是否小于設置的瀑布強分類器個數最大值，如果不是，則判斷為不需要構造下一層強分類器，如果是，再判斷當前瀑布的檢測錯誤率是否大于設置的瀑布檢測錯誤率最大值，如果大于，則判斷為需要構造下一層強分類器，否則，判斷為不需要構造下一層強分類器。

8、根據權利要求1所述的方法，其特征在于，為非人臉圖像樣本設置標志位，并將所有的標志位初始化為0；

步驟a所述記錄錯誤檢測的非人臉圖像的方法為：

將錯誤檢測的非人臉圖像樣本標志位的值設置為1，并記錄在創建的標志位列表中。

9、根據權利要求1至8任一項所述的方法，其特征在于，步驟b所述當前瀑布檢測器確定下一層非人臉圖像集合剩余樣本的方法為：

X1、當前瀑布檢測器判斷非人臉圖像總集合中被掃描的當前非人臉圖像樣本是否已經存在于下一層非人臉圖像集合中，如果存在，則將非人臉圖像總集合中下一個非人臉圖像樣本作為當前非人臉圖像樣本，并返回本步驟；否則，執行步驟X2；

X2、當前瀑布檢測器對當前掃描的非人臉圖像樣本進行檢測，并根據檢測結果判斷當前被掃描圖像樣本是否檢測錯誤，如果檢測錯誤，則將當前被檢測錯誤的圖像樣本作為下一層非人臉圖像集合中的樣本，再將非人臉圖像總集合中下一個非人臉圖像樣本作為當前非人臉圖像樣本，并返回步驟X1，直到下一層非人臉圖像集合中的樣本數達到預設值；否則，則將非人臉圖像總集合中下一個非人臉圖像樣本作為當前非人臉圖像樣本，并返回步驟X1。