[發明專利]復雜場景下的多視角人臉檢測方法及其裝置

有效

• 申請號: 201110051942.9
• 申請日: 2011-03-04
• 公開（公告）號: CN102136075A
• 公開（公告）日: 2011-07-27
• 發明（設計）人: 張文聰;譚文明;蔡巍偉;賈永華;胡揚忠;鄔偉琪
• 申請（專利權）人: 杭州海康威視軟件有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 上海明成云知識產權代理有限公司 31232
• 代理人: 成春榮;竺云

1.一種復雜場景下的多視角人臉檢測方法，其特征在于，包含以下步驟：

使用包含多個節點分類器的級聯矢量樹結構檢測器對輸入的待測子窗口進行檢測，該級聯矢量樹結構檢測器中包括至少一個分支節點分類器，并且，在至少一個分支節點分類器之前，有至少一個級聯的無分支節點分類器；

其中，如果所述無分支節點分類器將所述待測子窗口判定為非人臉子窗口，則停止與該無分支節點分類器級聯的分支節點分類器對該待測子窗口的進一步檢測；如果所述無分支節點分類器將所述待測子窗口判定為人臉子窗口，則將該待測子窗口送到與該無分支節點分類器級聯的分支節點分類器繼續檢測。

2.根據權利要求1所述的復雜場景下的多視角人臉檢測方法，其特征在于，通過以下方式訓練得到所述級聯矢量樹結構檢測器：

根據人臉姿態及角度的劃分，創建一個矢量樹，所述矢量樹中的每個節點為一個節點分類器；

以先根遍歷的方式進行遞歸訓練各個節點分類器；

在訓練每個節點分類器時，計算父節點分類器對于訓練樣本的分類置信度，用計算的置信度作為特征值訓練得到嵌入式弱分類器，將訓練得到的嵌入式弱分類器作為第一個弱分類器嵌入到當前的節點分類器當中；當前的節點分類器中其他的普通弱分類器通過根據訓練樣本計算的特征值訓練得到。

3.根據權利要求2所述的復雜場景下的多視角人臉檢測方法，其特征在于，所述根據訓練樣本計算的特征值為分塊局部二值模式特征值；

所述分塊局部二值模式特征值為將圖像中的一個分塊中像素值的和當做一個像素值來計算局部二值模式的特征值。

4.根據權利要求3所述的復雜場景下的多視角人臉檢測方法，其特征在于，通過以下方式計算圖像中一個區域的所述分塊局部二值模式特征值：

將一個所述區域分為9個同等大小的3＊3的矩形塊；

計算各個矩形塊內部的像素灰度值總和，然后將中心塊的像素灰度值總和，與其8個鄰域塊的像素灰度值總和進行大小比較；

如果鄰域塊的像素灰度值總和大于所述中心塊的像素灰度值總和，則該鄰域塊的值設為1；如果鄰域塊的像素灰度值總和小于或等于所述中心塊的像素灰度值總和，則該鄰域塊的值設為0；

將得到的8個鄰域塊值連接起來，形成一個8位的二進制串，將該二進制串的十進制值即作為所述區域的分塊局部二值模式特征值。

5.根據權利要求3所述的復雜場景下的多視角人臉檢測方法，其特征在于，還包含以下步驟：

采用至少2個所述級聯矢量樹結構檢測器對輸入的待測子窗口進行檢測，其中，至少有一個級聯矢量樹結構檢測器的輸入特征為其他級聯矢量樹結構檢測器的輸入特征的旋轉值；

所述其他級聯矢量樹結構檢測器的輸入特征為分塊局部二值模式特征值。

6.根據權利要求2所述的復雜場景下的多視角人臉檢測方法，其特征在于，在訓練每個節點分類器之前，還執行以下步驟：

對訓練樣本進行重采樣。

7.根據權利要求1至5中任一項所述的復雜場景下的多視角人臉檢測方法，其特征在于，在所述分支節點分類器之前級聯的無分支節點分類器的層數預先設定，或根據多視角人臉的檢測指標動態設定。

8.一種復雜場景下的多視角人臉檢測裝置，其特征在于，包含：

檢測窗口獲取模塊，用于根據輸入圖像獲取待測子窗口；

級聯矢量樹結構檢測器訓練模塊，用于根據訓練樣本訓練得到包含多個節點分類器的級聯矢量樹結構檢測器，所述級聯矢量樹結構檢測器中包括至少一個分支節點分類器，并且，在至少一個分支節點分類器之前，有至少一個級聯的無分支節點分類器；

檢測模塊，用于使用所述級聯矢量樹結構檢測器對所述檢測窗口獲取模塊獲取到的待測子窗口進行檢測，其中，當所述級聯矢量樹結構檢測器中的所述無分支節點分類器將所述待測子窗口判定為非人臉子窗口時，停止與該無分支節點分類器級聯的分支節點分類器對該待測子窗口的進一步檢測；當所述無分支節點分類器將所述待測子窗口判定為人臉子窗口時，將該待測子窗口送到與該無分支節點分類器級聯的分支節點分類器繼續檢測。