[發明專利]一種快速人臉檢測方法

有效

• 申請號: 201210328689.1
• 申請日: 2012-09-07
• 公開（公告）號: CN102831411A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 謝文文
• 申請（專利權）人: 云南晟鄴科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京世譽鑫誠專利代理事務所(普通合伙) 11368
• 代理人: 孫國棟

1.一種快速人臉檢測方法，其特征在于：首先利用金字塔分解的方式，對圖像以金字塔形狀排列的分辨率逐漸降低的圖像集合，進行壓縮，在此基礎上采用Adaboost算法進行人臉檢測。

2.根據權利要求1中所述的快速人臉檢測方法，其特征在于：

金字塔分解的方式，具體步驟為：

（1）、計算輸入圖像減少的分辨率近似值，主要是通過對輸入進行濾波并以2為步長進行抽樣；

（2）、對上一步的輸出進行內插并進行過濾；

（3）、計算步驟（2）的預測值和步驟（1）的輸入之間的差異，以J級預測殘差進行標識的差異，將用于原始圖像的重建；

（4）、經過一次金字塔分解后圖像的大小變為原來的1/4。

3.根據權利要求1中所述的快速人臉檢測方法，其特征在于：Adaboost算法主要是根據人臉的灰度分布，選擇采用矩形特征；該特征可以通過積分圖快速進行提取，然后通過訓練提取最優的矩形特征并將其轉化為弱分類器，最后將弱分類器進行疊加構成強分類器，然后串聯成級聯分類器用于人臉檢測。

4.根據權利要求3中所述的快速人臉檢測方法，其特征在于：所述矩形特征的提取，是利用人臉部的灰度值有一定的分布特征，用一些簡單的矩形特征來描述人臉部的特征；所述矩形特征由一些簡單的黑白矩形組合而成，一個矩形特征的特征值為黑色矩形框內的灰度值之和與白色矩形框內灰度值之和的差。

5.根據權利要求3中所述的快速人臉檢測方法，其特征在于：所述Adaboost算法訓練過程包括弱分類器訓練過程，弱分類器訓練過程具體的訓練過程如下：

(1)：計算每一個樣本相對應的特征的特征值，然后將所有的特征值按照降序進行排列；

(2)：計算所有正樣本，即人臉權重的和T⁺以及所有負樣本，即非人臉權重的和T^-。

(3)：計算在此之前的前一個元素的正樣本權重和T^s+以及負樣本權重和T^s-；

(4)：計算加權錯誤率：e=min[T^s++(T^--T^s-),T^s-+(T⁺-T^s+)]；

(5)：根據錯誤率最小的原則確定p_j，θ_j；

(6)：保存矩形特征的參數，得到弱分類器。