[發明專利]一種基于結構化模型的人臉檢測方法

有效

• 申請號: 201310014629.7
• 申請日: 2013-01-15
• 公開（公告）號: CN103093237A
• 公開（公告）日: 2013-05-08
• 發明（設計）人: 李子青;雷震;閆俊杰;張旭聰
• 申請（專利權）人: 中國科學院自動化研究所;北京中科奧森科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明涉及圖像處理與模式識別技術領域，尤其是一種基于結構化模型的人臉檢測方法。

背景技術

人臉檢測在基于人臉的計算機視覺、模式識別應用中占有很重要的地位，例如視頻監控和身份識別系統等。對于大部分的人臉應用，都首先需要對人臉進行精確的檢測。

傳統的人臉檢測方法，往往遵循一個固定的框架：首先采集訓練樣本，在固定的區域提取特定的固定紋理特征，然后將這些紋理特征放到某個分類器中進行訓練，從而得到一個人臉檢測模型；對于待檢測的樣本，則也在相應的位置抽取固定的紋理特征并與訓練好的分類器進行對比，獲取一個置信分數，從而判斷其是否為人臉。這種方法在人臉的姿態變化不大的條件下可以獲得較好的效果，但是在實際應用時，不同個體的臉部五官比例并不是一樣的。即使對于同一個體，由于姿態表情等變化，其五官的外觀狀態也是不確定的(如閉眼和睜眼)。因此由于人臉部的這種多樣性，傳統的人臉檢測并不能達到令人滿意的效果。

發明內容

本發明的目的是克服現有技術中存在的不足，提供一種基于結構化模型的人臉檢測方法，該方法在檢測的時候可以根據樣本進行自適應的調整。

本發明所提出的一種基于結構化模型的人臉檢測方法包括如下步驟：

步驟1，對于圖像數據庫，手工標定含有人臉和不含有人臉的圖像作為訓練樣本，含有人臉的圖像為正樣本{I_a，H_a}，不含有人臉的圖像為負樣本{I_b}，其中，H_a為訓練正樣本I_a中人工標定出的人臉配置；

步驟2，對所述正樣本中的各個部件按照其表象特征進行聚類，得到人臉各個部件的若干子類，所述人臉所在的位置，人臉各個部件所在的位置及各個部件的子類組成一人臉配置H，其中，H＝{h₀，h₁，h₂，...，h_N}，h₀為人臉所在的位置；h_i＝{l_i，t_i}為人臉第i個部件所在的位置，l_i表示第i個部件所在的位置坐標，其包含該部件的左上角坐標(x_i，y_i)，高度和寬度；t_i為第i個部件所屬子類的標簽；

步驟3，建立融合了人臉全局和部件的表象特征，以及全局與部件之間的空間關系的結構化人臉檢測模型

步驟4，利用結構化支持向量機的參數學習方法在所述步驟1手工標定的訓練樣本集上學習得到所述結構化人臉檢測模型的最優參數，從而得到最優結構化人臉檢測模型；

步驟5，輸入待檢測圖像，根據所述最優結構化人臉檢測模型，利用能量目標函數來尋找所述待檢測圖像中最優的人臉配置H^*；

步驟6，對于所述數據庫中的每一幅圖像，通過手工標定得到帶有人臉位置和身體關節點的訓練樣本，用于產生描述身體的短語；

步驟7，根據所述短語對應的訓練樣本，利用常用的形變部件模型訓練基于短語的身體檢測器，其中，每個短語對應一個身體檢測器；

步驟8，將所述待檢測圖像與上述訓練得到的每一個基于短語的身體檢測器進行匹配，得到檢測到的短語位置及其相應的匹配分數；

步驟9，基于上述得到的身體檢測器的檢測結果估計人臉位置；

步驟10，利用結構化的身體上下文模型融合每個身體檢測器檢測得到的身體位置與所述最優結構化人臉檢測模型檢測得到的人臉位置，得到最終的檢測結果。

本發明同時建模全局人臉，人臉的部件和全局人臉與部件人臉的空間關系，對人臉的每一個部件引入子類的概念，從而將最終可能表示的人臉組合達到指數級別。在利用模型檢測的時候，通過優化一個目標函數來自動的求解最佳的部件位置和部件子類別，從而實現了自適應的人臉檢測。為了學習模型的參數，本發明利用結構化支持向量機對模型的參數進行學習，對人的身體和人臉相對位置的空間關系進行建模，利用線性回歸估計人臉位置；使用結構化的上下文模型來建模結構化人臉檢測結果和身體的檢測結果，推斷最終的檢測結果。本發明方法可以提高人臉檢測精度，具有對遮擋，形變，姿態，光照等復雜變化下的魯棒性，其檢測精度高，適應范圍廣。

附圖說明

圖1是本發明基于結構化模型的人臉檢測方法流程圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。