[發(fā)明專利]一種人臉檢測(cè)的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610040719.7
• 申請(qǐng)日: 2016-01-21
• 公開（公告）號(hào): CN106991363B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 馮昊;汪彪;張超;遇冰;黃元俊;韓在濬;崔昌圭
• 申請(qǐng)（專利權(quán)）人: 北京三星通信技術(shù)研究有限公司;三星電子株式會(huì)社
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京德琦知識(shí)產(chǎn)權(quán)代理有限公司 11018
• 代理人: 王雙;王琦

1.一種人臉檢測(cè)的方法，其特征在于，包括：

以第一步長(zhǎng)為間隔，利用滑動(dòng)窗口掃描目標(biāo)圖像，并對(duì)相應(yīng)滑動(dòng)窗口中的圖像進(jìn)行人臉粗檢測(cè)，選擇出候選區(qū)域；

以小于所述第一步長(zhǎng)的第二步長(zhǎng)為間隔，利用滑動(dòng)窗口掃描所述候選區(qū)域，并對(duì)相應(yīng)滑動(dòng)窗口中的圖像進(jìn)行人臉精檢測(cè)，選擇出人臉區(qū)域；

其中，人臉粗檢測(cè)和/或人臉精檢測(cè)包括：

將滑動(dòng)窗口內(nèi)的圖像的特征輸入各弱分類器；

得到各弱分類器的分?jǐn)?shù)；

根據(jù)各弱分類器的分?jǐn)?shù)與各弱分類器對(duì)應(yīng)的閾值的比較，確定滑動(dòng)窗口內(nèi)的圖像是否為背景；

其中，各弱分類器對(duì)應(yīng)的閾值基于各弱分類器的人臉閾值和背景閾值得到。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)各弱分類器確定滑動(dòng)窗口內(nèi)的圖像不是背景時(shí)，將所述特征傳遞到下一個(gè)弱分類器。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)相應(yīng)滑動(dòng)窗口中的圖像進(jìn)行人臉粗檢測(cè)，具體包括：

使用第一人臉檢測(cè)模塊對(duì)相應(yīng)滑動(dòng)窗口中的圖像進(jìn)行人臉粗檢測(cè)；

其中，所述第一人臉檢測(cè)模塊具備下述至少一種特征：

生成所述第一人臉檢測(cè)模塊時(shí)的樣本集檢測(cè)率測(cè)試閾值小于設(shè)定測(cè)試閾值；

生成所述第一人臉檢測(cè)模塊時(shí)訓(xùn)練的迭代次數(shù)小于設(shè)定迭代次數(shù)；

所述第一人臉檢測(cè)模塊的檢測(cè)閾值為在標(biāo)準(zhǔn)檢測(cè)閾值的基礎(chǔ)上進(jìn)行偏移得到的寬松閾值。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述寬松閾值保證第一人臉檢測(cè)模塊對(duì)人臉的檢測(cè)率高于所述標(biāo)準(zhǔn)檢測(cè)閾值對(duì)應(yīng)的檢測(cè)率，和/或，所述寬松閾值保證第一人臉檢測(cè)模塊對(duì)人臉的虛警率高于標(biāo)準(zhǔn)檢測(cè)閾值對(duì)應(yīng)的虛警率。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述各弱分類器對(duì)應(yīng)的人臉閾值和背景閾值是采用MIP方法分別使用人臉樣本和背景樣本得到的。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，采用MIP方法，使用人臉樣本訓(xùn)練所述各弱分類器對(duì)應(yīng)的人臉閾值，具體包括：

使用強(qiáng)分類器對(duì)用于訓(xùn)練的所有人臉樣本進(jìn)行檢測(cè)，并記錄經(jīng)過(guò)所有弱分類器的分?jǐn)?shù)；對(duì)于每個(gè)弱分類器，選擇所述所有人臉樣本對(duì)應(yīng)的分?jǐn)?shù)中的最小值，作為該弱分類器的人臉閾值Pos-Threshold。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，采用MIP方法，使用背景樣本訓(xùn)練所述各弱分類器對(duì)應(yīng)的背景閾值，具體包括：

使用強(qiáng)分類器對(duì)用于訓(xùn)練的所有背景樣本進(jìn)行檢測(cè)，并記錄經(jīng)過(guò)所有弱分類器的分?jǐn)?shù)；對(duì)于每個(gè)弱分類器，選擇所述所有背景樣本對(duì)應(yīng)的分?jǐn)?shù)中的最大值，作為該弱分類器的背景閾值Neg-Threshold。

8.根據(jù)權(quán)利要求1、5、6或7所述的方法，其特征在于，基于各個(gè)弱分類器的人臉閾值和背景閾值得到弱分類器對(duì)應(yīng)的閾值，具體包括：對(duì)于每個(gè)弱分類器，將所述人臉閾值和所述背景閾值以設(shè)定的權(quán)重進(jìn)行混合得到該弱分類器對(duì)應(yīng)的閾值。

9.一種人臉檢測(cè)的方法，其特征在于，包括：

利用目標(biāo)圖像構(gòu)造圖像金字塔；

利用小臉檢測(cè)器對(duì)所述圖像金字塔中第一設(shè)定層以上的各個(gè)圖像進(jìn)行人臉檢測(cè)；

利用標(biāo)準(zhǔn)臉檢測(cè)器對(duì)所述圖像金字塔中第二設(shè)定層以上的各個(gè)圖像進(jìn)行人臉檢測(cè)；

利用小臉檢測(cè)器的人臉檢測(cè)結(jié)果和標(biāo)準(zhǔn)臉檢測(cè)器的人臉檢測(cè)結(jié)果確定所述目標(biāo)圖像的人臉檢測(cè)結(jié)果；

其中，生成所述小臉檢測(cè)器的樣本圖像小于生成所述標(biāo)準(zhǔn)臉檢測(cè)器的樣本圖像。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述第一設(shè)定層和第二設(shè)定層均不是圖像金字塔的最底層，和/或，根據(jù)所述目標(biāo)圖像的大小、生成所述標(biāo)準(zhǔn)臉檢測(cè)器的樣本圖像大小、生成所述小臉檢測(cè)器的樣本圖像大小和要檢測(cè)的目標(biāo)人臉尺寸構(gòu)造所述圖像金字塔。