[發(fā)明專利]一種快速精確的人臉檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610953612.1
• 申請(qǐng)日: 2016-11-03
• 公開（公告）號(hào): CN106599778A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計(jì)）人: 方承志;宦太杰;袁海峰
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 南京知識(shí)律師事務(wù)所32207
• 代理人: 李湘群

技術(shù)領(lǐng)域：

本發(fā)明一種快速精確的人臉檢測(cè)方法屬于圖像模式識(shí)別技術(shù)領(lǐng)域。

背景技術(shù)：

人臉是一個(gè)人最顯著的特征，即使兩人是雙胞胎，他們的臉部依舊會(huì)有細(xì)微差異，因此，在當(dāng)今智能信息的時(shí)代，人臉提供了大量有價(jià)值的信息。近年來，對(duì)于人臉識(shí)別的研究越來越受到重視，由于人臉識(shí)別所具有的自然性優(yōu)勢(shì)以及不被被測(cè)個(gè)體察覺等特點(diǎn)，被廣泛應(yīng)用于門禁系統(tǒng)、攝像監(jiān)視系統(tǒng)等方面。

人臉檢測(cè)是人臉識(shí)別的關(guān)鍵環(huán)節(jié)，人臉識(shí)別的前提就是在背景圖像中精確定位出人臉?biāo)幍膮^(qū)域。由于人臉是一類具有相當(dāng)復(fù)雜細(xì)節(jié)變化的自然結(jié)構(gòu)目標(biāo)，人臉的五官“眼、耳、鼻、口、眉”影響著容貌面部特征，情緒的不同，五官形狀也相應(yīng)會(huì)有很大變化，不同的人臉其輪廓也不盡相同等等因素也為人臉檢測(cè)帶來了很大的挑戰(zhàn)。Paul Viola和Michael Jones提出的AdaBoost算法在人臉檢測(cè)領(lǐng)域具有很重要的代表性，但由于其算法計(jì)算比較復(fù)雜，有較多冗余計(jì)算，在復(fù)雜場(chǎng)景時(shí)檢測(cè)速度相對(duì)比較低。隨后出現(xiàn)的基于單一顏色空間膚色分割預(yù)處理的方法雖然在一定程度上提升了AdaBoost算法的檢測(cè)速度，但卻容易遺漏人臉候選區(qū)域，并且AdaBoost算法對(duì)于膚色分割所獲取候選區(qū)域的檢測(cè)具有一定程度的退化現(xiàn)象，即檢測(cè)時(shí)精確性有所下降，容易發(fā)生誤檢。因此在復(fù)雜場(chǎng)景情況下如何快速精確的檢測(cè)人臉成為了人臉檢測(cè)系統(tǒng)所需要考慮的問題。而本發(fā)明能夠很好地解決上面的問題。

發(fā)明內(nèi)容：

本發(fā)明目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出了一種快速精確的人臉檢測(cè)方法，該方法能夠在復(fù)雜場(chǎng)景下，能夠快速精確地檢測(cè)人臉。

本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：一種快速精確的人臉檢測(cè)方法，該方法包括如下步驟：

步驟1：在CMYK、HSV、YCbCr顏色空間下分別設(shè)置膚色分割的閾值，并將得到的三個(gè)閾值進(jìn)行并操作，取并操作后的閾值作為膚色檢測(cè)的閾值；

步驟2：用并操作后的閾值對(duì)輸入圖像進(jìn)行膚色分割預(yù)處理，獲取人臉檢測(cè)候選區(qū)域；

步驟3：使用MWR-AdaBoost算法對(duì)候選區(qū)域進(jìn)行人臉檢測(cè)，并在圖像中標(biāo)記出人臉區(qū)域。

進(jìn)一步地，本發(fā)明首先輸入圖像，利用CMYK、HSV、YCbCr三種顏色空間膚色分割閾值的并操作對(duì)圖像進(jìn)行預(yù)處理得到候選區(qū)域，在此基礎(chǔ)上再使用MWR-AdaBoost算法對(duì)候選區(qū)域進(jìn)行人臉檢測(cè)。

進(jìn)一步地，本發(fā)明膚色分割閾值并操作獲取候選區(qū)域的方式，步驟如下：膚色分割閾值并操作獲取候選區(qū)域的方式，步驟如下：

(1)將輸入圖像的RGB顏色空間分別轉(zhuǎn)換至CMYK、HSV、YCbCr三種顏色空間；

(2)分別對(duì)CMYK、HSV、YCbCr三種顏色空間選取膚色分割閾值；

(3)對(duì)三種顏色空間的分割閾值進(jìn)行并操作，采用并操作后的閾值進(jìn)行膚色檢測(cè)，得到人臉候選區(qū)域。

更進(jìn)一步地說：

CMYK、HSV以及YCbCr三個(gè)顏色空間，其對(duì)應(yīng)閾值分割公式分別為：

將三個(gè)顏色空間膚色分割的閾值進(jìn)行并操作，根據(jù)并操作后的閾值分割來獲取人臉候選區(qū)域。

更進(jìn)一步地，本發(fā)明的MWR-AdaBoost算法是在AdaBoost方法的基礎(chǔ)上，采用了新型的權(quán)重更新方法：將樣本到閾值的距離增加到權(quán)重更新，使得當(dāng)分類正確時(shí)，樣本距離閾值越近權(quán)重越小，當(dāng)分類錯(cuò)誤時(shí)，樣本距離閾值越近權(quán)重越大。

MWR-AdaBoost算法步驟如下：

訓(xùn)練樣本為：(x₁,y₁)…(x_N,y_N)，其中：N＝l+m,l是正樣本數(shù)量，m是負(fù)樣本數(shù)量，y_i∈{+1,-1}分別用來標(biāo)記x_i是正樣本或負(fù)樣本。

初始化權(quán)重：

進(jìn)行T輪訓(xùn)練:

(1)對(duì)于每一輪訓(xùn)練都找出一個(gè)性能最好的弱分類器，使得加權(quán)分類誤差ε_t最小的弱分類器既為性能最好的弱分類器：