[發(fā)明專利]基于改進LBP特征的快速多角度人臉檢測方法

在審

• 申請?zhí)枺?/td>: 201710021290.1
• 申請日: 2017-01-12
• 公開（公告）號: CN106778683A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 朱紅;竇凱
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 韋全生,王品華

技術(shù)領(lǐng)域

本發(fā)明屬于模式識別技術(shù)領(lǐng)域，涉及一種人臉檢測方法，具體涉及一種基于改進LBP特征的快速多角度人臉檢測方法，可用于人臉識別技術(shù)中人臉的位置確定及數(shù)碼相機等設(shè)備中的人臉檢測。

背景技術(shù)

人臉檢測是指搜索圖像中是否存在人臉，如果存在人臉，標定出圖像中的人臉位置和大小。實際環(huán)境中圖像中的人臉不只是正面人臉，多角度人臉檢測是指將圖像中的正面人臉和側(cè)面角度人臉都檢測出來。人臉檢測技術(shù)廣泛應用于人臉識別中的人臉位置確定、數(shù)碼相機、智能手機等設(shè)備中。

人臉檢測經(jīng)過多年的研究與發(fā)展形成了多種檢測方法，主要分為基于知識的方法和基于統(tǒng)計的方法兩類。基于知識的檢測方法常采用模版匹配法和人臉特征法，將人臉看作眼睛、眉毛、嘴巴等器官的組合，利用各器官的特征以及相互之間的位置關(guān)系等先驗知識來檢測人臉。模版匹配法指先確定人臉的標準模版圖像，目標圖像特定位置的像素灰度值或顏色值與模版圖像的相同位置進行比較，計算灰度差或顏色差，通過差值判定相關(guān)度確定是否為人臉；人臉特征法首先提取出人臉的局部不變結(jié)構(gòu)特征，然后根據(jù)特征的幾何關(guān)系來確定人臉是否存在。基于知識的檢測方法需要先驗知識，不能檢測不規(guī)則、姿態(tài)多樣的人臉，魯棒性差。

基于統(tǒng)計的檢測方法把人臉當作一個整體模式，通過對大量人臉樣本來進行統(tǒng)計分析，利用統(tǒng)計分析和機器學習構(gòu)造出人臉模式空間，根據(jù)目標與人臉模式的相似度來判斷人臉是否存在，常采用神經(jīng)網(wǎng)絡(luò)算法、支持向量機或Adaboost算法訓練出一個感知人臉復雜模式的分類器來檢測人臉。

P.Viola&M.Jones使用Adaboost算法訓練基于Haar-like特征的強分類器，將強分類器級聯(lián)構(gòu)成cascade型檢測器，提高了人臉檢測的速度和檢測率使得人臉檢測具備實用意義。為解決多角度人臉的檢測的問題，M.Jones后來提出一種兩階段檢測方法，先使用神經(jīng)網(wǎng)絡(luò)決策樹對人臉做姿態(tài)預測，然后使用Adaboost算法訓練分類器對各種姿態(tài)的人臉進一步檢測，這種檢測方法檢測率高，但是使用仍然存在訓練分類器時間長、訓練需要大量樣本、檢測速度慢的不足。之后研究人員又提出了基于LBP特征的多角度人臉檢測方法，例如授權(quán)公告號為CN 102799901 B，名稱為“一種多角度人臉檢測方法”的發(fā)明專利，公開了一種使用LBP特征的多角度人臉檢測方法，包括人臉姿態(tài)分類、計算每種姿態(tài)下的人臉特征、各姿態(tài)下的人臉檢測，其中人臉姿態(tài)分類將人臉分為：左側(cè)[-90°,90°]，正面[-30°,30°]，右側(cè)[30°,90°]三種姿態(tài)，人臉姿態(tài)分類器使用LBP特征構(gòu)造神經(jīng)網(wǎng)絡(luò)RBF分類器得到，使用Adaboost算法對每種姿態(tài)的人臉進行檢測，并對檢測結(jié)果進行融合處理。該發(fā)明提高了多角度人臉的檢測速度，但是仍然存在檢測速度不夠高和分類器訓練時間長的缺點。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的缺陷，提出了一種基于改進LBP特征的快速多角度人臉檢測方法，用于解決現(xiàn)有多角度人臉檢測技術(shù)中存在的檢測速度慢的技術(shù)問題。

本發(fā)明的技術(shù)思路是，通過對LBP特征的改進，并使用改進的LBP特征構(gòu)造弱分類器提高弱分類器的分類準確率，減少組成強分類器需要的弱分類器數(shù)量來減少檢測過程的計算量，實現(xiàn)人臉的快速檢測。通過Adaboost算法訓練弱分類器得到強分類器，將強分類器級聯(lián)成檢測不同角度人臉的cascade分類器，并按照檢測角度由粗到精的方式將cascade分類器組成“金字塔”型檢測器，實現(xiàn)人臉的多角度檢測。在檢測過程中先通過方差檢測的方法得到檢測候選窗口縮小檢測范圍，實現(xiàn)檢測速度的進一步提高。

根據(jù)上述技術(shù)思路，實現(xiàn)本發(fā)明目的采取的技術(shù)方案，包括訓練階段和檢測階段，實現(xiàn)步驟為：

訓練階段：

(1)對LBP特征進行改進，得到改進LBP特征，并利用改進LBP特征構(gòu)造弱分類器，得到弱分類器h(x)，實現(xiàn)步驟為：

(1a)將LBP特征的特征窗口劃分為K×K個大小相等的矩形子塊，其中K＝3或5，選取K×K個子塊中的四個頂點的子塊、四個邊界的中間子塊和中心子塊，構(gòu)造新的LBP特征，得到改進LBP特征；

(1b)計算改進LBP特征中各子塊內(nèi)的像素灰度平均值，并將中心子塊與其他8個子塊的像素灰度平均值分別進行比較，將像素灰度平均值大于中心子塊像素灰度平均值的子塊編碼為1，其余的子塊編碼為0，得到8個二進制數(shù)；再從這8個二進制數(shù)左上角開始，按照順時針順序串聯(lián)，得到二進制編碼；最后將二進制編碼轉(zhuǎn)換為十進制數(shù)，得到改進LBP特征的特征值，該特征值的取值范圍為[0,255]，數(shù)量為256個；