[發(fā)明專利]一種人臉檢測方法、裝置和計(jì)算機(jī)可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201711132667.7
• 申請日: 2017-11-15
• 公開（公告）號: CN107909034A
• 公開（公告）日: 2018-04-13
• 發(fā)明（設(shè)計(jì)）人: 陳永強(qiáng);董繼來;張新;王好謙;張穎
• 申請（專利權(quán)）人: 清華大學(xué)深圳研究生院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳新創(chuàng)友知識產(chǎn)權(quán)代理有限公司44223
• 代理人: 徐羅艷

1.一種人臉檢測方法，包括人臉檢測模型的訓(xùn)練步驟和人臉檢測步驟：

其中，所述訓(xùn)練步驟包括以下步驟：

A1、獲取多張人臉圖像和非人臉圖像，以分別建立正、負(fù)樣本訓(xùn)練集；

A2、對正、負(fù)樣本訓(xùn)練集的所有圖像分別進(jìn)行標(biāo)準(zhǔn)像素差特征的提取，得到每一圖像各自的特征向量；對所有特征向量中的所有標(biāo)準(zhǔn)像素差特征歸一化處理到0～255之間；

A3、分別從正、負(fù)樣本訓(xùn)練集中隨機(jī)抽取數(shù)張正樣本圖像和數(shù)張負(fù)樣本圖像，并分別從各正樣本圖像和各負(fù)樣本圖像的特征向量中隨機(jī)抽取數(shù)個(gè)特征，得到每一正樣本圖像的正樣本特征向量和每一負(fù)樣本圖像的負(fù)樣本特征向量；

A4、基于步驟A3所抽取的正樣本圖像及其正樣本特征向量，以及負(fù)樣本圖像及其負(fù)樣本特征向量，構(gòu)建一深度二次樹；

A5、重復(fù)步驟A3和A4，得到多個(gè)不同的深度二次樹，組成隨機(jī)森林；

A6、利用得到的隨機(jī)森林對測試圖像進(jìn)行是否包含人臉的檢測，若測試圖像中含有人臉但并未被檢測到，則將該測試圖像加入到正樣本訓(xùn)練集中，以更新正樣本訓(xùn)練集；若測試圖像中不含人臉但檢測到人臉，則將該測試圖像加入到負(fù)樣本訓(xùn)練集中，以更新負(fù)樣本訓(xùn)練集；

A7、利用更新的正、負(fù)樣本訓(xùn)練集不斷重復(fù)步驟A2至A6直至得到檢測效果符合預(yù)設(shè)要求的隨機(jī)森林；

人臉檢測步驟包括：

B1、接收待檢測圖像，通過隨機(jī)森林的每一深度二次樹來分別對所述待檢測圖像進(jìn)行是否包含人臉的檢測；

B2、對所有深度二次樹的判斷結(jié)果進(jìn)行統(tǒng)計(jì)，若判斷出待檢測圖像中包含人臉的深度二次樹的比例大于一預(yù)設(shè)值，則所述隨機(jī)森林的判斷結(jié)果為所述待檢測圖像中含有人臉。

2.如權(quán)利要求1所述的人臉檢測方法，其特征在于：步驟A2中標(biāo)準(zhǔn)像素差特征p、q分別為同一圖像中的兩個(gè)像素的像素值。

3.如權(quán)利要求1所述的人臉檢測方法，其特征在于：步驟A4中構(gòu)建一深度二次樹具體包括：

首先，通過窮舉法遍歷正、負(fù)樣本特征向量中的所有樣本特征，通過計(jì)算分到左、右分支的樣本特征權(quán)重的累加，來得到每一個(gè)樣本特征的分類誤差，選擇最小的分類誤差所對應(yīng)的像素值作為根節(jié)點(diǎn)分類閾值；

其次，再次利用窮舉法分別遍歷分到左、右兩支的所有樣本特征，得到第二層的最優(yōu)分類閾值；依此類推，當(dāng)深度二次樹達(dá)到設(shè)定的閾值條件時(shí)停止分裂，得到一深度二次樹。

4.如權(quán)利要求1所述的人臉檢測方法，其特征在于：步驟A4中構(gòu)建一深度二次樹具體包括：

A41、基于步驟A3所抽取的正樣本圖像及其正樣本特征向量，以及負(fù)樣本圖像及其負(fù)樣本特征向量，分別建立正、負(fù)樣本特征的初始化權(quán)重直方圖，并分別得到正、負(fù)樣本特征的按特征值分類的樣本數(shù)矩陣；

A42、兩層遍歷正樣本特征向量和負(fù)樣本特征向量中的所有樣本特征，在每一次外層遍歷時(shí)，初始化分到根節(jié)點(diǎn)右分支的樣本數(shù)，并在內(nèi)層遍歷時(shí)通過所述樣本數(shù)矩陣更新右分支的樣本數(shù)；同時(shí)根據(jù)所述初始化權(quán)重直方圖，利用加權(quán)均方誤差計(jì)算分類誤差和左、右分支的正樣本比率fl、fr；當(dāng)分類誤差小于設(shè)定值時(shí)，將此時(shí)的內(nèi)、外層循環(huán)數(shù)作為每個(gè)節(jié)點(diǎn)的閾值的上下界，以及，根據(jù)左、右分支的正樣本比率fl和fr計(jì)算用于人臉檢測的葉子節(jié)點(diǎn)的正樣本比率fit；

循環(huán)步驟A41和A42，以進(jìn)行二次樹的向下分裂，直至達(dá)到預(yù)設(shè)停止條件時(shí)停止分裂，得到一深度二次樹。

5.如權(quán)利要求1所述的人臉檢測方法，其特征在于：步驟A4中構(gòu)建的深度二次樹符合以下分裂規(guī)則：af²+bf+c＝t，其中f表示標(biāo)準(zhǔn)像素差特征，t表示分裂閾值，a、b、c是關(guān)于特征f的常數(shù)。

6.如權(quán)利要求1所述的人臉檢測方法，其特征在于：人臉檢測步驟中的步驟B1具體包括：接收待檢測圖像并對其進(jìn)行標(biāo)準(zhǔn)像素差特征的提取，得到待檢測的特征向量；將所述待檢測的特征向量輸入到隨機(jī)森林中，通過每個(gè)深度二次樹分別進(jìn)行是否包含人臉的判斷。