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

在審

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

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域，尤其是涉及一種利用基于隨機(jī)森林的人臉檢測(cè)器來(lái)檢測(cè)圖像中是否包含人臉的人臉檢測(cè)方法。

背景技術(shù)

伴隨著圖像處理技術(shù)和機(jī)器學(xué)習(xí)方法的快速發(fā)展，基于人臉識(shí)別的應(yīng)用越來(lái)越廣泛，例如身份驗(yàn)證、智能交通、安全防護(hù)等領(lǐng)域。人臉檢測(cè)作為人臉識(shí)別的第一個(gè)步驟，其準(zhǔn)確性至關(guān)重要。

人臉檢測(cè)技術(shù)是基于人臉圖像的特征，對(duì)輸入的圖像或者視頻流，判斷是否存在人臉的過(guò)程。首先，選擇一種圖像特征，對(duì)用于訓(xùn)練的人臉樣本圖像進(jìn)行特征提取；其次，基于所提取的樣本圖像特征，訓(xùn)練分類(lèi)器，用于判斷圖像中是否存在人臉，為進(jìn)一步的基于人臉檢測(cè)的技術(shù)應(yīng)用做準(zhǔn)備。

傳統(tǒng)的人臉檢測(cè)方法，一般是利用基于Haar特征、HOG特征、LBP特征或者組合特征等作為描述特征來(lái)訓(xùn)練分類(lèi)器。而在一些特殊場(chǎng)合，人臉檢測(cè)存在著一定的障礙，背景復(fù)雜、人臉形態(tài)差別較大或人臉佩戴飾品等造成人臉部分遮擋，要設(shè)計(jì)一種普適的人臉檢測(cè)算法較為困難。另外為了達(dá)到較好的檢測(cè)效果，需要大量的人臉圖片對(duì)算法進(jìn)行訓(xùn)練，而特定領(lǐng)域的人臉檢測(cè)要獲得大規(guī)模的人臉圖片集是不現(xiàn)實(shí)的。

以上背景技術(shù)內(nèi)容的公開(kāi)僅用于輔助理解本發(fā)明的發(fā)明構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請(qǐng)的現(xiàn)有技術(shù)，在沒(méi)有明確的證據(jù)表明上述內(nèi)容在本專利申請(qǐng)的申請(qǐng)日已經(jīng)公開(kāi)的情況下，上述背景技術(shù)不應(yīng)當(dāng)用于評(píng)價(jià)本申請(qǐng)的新穎性和創(chuàng)造性。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提出一種人臉檢測(cè)方法，通過(guò)人臉樣本注冊(cè)和不斷更新的方法來(lái)獲得特定場(chǎng)合下的人臉樣本圖像，并構(gòu)造基于深度二次樹(shù)的隨機(jī)森林作為人臉檢測(cè)器來(lái)檢測(cè)有遮擋的人臉。與傳統(tǒng)方法相比，能夠利用較少的樣本圖像實(shí)現(xiàn)具有檢測(cè)精度高、泛化能力強(qiáng)，并能有效減少過(guò)擬合的人臉檢測(cè)器。

本發(fā)明為達(dá)上述目的所提出的技術(shù)方案如下：

一種人臉檢測(cè)方法，包括人臉檢測(cè)模型的訓(xùn)練步驟和人臉檢測(cè)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(duì)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(duì)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)樣本圖像及其的負(fù)樣本特征向量，構(gòu)建一深度二次樹(shù)；

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

A6、利用得到的隨機(jī)森林對(duì)測(cè)試圖像進(jìn)行是否包含人臉的檢測(cè)，若測(cè)試圖像中含有人臉但并未被檢測(cè)到，則將該測(cè)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(cè)試圖像中不含人臉但檢測(cè)到人臉，則將該測(cè)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(cè)效果符合預(yù)設(shè)要求的隨機(jī)森林；

人臉檢測(cè)步驟包括：

B1、接收待檢測(cè)圖像，通過(guò)隨機(jī)森林的每一深度二次樹(shù)來(lái)分別對(duì)所述待檢測(cè)圖像進(jìn)行是否包含人臉的檢測(cè)；

B2、對(duì)所有深度二次樹(shù)的判斷結(jié)果進(jìn)行統(tǒng)計(jì)，若判斷出待檢測(cè)圖像中包含人臉的深度二次樹(shù)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(cè)圖像中含有人臉。

本發(fā)明提供的上述人臉檢測(cè)方法，針對(duì)特殊場(chǎng)合的人臉檢測(cè)尤其具有優(yōu)勢(shì)，特殊場(chǎng)合例如有遮擋的人臉檢測(cè)，這一類(lèi)的人臉圖像往往難以收集，即訓(xùn)練時(shí)難以得到較大數(shù)量的訓(xùn)練集，而本發(fā)明的方法可以事先采用較少數(shù)量的訓(xùn)練集，在訓(xùn)練和測(cè)試過(guò)程中利用出現(xiàn)檢測(cè)錯(cuò)誤的圖像作為新樣本來(lái)更新訓(xùn)練集，這樣不僅使得訓(xùn)練集在訓(xùn)練過(guò)程中越來(lái)越大，更關(guān)鍵的是，每一次訓(xùn)練都可能用到前一次訓(xùn)練過(guò)程中測(cè)試時(shí)出現(xiàn)檢測(cè)錯(cuò)誤的圖像，以此來(lái)提高檢測(cè)的準(zhǔn)確性，從而最終可以得到檢測(cè)精度較高的人臉檢測(cè)模型(隨機(jī)森林)。

本發(fā)明的另一實(shí)施方式還提出了一種人臉檢測(cè)裝置，包括圖像采集單元、存儲(chǔ)單元以及模型訓(xùn)練程序和人臉檢測(cè)程序；

所述圖像采集單元用于獲取不同的人臉圖像；所述存儲(chǔ)單元存儲(chǔ)人臉圖像和收集到的非人臉圖像，其中，人臉圖像和非人臉圖像被劃分為正、負(fù)樣本訓(xùn)練集；

所述模型訓(xùn)練程序用于基于正、負(fù)樣本訓(xùn)練集來(lái)訓(xùn)練得到一人臉檢測(cè)模型；