[發(fā)明專利]一種基于Adaboost的頭部定位方法在審
| 申請?zhí)枺?/td> | 202210006787.7 | 申請日： | 2022-01-05 |
| 公開（公告）號： | CN114387620A | 公開（公告）日： | 2022-04-22 |
| 發(fā)明（設(shè)計）人： | 郭松杰 | 申請（專利權(quán)）人： | 北京容積視覺科技有限公司 |
| 主分類號： | G06V40/10 | 分類號： | G06V40/10;G06K9/62;G06V40/16;G06V10/764;G06V10/774 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 100000 北京市大興區(qū)北京經(jīng)濟技術(shù)開發(fā)區(qū)科創(chuàng)十四街*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 adaboost 頭部 定位 方法 | ||
本發(fā)明提出了一種基于Adaboost的頭部定位方法，包括：第一步：使用攝像頭對頭部信息進行實時視頻采集；第二步：通過圖像處理模塊接收第一步中視頻采集頭部信息時傳輸?shù)膶崟r數(shù)據(jù)，對圖像進行預(yù)處理；第三步：使用基于Adaboost的方法進行頭部識別，借此，本發(fā)明具有實現(xiàn)對人體頭部進行定位的優(yōu)點。
技術(shù)領(lǐng)域
本發(fā)明屬于定位方法技術(shù)領(lǐng)域，特別涉及一種基于Adaboost的頭部定位方法。
背景技術(shù)
目前，人體三維點云數(shù)據(jù)中關(guān)于特殊部位的特征識別和提取是其他針對三維重建模型更高級應(yīng)用的基礎(chǔ)。其中，針對人體三維點云數(shù)據(jù)中頭部的定位、特征識別和特征提取是對三維模型進行更高級人臉分析和處理的關(guān)鍵所在，成為學(xué)者和企業(yè)的研究重點之一。
頭部的定位、特征識別和特征提取被廣泛的使用在人臉高級分析、汽車安全駕駛、沉浸式人機交互和醫(yī)療輔助等多個領(lǐng)域。對頭部的定位方法主要分為兩類，一類是基于二維圖像的定位方法，一類是基于三維數(shù)據(jù)的定位方法。大多數(shù)已經(jīng)實現(xiàn)的方法都是采用二維圖像和機器學(xué)習(xí)/深度學(xué)習(xí)方法相結(jié)合的方式實現(xiàn)對頭部的定位、特征識別和特征提取。基于三維數(shù)據(jù)的頭部定位方法大部分是基于RGBD數(shù)據(jù)的方法，這類方法能夠有效的解決基于二維圖像的諸多問題，如解決了基于二維圖像的頭部定位方法僅能反應(yīng)基本朝向的問題，解決了頭部大幅度轉(zhuǎn)到情形下的特征點準(zhǔn)確估計問題，然而仍然不能滿足實際應(yīng)用的需要。
發(fā)明內(nèi)容
本發(fā)明提出一種基于Adaboost的頭部定位方法，解決了現(xiàn)有技術(shù)中的問題。
本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：一種基于Adaboost的頭部定位方法，包括：
第一步：使用攝像頭對頭部信息進行實時視頻采集；
第二步：通過圖像處理模塊接收第一步中視頻采集頭部信息時傳輸?shù)膶崟r數(shù)據(jù)，對圖像進行預(yù)處理；
第三步：使用基于Adaboost的方法進行頭部識別。
作為一種優(yōu)選的實施方式，所述第一步中，使用自動對焦的彩色攝像頭和深度攝像頭實時獲取頭部的RGB圖像信息和深度信息。
作為一種優(yōu)選的實施方式，所述攝像頭為廣角90°、500萬像素、幀頻為15幀/秒的攝像頭，所述攝像頭采集的實時的視頻數(shù)據(jù)通過視頻轉(zhuǎn)換傳輸技術(shù)傳輸至圖像處理模塊。
作為一種優(yōu)選的實施方式，所述第三步中使用基于Adaboost的方法進行頭部識別的具體步驟為初始化樣本權(quán)重，對于非人臉樣本，t次循環(huán)中第i個樣本的誤差權(quán)重Dt(i)＝1/2m；對于人臉樣本，t次循環(huán)中第i個樣本的誤差權(quán)重Dt(i)＝1/2；
其中，人臉樣本i和非人臉樣本i初始化為不同的值，m為非人臉樣本總數(shù)，i為人臉樣本總數(shù)，對t＝1，2，…，T循環(huán)進行如下的步驟，其中T為循環(huán)次數(shù)。
作為一種優(yōu)選的實施方式，所述循環(huán)進行如下步驟：
步驟1：權(quán)重的歸一化；
步驟2：訓(xùn)練弱分類器；
步驟3：按最小錯誤率選擇最優(yōu)弱分類器；
步驟4：按最優(yōu)分類器更新權(quán)重；
步驟5：選擇強分類器
步驟6：按強弱級聯(lián)強分類器。
作為一種優(yōu)選的實施方式，所述權(quán)重歸一化處理采用的公式為：
其中，qi是歸一化的權(quán)重值。
作為一種優(yōu)選的實施方式，對每一個特征f，訓(xùn)練一個弱分類器h(x，f，p，θ)，計算所有特征弱非分類器的加權(quán)錯誤率εf的計算公式為：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京容積視覺科技有限公司，未經(jīng)北京容積視覺科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210006787.7/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
