[发明专利]一种基于DSP的人脸检测方法

说明书

所述技术领域

发明涉及一种基于DSP平台的人脸检测方法可以应用到人脸识别、安全访问和视频监控等领域，本发明通过对动态视频截取图像，并利用图像处理手段，以模型整体属性为主，考虑人脸整体与各部分之间的拓扑关系，提取并利用关键信息来寻找特征点来完成人脸检测。

背景技术

人脸检测的问题最初来源于人脸识别，人脸自动识别的研究最早可以追溯到20世纪60～70年代。经多几十年的曲折发展，人脸的自动识别已经有了较为成功的方法，目前正日趋成熟。一个完整的人脸自动识别系统应该包括人脸检测、特征提取、匹配识别三大基本过程。

人脸检测问题很长一段时间并未受到重视是因为早期的人脸识别的研究主要针对具有强约束条件的人脸图像(如无背景或背景简单的图像)，往往假设人脸位置已知或很容易获得。进入20世纪90年代以后，随着网络安全和电子商务等应用需要的剧增，人脸识别成为最有潜力的生物身份鉴别方式，出现了实际的人脸识别系统和商用产品，这种应用背景要求自动识别系统能够对一般环境图像具有一定的适应能力，由此所面临的问题使得人们对人脸检测的各个重要方面引起了极大的研究兴趣，从而成为一个专门的研究方向。

目前国外对人脸检测问题的研究很多，比较著名的有美国麻省理工大学(MIT)的媒体实验室和人工智能实验室、卡内基梅隆大学(CMU)的机器人研究所、Illinois大学的Beckman研究所；国内的清华大学、北京工业大学、南京理工大学、四川大学、上海交通大学、中国科学院计算技术研究所和中国科学院自动化研究所。MPEG7标准组织已经建立了人脸检测算法草案小。

关于人脸检测研究的文章如IEEE的FG(IEEE International Conference onAutomatic Face and Gesture Recognition)、CVPR(IEEE Computer SocietyConference on Computer Vision and Pattern Recognition)、ICPI(IEEEInternational Conference on Image Processing)、ICPR(IEEE InternationalConference on Pattern Recognition).

目前人脸检测的方法有基于特征的人脸检测方法即主要是利用人脸的明显特征，如几何特征、肤色、纹理等，将人脸的图像视为一个高维向量，从而将人脸检测的问题转化为高维空间中分布信号的检测问题，人脸特征主要包括人脸轮廓特征、灰度分布特征、器官特征、模板特征、纹理特征、颜色特征，然后利用特征搜索算法完成人脸检测。

基于图像的人脸检测方法基本思想是把人脸检测的问题视为一个广义的模式识别问题，从而通过训练过程将样本分为人脸和非人脸两类。这类方法主要包括线性子空间方法、神经网络方法和其他统计方法。

基于活动轮廓型的单人脸检测方法，活动轮廓模型是求解曲线进化的一种重要的数学工具，它是定义在图像域上的曲线或曲面，相对于刚性模型而言，活动轮廓模型能使自己发生变形以匹配到显著的图像特征，通过保持模型的平滑，以及综合其他诸如目标形状等先验信息，活动轮廓模型主要分为参数活动轮廓模型和几何活动轮廓模型两种。

目前国内外生产的人脸检测的产品主要作为人脸识别系统一个重要组成一个部分，国外的主要有：德国Cognitec Systems公司的Face VACS人脸识别系统，德国HumanScan公司的BioID身份识别系统，美国Identix公司的FaceIt人脸识别系统，加拿大Imagis公司的ID-2000面部识别软件，美国Viisage公司的FaceTools人脸识别系统，国内的主要有：上海银晨智能识别科技有限公司开发的人脸检测音视频压缩卡，广州超越公司的BioFace系统。

以上叙述的人脸侧方法及产品均主要依赖PC机无法实现自主人脸检测，这很大程度上限制了人脸检测的应用前景。因此基于DSP的人脸检测方法可以克服上述的缺点，自主实现人脸检测。

而且，目前公知的人脸检测技术的研究多依赖于PC机，这就造成人脸检测技术不能方便、快捷的应用到其他领域，而且一般的检测方法只使用单一的肤色或者边缘特征，误检率比较高，检测精度也有限。本发明可以完全脱离PC机自主实现人脸检测即基于DSP建立人脸检测系统，且检测精度高。

目前，在国内没有查到基于DSP的人脸检测方法的专利。

发明内容