[发明专利]半监督在线学习人脸检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及一种模式识别领域中的半监督在线学习人脸检测方法。本发明首先手工标记出一幅具有多张人脸的图像中无遮挡的一张人脸作为学习正样本，然后通过在线学习方法来定位图像中其它具有相同姿态人脸的位置和所占的区域，可应用于人机交互，人脸识别与跟踪等。

背景技术

人脸检测是判断指定图像中所有人脸(如果存在)的位置和大小的过程，最初作为自动人脸识别系统的定位环节被提出来，近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值，已经成为人脸信息处理中的一项关键技术。

中国船舶重工业集团公司第七○九研究所提出的专利申请“复杂背景下彩色图像人脸的快速检测方法”(专利申请号200910063147.4，公开号CN101630363A)，公开了一种复杂背景下高分辨率彩色图像人脸的快速检测方法。该方法首先根据采集的大量肤色样本数据建立由RGB和YCbCr两种色彩空间约束组成的人脸肤色混合模型来确定肤色像素，并采用整体肤色像素比率快速跳过非人脸区域，以提高人脸候选区域的定位效率；然后使用改进的基于正向特征选择的人脸快速检测算法实现人脸候选区域的人脸初步判定；最后利用基于空间约束和几何约束的虚警抑制方法进一步降低误检率，从而完成人脸检测。该方法虽然能在很低虚警率情况下以很高的检测率实现图像中多个正面人脸的快速定位，但是仍然存在的不足是：该方法建立的人脸肤色混合模型需要大量的肤色样本，而获得这些样本需要拍摄大量的图像，再通过人工或机器标记的方法从图像中选择出合适的样本，这样会消耗较长时间和大量的资源。

上海交通大学提出的专利申请“特征简化的人脸检测方法”(专利申请号200910050445.X，公开号CN101546375A)公开了一种人脸检测方法。该方法实施步骤是：第一步，简化类Haar特征，首先对正、负样本用积分图计算每一个类Haar特征的灰度值，然后得到正、负样本灰度值累计直方图的峰值，由正、负样本累积直方图峰值的相对位置，来判断该特征对人脸和非人脸的区分能力，并决定是剔除还是保留该特征；第二步，对简化的类Haar特征进行训练，选出满足条件的最优弱分类器；第三步，利用训练得到的最优弱分类器，对人脸图片进行检测。该方法虽然在保证人脸检测的精度的同时，较好解决了AdaBoost法耗时的问题，但是仍然存在的不足是：该方法采用的AdaBoost法是一种离线分类器建立方法，不能在检测过程中根据检测结果进行更新以提高检测正确率，缺乏灵活性和适应性。

发明内容

本发明针对上述现有技术的不足，提出一种一幅有多张人脸的图像中半监督在线学习人脸检测方法，可以通过学习一幅有多张人脸图像中的一幅具有代表性姿态的人脸定位出该图像中的其他人脸，这样既不需要采集大量样本建立离线分类器，又能够通过在线学习不断提高人脸分类器检测的正确率。

实现本发明的具体思路是：采用半监督方式从一幅具有多张人脸的图像中手工标记出一张人脸作为正样本，对正样本进行特征提取，建立在线人脸分类器。由于缺乏样本，在线人脸分类器建立初期检测错误率较高，本发明采用一种负反馈的在线学习方式来逐步提高该分类器检测的正确率。在检测过程中，首先用建立的在线人脸分类器进行人脸检测，再将检测结果中相似度低于设定阈值的结果作为负样本对在线人脸分类器进行训练和更新，然后重新进行人脸检测，重复以上过程，不断提高在线分类器的正确率，直到其所有检测结果都与正样本相似度大于设定阈值。最后通过计算在线人脸分类器检测结果两两之间的相似度排除掉可能存在的非人脸图像，获得人脸检测结果。

为了实现上述目的，本发明方法包括如下步骤：

(1)获取待检测图像

1a)输入一幅具有多张人脸的图像；

1b)根据图像的色彩空间采用相应转换算法，将具有多张人脸的图转换为灰度图像；

1c)将转换后的灰度图像作为待检测图像。

(2)建立在线人脸分类器

2a)检测人员在待检测图像中手工标记出与需要检测的姿态相同的一张人脸作为正样本；

2b)对正样本提取矩形特征，采用on-line boosting方法建立在线人脸分类器。

(3)在线人脸检测

3a)将待检测图像连续缩小；

3b)穷举缩小后的图像中与正样本同样大小的子窗口；

3c)找出通过在线人脸分类器检测的子窗口，获得在线人脸检测结果。

(4)判定最差检测结果是否类似人脸