[发明专利]用于使用ADABOOST学习算法来检测面部特征点的位点的方法、设备和计算机可读记录介质

权利要求书

1. 一种通过使用Adaboost学习算法来检测面部特征点的位置的方法，所述方法包括：

（a）通过使用通过所述Adaboost学习算法而选择的第一特征模式将子窗口图像归类为第一特征点候选推荐图像和第一特征点候选非推荐图像，并且生成所述第一特征点候选推荐图像的第一特征点候选位置信息；以及

（b）通过使用通过所述Adaboost学习算法而选择的第二特征模式将归类为所述第一特征点候选非推荐图像的子窗口图像重新归类为第二特征点候选推荐图像和第二特征点候选非推荐图像，并且生成所述第二特征点候选推荐图像的第二特征点候选位置信息。

2. 如权利要求1所述的方法，其进一步包括：

（c）存储对于面部图像的子窗口图像的第一特征点候选位置信息和第二特征点候选位置信息的片段；以及

（d）通过根据所述第一特征点候选位置信息和所述第二特征点候选位置信息执行聚类而形成集群，并且生成形成集群之中最大集群的第一特征点候选位置信息和第二特征点候选位置信息的某一代表性位置的位置信息作为特征点位置信息。

3. 如权利要求1所述的方法，其中所述第一特征模式基于普通面部图像的特征而确定，并且所述第二特征模式基于不寻常面部图像的特征而确定。

4. 如权利要求3所述的方法，其中所述普通面部图像和所述不寻常面部图像通过将所述普通面部图像和所述不寻常面部图像与正常图像进行比较并且确定它是否超出预设阈值而确定。

5. 如权利要求1所述的方法，其中所述第一特征模式和所述第二特征模式中的每个指定所述子窗口图像内的一个或多个明亮区和一个或多个黑暗区。

6. 如权利要求5所述的方法，其中所述一个或多个明亮区和所述一个或多个黑暗区基于至少一个预设亮度值而归类。

7. 如权利要求1所述的方法，其中步骤（a）进一步包括：

通过将对所述第一特征模式中的每个所设置的第一阈值与第一值和第二值之间的差值中的每个进行比较而生成第一特征值，用于确定所述子窗口图像是所述第一特征点候选推荐图像还是所述第一特征点候选非推荐图像，第一值是通过对由相应第一特征模式的黑暗区所指定的子窗口图像内的像素值求和而获得，第二值是通过对由明亮区指定的子窗口图像内的像素值求和而获得；以及

通过将第二阈值与第一置信度值比较来确定所述子窗口图像是所述第一特征点候选推荐图像还是所述第一特征点候选非推荐图像，所述第一置信度值是通过使相应第一特征值乘以对相应第一特征值设置的加权因子而获得的值的总和。

8. 如权利要求7所述的方法，其中步骤（b）进一步包括：

通过将为所述第二特征模式中的每个所设置的第三阈值与第三值和第四值之间的差值中的每个进行比较而生成第二特征值，用于确定所述子窗口图像是所述第二特征点候选推荐图像还是所述第二特征点候选非推荐图像，第三值是通过对由相应第二特征模式的黑暗区指定的子窗口图像内的像素值求和而获得，第四值是通过对由明亮区指定的子窗口图像内的像素值求和而获得；以及

通过将第四阈值与第二置信度值进行比较来确定所述子窗口图像是所述第二特征点候选推荐图像还是所述第二特征点候选非推荐图像，所述第二置信度值是通过使相应第二特征值乘以对相应第二特征值所设置的加权因子而获得的值的总和。

9. 如权利要求1所述的方法，其中在步骤（a）中，与后面的级中的强分类器相比，用于生成所述第一特征点候选位置信息的一个或多个强分类器之中的前面的级中的强分类器使用较小数量的第一特征模式将所述子窗口图像归类为第一特征点候选推荐图像和第一特征点候选非推荐图像。

10. 如权利要求9所述的方法，其中在步骤（b）中，与后面的级中的强分类器相比，用于生成所述第二特征点候选位置信息的一个或多个强分类器之中的前面的级中的强分类器使用较小数量的第二特征模式将所述子窗口图像归类为第二特征点候选推荐图像和第二特征点候选非推荐图像。

11. 如权利要求1所述的方法，其进一步包括：（c）对于面部图像的子窗口图像的第一特征点候选推荐图像和第二特征点候选推荐图像，存储第一特征点候选位置信息、对于所述第一特征点候选位置信息的第一置信度值、第二特征点候选位置信息和对于所述第二特征点候选位置信息的第二置信度值。