[发明专利]一种联合人脸检测、定位和识别的方法

说明书

技术领域

本发明涉及人脸识别领域，特别涉及一种联合人脸检测、定位和识别的方法。

背景技术

脸识别技术是计算机视觉和机器学习领域中一个重要的研究课题，在信息安全、人机交互、图像检索等方面有着广阔的应用前景。人脸识别技术可以用来创建友好自然的人机交互方式，使得人与计算机之间的交流更加轻松自然。

目前的人脸识别技术主要分为三部分：人脸检测，人脸定位，人脸识别三大部分。但是由于人脸检测、人脸定位、人脸识别各自的功能不一样，人脸检测主要是提取特征进行人脸非人脸的分类，侧重于分类器的训练，人脸定位主要是提取特征来获取人脸的形状特征，人脸识别主要是提取特征来进行人脸识别。由于各自的功能定位不一样导致不同导致提取的特征不一样，不易统一，因而目前的主要研究主要是对人脸检测，人脸定位，人脸识别三个部分分离开来进行研究，即对每个部分都要训练一个模型，这样一方面会导致三者之间参数的调节不协调，另一方面三个模型分开训练，会加大模型的训练时间，同时三个模型用于人脸识别也会使人脸识别整个过程模型大小变得更大，此外三个模型的分别加载会影响识别的效率。这些都影响了人脸识别的效率和准确率，因而需要一种新方法来将人脸检测，人脸定位，人脸识别三个过程统一，来缩短整个识别过程的训练时间，来进一步提高人脸识别的效率和准确率。

发明内容

本发明要解决的技术问题是：提供一种联合人脸检测、定位和识别的方法，将人脸检测、人脸定位、人脸识别统一起来用一个模型来完成三部分操作，提高人脸识别的效率和准确率。

为解决上述问题，本发明采用的技术方案是：借助随机森林的每棵分类回归树，利用数学判定方法来对树的叶子节点进行分类和回归的功能界定，实现随机森林在训练的过程中同时进行人脸检测和人脸定位的功能训练；再利用多层回归器对特征优化，以及核函数对获取的特征进行线性化映射处理，获取最佳的人脸识别信息；最终通过随机森林的编码的方法将人脸检测、人脸定位、人脸识别的信息进行保存，即获取人脸识别的最终模型。

本发明的具体步骤包括：

步骤a：有放回从训练样本中选取根节点。

步骤b：判断当前节点是否达到终止条件，如果当前节点达到终止条件，则设置当前节点为叶子节点，进入步骤c；如果当前节点没有达到终止条件，则进行根节点训练，并返回步骤a。

步骤c：对叶子节点进行分类和回归的功能界定。利用随机森林方法来实现检测和定位的联合，随机森林有很多分类回归树组成，通过一定的数学判定方法对每个分类回归树的节点进行检测和定位的功能划分，分类回归树在距离根节点比较近的几层偏重于分类，在接近叶子节点的几层偏重于回归，分类的目的主要用于实现人脸检测的分类器，回归的目的主要是回归人脸特征形状，实现人脸定位，最终通过随机森林方法实现人脸检测和人脸定位的功能联合实现同步训练。

对于界定为分类的叶子节点，首先获取各叶子节点的特征和阈值，然后获取各叶子节点的特征和阈值的权值向量，然后进行分类，对错误的分类样本分配更大的权值，正确的分类样本赋予更小的权值，每次更新后用相同的弱分类算法产生新的分类假设序列，构成多分类器，然后用加权的方法进行级联，得到最终的人脸分类器特征。

对于界定为回归的叶子节点，首先获取叶子节点的人脸形状特征，然后利用多层回归器对人脸形状特征进行优化，最后运用核函数对人脸形状特征进行线性化映射处理。多层回归器的分层结构特点、迭代计算优势，能够有效的降低计算复杂度。上一层回归器处理较大的人脸变化保证鲁棒性，本层回归器在在上一层回归器训练基础上，处理细微的人脸变化保证精度。训练本层回归器时，其相应的上一层回归器的特征必须保持不变，加快训练速度，加强回归器的稳定性。

步骤d：将获取的人脸分类器特征以及经过核函数处理后的人脸形状特征，通过随机森林编码进行综合，生成人脸识别模型。整个过程分类、回归、识别的特征信息都是采用采用随机森林的编码方式进行，便于对整个过程数据信息的设置、修改和保存，建立了人脸检测、人脸定位、人脸识别特征的统一关系，最终生成的模型中包括人脸检测、人脸定位、人脸识别所需要的全部特征信息。

进一步的，根节点进行训练方法包括：无放回的随机选取特征，利用选取的特征寻找分类效果最好的一维特征及其阈值，分别记为K、Th，如果当前节点上样本第K维特征小于Th的样本，则被划到右节点，否则划为左节点。