[发明专利]一种快速级联式无约束人脸检测方法

说明书

技术领域

本发明属于计算机视觉领域，尤其涉及一种快速级联式无约束人脸检测方法。

背景技术

随着计算机视觉的发展，人脸识别成为最有潜力的生物身份验证手段，人脸检测是人脸识别中的第一个环节，是一项关键技术。在大力发展人工智能的今天，人脸检测技术也取得了很大的进步。虽然如此，但在实际应用中，由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，这些困难都为解决人脸问题造成了难度，人脸检测的正确率还是难以得到保证，因此，研究一种能够对多视角快速人脸检测的方法存在很大应用价值。

现有的人脸检测研究主要针对具有较强约束条件的人脸图象，在处理多姿态人脸问题时遇到很大困难。

发明内容

本发明的目的是，提供一种快速级联式无约束人脸检测方法，对多姿态人脸进行检测，最小能检测到20X20大小的人脸，具有能满足精度的同时，又能达到很好的实时性。

为了实现上述目的，本发明采取了如下的技术方案：

一种快速级联式无约束人脸检测方法，包括以下步骤：

步骤1：获取人脸图像，将所述人脸图像划分为20*20的小窗口；

步骤2：快速LAB级联分类器人脸检测

步骤2-1：提取所述小窗口的LAB特征；

步骤2-2：将所述LAB特征输入到6个并联的二值分类器中，从不同视角对输入图像进行判别，当且仅当所有的二值分类器都都判定该窗口不含人脸时丢弃，否则留下该窗口；

步骤3：精细的级联MLP分类器进行人脸检测

步骤3-1：对二值分类器留下的窗口进行预处理，提取待检测人脸窗口的SURF特征；

步骤3-2：将SURF特征分别输入到3个已经训练好的并联的MLP分类器中；

步骤3-3：3个MLP分别从左侧脸、正脸、有右侧脸3个视角对待测人脸进行判定，当且仅当3个MLP人脸检测分类器都判定没有人脸时舍去；

步骤4：执行完步骤3之后，将留下的窗口用20x20的矩形窗口进行标记。

作为优选，步骤3是利用MLP网络训练一个图片二分类器，该分类器分别针对3个视角下的人脸姿态可以将输入图片分类为人脸或者非人脸，每个视角的MLP网络需要用相应的样本提前训练好。

本发明的有益效果是：

本发明通过可行的技术方案，具有以下几点有益效果：

1、本发明采用级联式结构，精度由粗到细，在具有很好的实时性的同时兼顾准确率；

2、本发明最小能识别20x20像素大小的人脸，对于侧脸角度为0～60度的姿态人脸有很好的检测效果。

附图说明

图1本发明快速级联式无约束人脸检测方法的流程示意图。

具体实施方式

如图1所示，本发明提供一种快速级联式无约束人脸检测方法包括以下步骤：

步骤1：获取一幅640x480像素大小的.GIF格式的图像，把这幅图像划分为20*20的小窗口。

步骤2：快速LAB级联分类器人脸检测；

步骤2-1：提取这些小窗口的LAB特征。

步骤2-2：把这些LAB特征输入到6个并联的二值分类器中，进行判断。这六个分类器分别从不同视角对输入图像进行判别，当且仅当所有的二值分类器都都判定该窗口不含人脸时丢弃，否则留下该窗口。

这6个并行分类器分别用相应的视觉的人脸数据去训练，例如第一个分类器用0～30度的人脸和非人脸数据去训练，第二个用30～60度和非人脸人脸数据去训练，以此类推分别训练相应视角分类器(定义从左到右为0～180度，正脸为90度)。学习出一个分类器之后，再用这几个分类器去测试训练集，把误判的数据收集起来，和前面的非人脸数据混合起来，再训练。最后得出理想的分类器。

该方法中提出的LAB特征，融合了LBP特征中的二值编码模式和Haar-like特征中的矩形区域亮度和特征，对于区域亮度模式很强的人脸模式表示能力很强，而且，易于定点化。

步骤3：精细的级联MLP分类器进行人脸检测，3个MLP分别从左侧脸、正脸、有右侧脸3个视角对待测人脸进行判定，当且仅当3个MLP人脸检测分类器都判定没有人脸时舍去。本方法用到的每个MLP有两个隐层，第一个隐层设置300个节点，第二个隐层设置100个节点，激励函数用的是Relu，最后输出两个节点，是人脸或者不是。以检测正脸的MLP分类器为例：

(1)对二值分类器留下的窗口进行预处理，提取待检测人脸窗口的SURF特征；

(2)将SURF特征分别输入到已经训练好的并联的MLP分类器中；