[发明专利]一种基于图像检测的在座状态系统

权利要求书

1.一种基于图像检测的在座状态系统，其特征在于：主要包括：

步骤(1)分类器训练：

所述分类器训练的操作流程：建立一个含有大量图片的样本库，样本库中的图片分为：包含人脸特征和不包含人脸特征，然后从样本库采用中将人脸和非人脸的haar-like特征提取出来，作为分类器训练过程的输入，Adaboost算法训练出一个级联强分类器，该级联强分类器用来判断目标是否为人脸；

步骤(2)人脸检测：

所述人脸检测操作流程：如果待检测的目标是视频，则提取一帧来进行图片的预处理；如果要检测的目标是图片，直接进行图片的预处理阶段，加载之前工作中训练得到的级联强分类器，检测截取出的图像，如果级联强分类器使目标通过，则表示人脸被检测出，与该人脸相关的信息会被储存起来并且将其标记，如果目标没有通过级联强分类器就表示没有检测到人脸，然后移动剪裁窗口并反复之前检测的工作，直到测试目标的所有像素点都被扫描，则此次人脸检测的过程便结束了，将最后的图像输出，图像中所有被检测到的人脸都会被一个人脸框标记出来。

2.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：在步骤(1)中，样本库的建立包括：正样本，所有的图片都要包含人脸的特征；负样本，所有的图片都不能包含人脸的特征。

3.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：步骤(1)中haar-like特征提取是基于灰度图，先是通过大量具有比较明显的haar特征的物体图像采用模式识别的方法来训练出分类器，分类器是级联的，每级都用相同的识别率保留进入下一级里具有物体特征的待选物体，每一级的子分类器是由许多haar特征构成的，其中包括：水平、竖直和倾斜，且每个特征都有着一个阈值和两个分支值，每级的子分类器都带一个总阈值。

4.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：所述Adaboost算法：对于某N个样本文件(x₁,y₁)，...，(x_n,y_n)，设定正样本(人脸样本)y_i＝1，设定负样本(非人脸样本)y_i＝-1；

初始化样本的权重；

定义训练的轮数为N，从第一轮到第N轮，分别做：

挑选出这一轮训练过程中的最优弱分类器，该弱分类器需使误差最小；更新权重；归一化权重；

获得、输出强分类器；

此外，将多个强分类器的组合得级联强分类器。

5.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：步骤(2)中，对于视频文件，需要从中提取出一帧图片，对于图片则直接开始处理，先使用cvCvtColor(,,CV_BGR2GRAY)函数将待检测图片转换为灰度图像，然后使用cvResize(,,CV_INTER_LINEAR)对图片进行双线性插值的缩放，再使用cvEqualizeHist(,)进行直方图均衡化，最后进行检测。

6.根据权利要求1所述基于图像检测的在座状态系统，其特征在于：步骤(2)中所述人脸检测采用的是基于检测窗口等比例放大法。