[发明专利]一种基于HOG和特征描述子的人脸检测与跟踪方法

权利要求书

1.一种基于HOG和特征描述子的人脸检测与跟踪方法，其特征在于，所述方法包括以下步骤：

步骤1 基于HOG特征的人脸检测，过程如下：

1.1)归一化伽马，使用伽马变换归一化图像，有效地降低图像局部的阴影和光照变化；

1.2)滑动窗口设置，分割图像为若干个滑动窗口block，block用于在整幅图像上滑动提取人脸HOG特征；

1.3)计算梯度，将block均匀分成4个单元，block之间采用重叠两个细胞单元的形式进行滑动，计算出图像的像素点(x,y)的水平方向和垂直方向的梯度，水平方向上的梯度Ix(x,y)为

I_x(x,y)＝I(x+1,y)-I(x-1,y) (1)

垂直方向上的梯度Iy(x,y)为

I_y(x,y)＝I(x,y+1)-I(x,y-1) (2)

得出像素点(x,y)的梯度幅值m(x,y)为

同样可得像素点(x,y)的梯度方向θ(x,y)为

累加计算获得空间细胞的梯度方向，将梯度方向均匀分成m个方向，如果梯度方向存在正负，则将360°均匀分成m个区间，否则将180°均匀分成m个区间，将相同单元上所有相同梯度方向的点梯度幅值进行基于权重的累加计算，得出该单元的梯度直方图HOG；

1.4)在重叠的细胞块内进行归一化对比，归一化每个block内的多个cell梯度直方图为一个直方图来表示当前block的HOG特征；

1.5)收集检测窗口上所有块的HOG，通过滑动block窗口完成整幅图像的HOG特征的提取；

1.6)输出HOG特征；

步骤2 基于特征描述子的人脸跟踪，过程如下：

2.1)利用ResNet获取特征描述子

采用ResNet模型提取人脸特征描述子，输入人脸图像及对应的关键点，返回一个128维的人脸特征描述子，在人脸特征描述子提取完成后，依次添加对应的人脸标识，便于跟踪结果的更新；

2.2)利用欧氏距离计算相似性度量

欧氏距离指两点在m维空间上的真实距离，2个n维向量A(x11,x12,…,x1n)和B(x21,x22,…,x2n)的欧氏距离为

2.3)利用人脸标识队列更新跟踪目标

分别计算得出两个人脸特征描述子的欧氏距离，选取最小的距离值后，用阈值评价两个描述子的相似程度，当距离值小于阈值即相似度较高，则认定两个人脸属于同一个人，跟踪结果更新；否则相似度较低，认定人脸属于他人，跟踪目标转移。

2.如权利要求1所述的一种基于HOG和特征描述子的人脸检测与跟踪方法，其特征在于，当认定检测的视频帧中人脸为存储的人脸时，将人脸标识对应的原特征描述子进行更新，由于视频帧的连贯性，人脸的姿态变化在检测的连续两帧中变化较小，采用检测的上一帧中相同人脸的特征描述子作为基准，能从最大程度上抑制人脸姿态变化产生的干扰；当新提取的特征描述子与当前存储的特征描述子相似度过低时，将新出现的人脸特征描述子替换原特征描述子并同时替换人脸标识。

3.如权利要求1或2所述的一种基于HOG和特征描述子的人脸检测与跟踪方法，其特征在于，基于时间顺序的长度为L的人脸标识队列，L为大于1的奇数，该队列中根据时间先后顺序，将每一帧中检测到的人脸标识放入队列末尾，根据队列的先入先出原则，当队列元素总数达到L，则移除开头的元素，队列中始终存储当前帧和前L－1帧的人脸标识，队列中数目最多的人脸标识则为连续帧中的人脸检测结果，只有在当前帧的人脸检测结果与连续帧的人脸检测结果相同时，原特征描述子才进行更新，能够较好地降低某一帧的误差影响。