[发明专利]一种基于结构化模型的人脸检测方法

摘要

本发明公开了一种基于结构化模型的人脸检测方法，其包括如下步骤：训练结构化的人脸检测模型，其中包括全局人脸，部件，以及部件与全局人脸之间的空间关系模型，在该模型中，每个部件都有相应的子类别，并且每个部件都可以进行相应的移动来根据样本进行自适应的调整；同时，使用基于短语模型的身体检测器进行身体的检测，并利用身体的检测器来估计人脸的位置；最后训练一个上下文模型来融合上述两者的检测，得到最终的检测结果。本发明能够提高人脸检测精度，具有对遮挡，形变，姿态，光照等复杂变化下的鲁棒性，本发明检测精度高，适应范围广。

主权项

1.一种基于结构化模型的人脸检测方法，其特征在于，该方法包括以下步骤： 步骤1，对于图像数据库，手工标定含有人脸和不含有人脸的图像作为训练样本，含有人脸的图像为正样本{I_a，H_a}，不含有人脸的图像为负样本{I_b}，其中，H_a为训练正样本I_a中人工标定出的人脸配置； 步骤2，对所述正样本中的各个部件按照其表象特征进行聚类，得到人脸各个部件的若干子类，所述人脸所在的位置，人脸各个部件所在的位置及各个部件的子类组成一人脸配置H，其中，H＝{h₀，h₁，h₂，...，h_N}，h₀为人脸所在的位置；h_i＝{l_i，t_i}为人脸第i个部件所在的位置，l_i表示第i个部件所在的位置坐标，其包含该部件的左上角坐标(x_i，y_i)，高度和宽度；t_i为第i个部件所属子类的标签，N为部件的个数； 步骤3，建立融合了人脸全局和部件的表象特征，以及全局与部件之间的空间关系的结构化人脸检测模型步骤4，利用结构化支持向量机的参数学习方法在所述步骤1手工标定的训练样本集上学习得到所述结构化人脸检测模型的最优参数，从而得到最优结构化人脸检测模型； 步骤5，输入待检测图像I，根据所述最优结构化人脸检测模型，利用能量目标函数来寻找所述待检测图像中最优的人脸配置H^*； 步骤6，对于所述数据库中的每一幅图像，通过手工标定得到带有人脸位置和身体关节点的训练样本，用于产生描述身体的短语； 步骤7，根据所述短语对应的训练样本，利用常用的形变部件模型训练基于短语的身体检测器，其中，每个短语对应一个身体检测器； 步骤8，将所述待检测图像与上述训练得到的每一个基于短语的身体检测器进行匹配，得到检测到的短语位置及其相应的匹配分数； 步骤9，基于上述得到的身体检测器的检测结果估计人脸位置； 步骤10，利用结构化的身体上下文模型融合每个身体检测器检测得到的身体位置与所述最优结构化人脸检测模型检测得到的人脸位置，得到最终的检测结果。