[发明专利]一种基于分层过滤的人脸检测方法

摘要

本发明提供一种基于分层过滤的人脸检测方法，传统的人脸检测方法不能够同时兼顾检测速度和准确率。本发明包括下列步骤：(1)利用图像金字塔生成不同尺度的特征值；(2)用双阈值FloatBoost训练Haar-like矩阵特征，生成一个低误检率且级数较小的强分类器，用于快速、精准地提取多尺度的人脸候选区域；(3)将LBP和LGP纹理特征进行融合；(4)用双阈值FloatBoost训练该融合特征，生成一个检测率高的级联分类器，用于准确地在多尺度候选区域中定位不同尺度的人脸；(5)显示不同尺度人脸的检测结果。本发明方法在提高检测率的同时，减少了目标区域的误检率，缩短了人脸检测的时间。

主权项

一种基于分层过滤的人脸检测方法，其特征在于包含如下步骤：步骤1：读取待检测图像，利用图像金字塔生成不同尺度的训练样本集；步骤2：提取不同尺度的haar‑like矩阵特征，在每一个尺度上，由双阈值FloatBoost来生成强分类器A；步骤3：通过不同尺度的强分类器A来快速而精确地提取原始图像中候选的多尺度人脸区域；步骤4：提取不同尺度的LBP和LGP纹理特征，在每一个尺度上，将两者进行融合，融合后的新特征为LBP和LGP特征总和，并由双阈值FloatBoost来训练生成强分类器B，强分类器B的形式为H(C)；步骤5：强分类器B在候选区域中精确定位人脸，并显示。