[发明专利]一种基于肤色分割和机器学习的多视角人脸检测方法

摘要

本发明公开了一种基于肤色分割和机器学习的多视角人脸检测方法，首先对原始彩色图像采用GrayWorld进行均衡处理，利用椭圆模型进行肤色检测；求取肤色连通区域最小包围矩形后适当扩大并对其进行灰度化和中值滤波处理；使用多视角人脸检测器进行多尺度的遍历搜索检测，最后对检测结果合并输出。多视角人脸检测器由5个视角对应的级联分类器并行构建而成，采用风险敏感型连续Adaboost算法训练分类器。本发明采用GrayWorld进行均衡化，有效消除彩色偏移，使用椭圆模型对肤色进行检测，减少了后续搜索范围从而加快了检测速度；利用风险敏感型连续Adaboost算法构建多视角人脸检测器，能更精确地刻画分类边界，对于人脸样本具有更好的分类效果；其在智能视频监控等方面有广泛的应用前景。

主权项

一种基于肤色分割和机器学习的多视角人脸检测方法，其特征在于，所述方法包括以下步骤：(1)对原始彩色图像进行光照补偿，使用Gray World进行均衡处理；(2)将均衡处理后的图像的像素从原有RGB色彩空间转换到YCbCr色彩空间，然后将像素从色度空间CbCr经过非线性变换到Cb′Cr′空间；将转换后的色度值Cb′和Cr′输入椭圆肤色模型进行计算，得到图像的肤色区域，对其求取最小包围矩形并对边界进行扩大；(3)对肤色所在的矩形区域进行灰度化处理，然后对处理后所得到的灰度图像进行中值滤波，作为人脸检测的候选区域；(4)对于每一个人脸候选区域利用多视角人脸检测器进行多尺度的搜索检测，多视角人脸检测器由各个视角的级联分类器并行构建而成，所述分类器采用风险敏感型连续Adaboost算法进行训练。