[发明专利]一种基于神经网络和积分图像的人脸定位方法

摘要

一种基于神经网络和积分图像的人脸定位方法，包括以下步骤：1.训练神经网络模型；2.使用训练好的模型对数字图像进行人脸/非人脸的分类以及人脸区域的坐标定位。本发明利用单个简单的神经网络和积分图像以及数字图像处理的技术实现了对数字图像中的人脸进行分类和定位。具有简单快速的特点，具有更好的鲁棒性，对训练样本的数量要求更小，使得训练工作成本更低，整体的实施成本也大大的降低，且对于多状态的人脸分类更具有优势。

主权项

1.一种基于神经网络和积分图像的人脸定位方法，其特征在于包括以下步骤：1.训练神经网络模型；2.使用训练好的模型对数字图像进行人脸/非人脸的分类以及人脸区域的坐标定位，步骤如下：1)定义最小能定位的人脸尺寸，即最小人脸，根据最小人脸以及图像金字塔的缩放比例为基础对原图像进行缩放，形成图像金字塔；2)定义滑窗的尺寸大小和步长，使用滑窗对图像金字塔中的所有图像进行扫描，将扫描到的矩阵输入至神经网络中，得到分类的预测值；3)对步骤2)中获得的预测值根据人脸置信度阈值进行筛选，选取满足预测值大于阈值的预测框，并根据图像金字塔的缩放比例还原成为原图中的框的尺寸；4)构建一张和原图一致大小的积分图像，具体做法是构建一个尺寸和原图一样的单通道图像矩阵，其中像素值全部为0.0；5)遍历得到的所有符合要求的预测框，预测框中包含该矩阵框在原图中的两个坐标点和预测的值，根据框的坐标信息将积分图像中相应的矩形框中的坐标点的像素值加上该框的预测值，其中每一点的像素值可以用下面的公式表示：其中R为预测框，m是预测框的总数量，Ri.x1,Ri.x2分别为预测框的左上角和右下角的横轴坐标，Ri.y1,Ri.y2分别为预测框的左上角和右下角的纵轴坐标，p为预测值；6)经过步骤5)之后得到的积分图像实际上为神经网络对原图进行人脸区域预测的概率分布图，定义该图像为积分图；7)通过积分图像，找出包含人脸区域最佳的坐标位置，设定一个最小的通过阈值，从积分图中筛选出所有像素值大于该阈值的坐标组成一个包围框，组成待确定的包围框的组合，每个包围框的分值为当前包围框的值的和，公式如下：8)使用更改后的非极大值抑制算法选取分值最大的一个包围框；9)根据步骤6)中的积分图特征，越接近人脸的区域得到的分值将会越高，选取一个阈值，寻求大于这个阈值的在步骤8)中的最优包围框中的连续像素包围框；10)获取步骤9)后的人脸框位置的坐标信息，即为定位人脸框的结果。