[发明专利]一种基于改进多核学习框架的近红外人脸检测方法

摘要

本发明公开了一种基于改进多核学习框架的近红外人脸检测方法，涉及到智能监控、计算机视觉领域。在传统的多核学习(Multiple Kernel Learning,MKL)框架中融入元启发式优化算法来组合内核函数。在既不要求目标函数变化也不需要其梯度估计的情况下，对用于构造基本内核的参数和用于构造复合内核的内核权重这两组参数进行联合优化。经实验研究表明，本发明提出的方法在近红外人脸检测中具有高有效性。为在当前MKL研究中如何确定核函数以及核函数对应的权重系数提供了一种指导并且对人脸检测方法进行了补充。

主权项

1.一种基于改进多核学习框架的近红外人脸检测方法，其特征包括如下步骤：A.使用正负样本训练模型；S10：采用近红外光下的人脸数据集作为训练样本，对训练样本进行归一化处理，然后提取人脸特征；S11：初始化粒子群优化算法的参数，随机生成初始种群并且初始化粒子的初始速度与初始位置；S12：计算每个粒子的适应值，即核权重系数，用每个粒子的核参数构造基核，然后将基核按权重组合成合成核，求出单个粒子所经历过的最优位置与整个种群所经历过的最优位置；S13：更新每个粒子的速度与位置，判断是否超出范围，超出则重新确定粒子速度与位置；S14：对终止条件进行判断，不满足终止条件，则跳到步骤S12执行，若满足则迭代结束，找到最优解，即找到核参数与核权重；S15：使用最优解构造最终基核与合成核，并用最终的合成核训练分类器，得到最终分类模型；B.读入监控画面，获取包含人脸信息的图片；C.对获取的图片进行预处理；D.对输入的图片进行人脸检测；E.将检测到的人脸标记输出到监控画面。