[发明专利]一种婴幼儿视力自动检测方法

权利要求书

1.一种婴幼儿视力自动检测方法，其特征在于：包括以下步骤：

S1.同步记录出示Teller视力卡的视频图像及被检测者的视频图像；

S2.通过出示Teller视力卡的视频图像确定视力卡展示窗口位置及相应的视力卡展示时段，并从被检测者的视频图像中提取与视力卡展示时段相应的片段进行步骤S3~S8的操作；

S3. 使用 AdaBoost 算法训练出对人脸识别效果最优的强分类器；

S4.将强分类器进行级联，得到筛选式级联分类器；

S5.对步骤S2提取的片段进行分解，得到视频帧的集合，然后对集合中的每一帧视频帧进行步骤S6~S7的操作：

S6.使用筛选式级联分类器对视频帧进行检测，确定其人脸区域；

S7.通过SURF算法确定人脸区域中的兴趣点位置，然后根据兴趣点邻域的Haar小波响应来确定SURF描述子；

S8.对视频帧集合中任意相邻的两帧图像的SURF描述子计算其相似度，若计算的相似度大于所设定的阈值，则匹配成功，婴幼儿的眼睛发生了移动；此时通过视力卡对应的条栅级别即可确定婴幼儿的视力水平。

2.根据权利要求1所述的婴幼儿视力自动检测方法，其特征在于：所述步骤S3训练强分类器的具体过程如下：

S11.给定的训练样本集共包括N个样本，其中N个样本中包括X个人脸样本和Y个非人脸样本；设定训练的最大循环次数T；

S12.初始化各个训练样本的权重为1/N；

S13.第一轮迭代训练N个样本，得到第一个最优弱分类器；

S14.提高上一轮训练中被误判的样本的权重；

S15.将新的样本与上一轮训练中被误判的样本放在一起进行新一轮的训练；

S16.循环执行步骤S14、S15，T轮后得到T个最优弱分类器；

S17.以加权求和的方式组合T个最优弱分类器得到强分类器。

3.根据权利要求2所述的婴幼儿视力自动检测方法，其特征在于：所述人脸样本和非人脸样本使用Haar-like 特征来表征，并利用计算积分图的方法来加快特征数值的计算。