[发明专利]人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路

说明书

本发明提供一种人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路。所述人脸过滤方法包括：获取待检测图片；利用人脸检测器对所述待检测图片进行检测，得到检测结果；当检测结果表示所述待检测图片为人脸图片时，利用训练好的随机蕨分类器对所述待检测图片进行分类；确定所述待检测图片的类别。本发明能利用随机蕨分类器对人脸检测器的检测结果进行分类，并且结合嵌入式设备的特性，在保证高召回率的前提下，减少人脸检测结果中人脸误检的数量。

技术领域

本发明涉及人脸检测技术领域，尤其涉及一种人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路。

背景技术

人脸检测器用于从任意类型的传感器所产生的信号中标识出人脸所在的位置，一般使用矩形或者椭圆作为标记。现有技术方案中，主要包括以下3种方式的人脸检测方案：

(1)基于传统算法的人脸检测方案。

基于传统算法的人脸检测方案一般使用传统手工设计的特征进行人脸描述，如Haar特征，方向梯度直方图(Histogram of Oriented Gradient，HOG)特征，局部二值模式(Local Binary Patterns，LBP)特征，GABOR函数，像素差(Pixel Difference，PD)特征，归一化的像素差异(Normalized PixelDifference，NPD)特征等等，再使用Boosting算法进行分类，如AdaBoost算法，RealBoost算法，GentleBoost算法等等。由于传统手工设计特征的表达能力有限，因此，基于传统算法的人脸检测方案也逐渐被替代。

(2)先使用传统算法产生候选区域，再使用深度学习算法进行二次验证。

方案(2)先使用方案(1)中的方法进行区域判断，再训练一个通用的神经网络模型对方案(1)产生的候选区域进行二次判断。

(3)基于纯深度学习的人脸检测方案。

上述三种方案虽然可以进行人脸检测，但是无法在高召回率的前提下保证人脸检测的精度，并减少误检数量。

另外，在将上述人脸检测方案应用于嵌入式设备时，由于嵌入式设备的计算能力有限，因此经常出现误检现象，更加无法在高召回率的情况下达到较高的检测精度。

发明内容

鉴于以上内容，有必要提供一种人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路，能利用随机蕨分类器对人脸检测器的检测结果进行分类，并且结合嵌入式设备的特性，在保证高召回率的前提下，减少人脸检测结果中人脸误检的数量。

一种人脸过滤方法，所述方法包括：

获取待检测图片；

利用人脸检测器对所述待检测图片进行检测，得到检测结果；

当检测结果表示所述待检测图片为人脸图片时，利用训练好的随机蕨分类器对所述待检测图片进行分类；

确定所述待检测图片的类别。

根据本发明优选实施例，当通过利用所述训练好的随机蕨分类器对所述待检测图片进行分类时，所述方法还包括：

从待检测图片中提取差分特征；

将所述待检测图片的差分特征输入至所述训练好的随机蕨分类器中，计算所述待检测图片属于所述训练好的随机蕨分类器中多个类别的概率；

筛选出概率最大的类别作为所述待检测图片的类别。

根据本发明优选实施例，在所述从待检测图片中提取差分特征时，所述方法包括：

获取嵌入式设备的性能参数；

根据所述嵌入式设备的性能参数，确定所述待检测图片中用于计算差分特征的像素组数。