一種圖像人臉檢測方法
【專利摘要】本發(fā)明涉及一種圖像人臉檢測方法，基于大量不同角度人臉二進制編碼樣本特征和RandomFern模式識別分類器，采用更加方便的訓(xùn)練方法，能夠有效適用于各種環(huán)境下的人臉檢測，克服了現(xiàn)有技術(shù)中檢測條件的局限性，并且大大提高了人臉檢測的精確度。
【專利說明】一種圖像人臉檢測方法

【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及一種圖像人臉檢測方法。

【背景技術(shù)】
[0002]在互聯(lián)網(wǎng)社會，網(wǎng)絡(luò)上存在大量的多媒體數(shù)據(jù)，圖像數(shù)據(jù)在網(wǎng)絡(luò)社會中鋪天蓋地，圖像存在大量的視覺信息，可以將信息反映給觀看人，而目前的數(shù)字圖像照片編碼形式全部是以紅綠藍像素組成，無法像計算機文本數(shù)據(jù)一樣，輕易地像直接讀取字符串匹配的形式來讀取照片上的物體(如人臉，車輛)，當(dāng)照片中有人臉的時候，必須要使用人眼和大腦去辨識，因此，市面上有專門針對圖片人臉檢測的產(chǎn)品。
[0003]雖然市面上已經(jīng)推出了一些人臉檢測產(chǎn)品，但是這些產(chǎn)品存在一定的不足，比如在人側(cè)臉的時候或者光照變化的時候，這些產(chǎn)品就無法得到很好的檢測效果。


【發(fā)明內(nèi)容】

[0004]針對上述技術(shù)問題，本發(fā)明所要解決的技術(shù)問題是提供一種基于大量不同角度人臉二進制編碼樣本特征和Random Fern模式識別分類器，能夠有效適用于各種環(huán)境下人臉檢測的圖像人臉檢測方法。
[0005]本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案:本發(fā)明設(shè)計了一種圖像人臉檢測方法，包括如下步驟:
[0006]步驟01.收集預(yù)設(shè)樣本數(shù)量的訓(xùn)練樣本圖像，包括非人臉樣本圖像和人臉樣本圖像，其中，人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)的各幅人臉樣本圖像；
[0007]步驟02.按預(yù)設(shè)模板尺寸設(shè)定人臉模板，并在該人臉模板上隨機生成預(yù)設(shè)數(shù)量的像素點對，包括水平像素點對和垂直像素點對，并將所有像素點對平均劃分成預(yù)設(shè)數(shù)量N個的像素點對組，NS 1，每組有M個像素點對，并對所有像素點對組設(shè)定序列；同時分別對每一個像素點對組中的像素點對設(shè)定序列，并針對每一個像素點對中的兩個像素點按照第一像素點、第二像素點設(shè)定先后順序序列；
[0008]步驟03.針對所有訓(xùn)練樣本圖像進行灰度處理，并進行尺寸縮放，保持與人臉模板尺寸相同；然后遍歷各幅訓(xùn)練樣本圖像，針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行如下處理:
[0009]若第一像素點亮度值>第二像素點亮度值，則定義該像素點對特征值為I ;
[0010]若第一像素點亮度值<第二像素點亮度值，則定義該像素點對特征值為O ;
[0011]由此，按照人臉模板中像素點對組中像素點對的序列，獲得各幅訓(xùn)練樣本圖像所分別對應(yīng)的N個二進制數(shù)值特征串，每個二進制數(shù)值特征串長度為M ；
[0012]步驟04.針對人臉模板中的各個像素點對組，根據(jù)一個像素點對對應(yīng)一個二進制數(shù)值和像素點對組中像素點對的序列，分別獲得各個像素點對組所對應(yīng)的所有二進制數(shù)值組合，并針對各個像素點對組中所對應(yīng)的各個二進制數(shù)值組合分別初始化一個Positive/Negative計數(shù)器，作為Random Fern模式識別分類器的計數(shù)器，初始化各個Positive/Negative計數(shù)器的初始值為O ;
[0013]步驟05.遍歷各幅訓(xùn)練樣本圖像，若判斷該幅訓(xùn)練樣本圖像為人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Positive計數(shù)器+1 ;若判斷該幅訓(xùn)練樣本圖像為非人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Negative計數(shù)器+1 ；
[0014]由以上過程，實現(xiàn)針對Random Fern模式識別分類器的訓(xùn)練；
[0015]步驟06.針對被檢測圖像進行灰度處理，獲得被檢測灰度圖像；然后將被檢測灰度圖像按預(yù)設(shè)各級縮放比例進行縮放，獲得各幅縮放檢測灰度圖像；
[0016]步驟07.分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的窗口在整幅縮放檢測灰度圖像上獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合；
[0017]步驟08.分別針對獲得的各幅縮放檢測灰度圖像中的人臉集合，按照縮放檢測灰度圖像的縮放比例，將人臉集合還原到步驟06中的檢測灰度圖像上，獲得初級人臉檢測圖像。
[0018]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟01中，所述人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)、上下預(yù)設(shè)傾角范圍內(nèi)的各幅人臉樣本圖像；
[0019]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟07中，分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的滑動窗口針對整幅縮放檢測灰度圖像沿水平方向和垂直方向滑動，針對縮放檢測灰度圖像獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合。
[0020]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟07中，分別針對各幅縮放檢測灰度圖像做如下操作:針對由縮放檢測灰度圖像獲得的各個子圖像，采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合的過程具體包括如下步驟:
[0021]步驟0701.根據(jù)步驟03的方法，獲得各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串；
[0022]步驟0702.遍歷各個子圖像，通過Random Fern模式識別分類器，分別計算出各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串的后驗概率，其中，計算子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率，N，具體包括如下步驟:
[0023]步驟070201.獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串在Random Fern模式識別分類器第i組統(tǒng)計表里Positive/Negative計數(shù)器的數(shù)值；
[0024]步驟070202.根據(jù)步驟070201中獲得的Positive/Negative計數(shù)器的數(shù)值，根據(jù)Prob = A/(A+B)計算獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率Prob，其中，A為Positive計數(shù)器的數(shù)值，B為Negative計數(shù)器的數(shù)值；
[0025]步驟0703.針對各個子圖像作如下操作:分別獲得子圖像所對應(yīng)N個二進制數(shù)值特征串的后驗概率的平均值，作為該子圖像的最終概率，并判斷該最終概率是否大于預(yù)設(shè)人臉閾值，是則認為該子圖像為人臉，否則為非人臉。
[0026]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟08之后還包括步驟09如下:
[0027]步驟09.針對所述初級人臉檢測圖像，通過層次聚類算法，對檢測出的人臉依據(jù)空間位置和相互重疊程度進行聚類，刪除重復(fù)的人臉圖像，獲得最終人臉檢測結(jié)果。
[0028]本發(fā)明所述一種圖像人臉檢測方法采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果:本發(fā)明設(shè)計的圖像人臉檢測方法，基于大量不同角度人臉二進制編碼樣本特征和Random Fern模式識別分類器，采用更加方便的訓(xùn)練方法，能夠有效適用于各種環(huán)境下的人臉檢測，克服了現(xiàn)有技術(shù)中檢測條件的局限性，并且大大提高了人臉檢測的精確度。

【專利附圖】

【附圖說明】
[0029]圖1是本發(fā)明設(shè)計圖像人臉檢測方法的流程示意圖。

【具體實施方式】
[0030]下面結(jié)合說明書附圖對本發(fā)明的【具體實施方式】作進一步詳細的說明。
[0031]如圖1所示，本發(fā)明設(shè)計一種圖像人臉檢測方法，具體包括如下步驟:
[0032]步驟01.收集預(yù)設(shè)樣本數(shù)量的訓(xùn)練樣本圖像，包括非人臉樣本圖像和人臉樣本圖像，其中，人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)、上下預(yù)設(shè)傾角范圍內(nèi)的各幅人臉樣本圖像；
[0033]步驟02.按預(yù)設(shè)模板尺寸設(shè)定人臉模板，并在該人臉模板上隨機生成預(yù)設(shè)數(shù)量的像素點對，包括水平像素點對和垂直像素點對，并將所有像素點對平均劃分成預(yù)設(shè)數(shù)量N個的像素點對組，NS 1，每組有M個像素點對，并對所有像素點對組設(shè)定序列；同時分別對每一個像素點對組中的像素點對設(shè)定序列，并針對每一個像素點對中的兩個像素點按照第一像素點、第二像素點設(shè)定先后順序序列；
[0034]步驟03.針對所有訓(xùn)練樣本圖像進行灰度處理，并進行尺寸縮放，保持與人臉模板尺寸相同；然后遍歷各幅訓(xùn)練樣本圖像，針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行如下處理:
[0035]若第一像素點亮度值>第二像素點亮度值，則定義該像素點對特征值為I ;
[0036]若第一像素點亮度值<第二像素點亮度值，則定義該像素點對特征值為O ;
[0037]由此，按照人臉模板中像素點對組中像素點對的序列，獲得各幅訓(xùn)練樣本圖像所分別對應(yīng)的N個二進制數(shù)值特征串，每個二進制數(shù)值特征串長度為M ；
[0038]這里針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行特征值的處理過程中，在實際應(yīng)用中，不僅可以按以上方式采用像素點的亮度值進行處理，同樣，還可以采用像素點的haar特征進行處理。
[0039]步驟04.針對人臉模板中的各個像素點對組，根據(jù)一個像素點對對應(yīng)一個二進制數(shù)值和像素點對組中像素點對的序列，分別獲得各個像素點對組所對應(yīng)的所有二進制數(shù)值組合，每個像素點對組所對應(yīng)的二進制數(shù)值組合總共有2M種組合，并針對各個像素點對組中所對應(yīng)的各個二進制數(shù)值組合分別初始化一個Positive/Negative計數(shù)器,作為RandomFern模式識別分類器的計數(shù)器,初始化各個Positive/Negative計數(shù)器的初始值為O ;
[0040]步驟05.遍歷各幅訓(xùn)練樣本圖像，若判斷該幅訓(xùn)練樣本圖像為人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Positive計數(shù)器+1 ;若判斷該幅訓(xùn)練樣本圖像為非人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Negative計數(shù)器+1 ；
[0041]由以上過程，實現(xiàn)針對Random Fern模式識別分類器的訓(xùn)練；
[0042]步驟06.針對被檢測圖像進行灰度處理，獲得被檢測灰度圖像；然后將被檢測灰度圖像按預(yù)設(shè)各級縮放比例進行縮放，獲得各幅縮放檢測灰度圖像；
[0043]步驟07.分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的滑動窗口針對整幅縮放檢測灰度圖像沿水平方向和垂直方向滑動，針對縮放檢測灰度圖像獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合，具體包括如下步驟:
[0044]步驟0701.根據(jù)步驟03的方法，獲得各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串；
[0045]步驟0702.遍歷各個子圖像，通過Random Fern模式識別分類器，分別計算出各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串的后驗概率，其中，計算子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率，N，具體包括如下步驟:
[0046]步驟070201.獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串在Random Fern模式識別分類器第i組統(tǒng)計表里Positive/Negative計數(shù)器的數(shù)值；
[0047]步驟070202.根據(jù)步驟070201中獲得的Positive/Negative計數(shù)器的數(shù)值，根據(jù)Prob = A/(A+B)計算獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率Prob，其中，A為Positive計數(shù)器的數(shù)值，B為Negative計數(shù)器的數(shù)值；
[0048]步驟0703.針對各個子圖像作如下操作:分別獲得子圖像所對應(yīng)N個二進制數(shù)值特征串的后驗概率的平均值，作為該子圖像的最終概率，并判斷該最終概率是否大于預(yù)設(shè)人臉閾值，是則認為該子圖像為人臉，否則為非人臉。
[0049]步驟08.分別針對獲得的各幅縮放檢測灰度圖像中的人臉集合，按照縮放檢測灰度圖像的縮放比例，將人臉集合還原到步驟06中的檢測灰度圖像上，獲得初級人臉檢測圖像。
[0050]步驟09.針對所述初級人臉檢測圖像，通過層次聚類算法，對檢測出的人臉依據(jù)空間位置和相互重疊程度進行聚類，刪除重復(fù)的人臉圖像，獲得最終人臉檢測結(jié)果。
[0051]本發(fā)明設(shè)計的圖像人臉檢測方法采用以上設(shè)計的技術(shù)方案，基于大量不同角度人臉二進制編碼樣本特征和Random Fern模式識別分類器，采用更加方便的訓(xùn)練方法，能夠有效適用于各種環(huán)境下的人臉檢測，克服了現(xiàn)有技術(shù)中檢測條件的局限性，并且大大提高了人臉檢測的精確度。
[0052]本發(fā)明設(shè)計的圖像人臉檢測方法在實際應(yīng)用過程中，如圖1所示，具體按如下步驟進行:
[0053]步驟01.收集預(yù)設(shè)樣本數(shù)量的訓(xùn)練樣本圖像，包括非人臉樣本圖像和人臉樣本圖像，其中，人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)、上下預(yù)設(shè)傾角范圍內(nèi)的各幅人臉樣本圖像；
[0054]步驟02.按預(yù)設(shè)模板尺寸25像素x25像素設(shè)定人臉模板，并在該人臉模板上隨機生成預(yù)設(shè)數(shù)量10萬個的像素點對，包括水平像素點對和垂直像素點對，并將所有像素點對平均劃分成預(yù)設(shè)數(shù)量1000個的像素點對組，則每一個像素點對組包括100個像素點對，并對所有像素點對組設(shè)定序列；同時分別對每一個像素點對組中的像素點對設(shè)定序列，并針對每一個像素點對中的兩個像素點按照第一像素點、第二像素點設(shè)定先后順序序列；
[0055]步驟03.針對所有訓(xùn)練樣本圖像進行灰度處理，并進行尺寸縮放，保持與人臉模板尺寸相同；然后遍歷各幅訓(xùn)練樣本圖像，針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行如下處理:
[0056]若第一像素點亮度值>第二像素點亮度值，則定義該像素點對特征值為I ;
[0057]若第一像素點亮度值<第二像素點亮度值，則定義該像素點對特征值為O ;
[0058]由此，按照人臉模板中像素點對組中像素點對的序列，獲得各幅訓(xùn)練樣本圖像所分別對應(yīng)的1000個二進制數(shù)值特征串，每個二進制數(shù)值特征串長度為100 ；
[0059]這里針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行特征值的處理過程中，在實際應(yīng)用中，不僅可以按以上方式采用像素點的亮度值進行處理，同樣，還可以采用像素點的haar特征進行處理。
[0060]步驟04.針對人臉模板中的各個像素點對組，根據(jù)一個像素點對對應(yīng)一個二進制數(shù)值和像素點對組中像素點對的序列，分別獲得各個像素點對組所對應(yīng)的所有二進制數(shù)值組合(例，若各個像素點對組所對應(yīng)的所有二進制數(shù)值為7位，則所有二進制數(shù)值組合為:0000000?1111111)，并針對各個像素點對組中所對應(yīng)的各個二進制數(shù)值組合分別初始化一個Positive/Negative計數(shù)器,作為Random Fern模式識別分類器的計數(shù)器,初始化各個Positive/Negative計數(shù)器的初始值為O ;
[0061]步驟05.遍歷各幅訓(xùn)練樣本圖像，若判斷該幅訓(xùn)練樣本圖像為人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Positive計數(shù)器+1 ;若判斷該幅訓(xùn)練樣本圖像為非人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Negative計數(shù)器+1 ；
[0062]由以上過程，實現(xiàn)針對Random Fern模式識別分類器的訓(xùn)練；
[0063]步驟06.針對被檢測圖像進行灰度處理，獲得被檢測灰度圖像；然后將被檢測灰度圖像按預(yù)設(shè)各級縮放比例0.4倍、0.6倍、0.8倍、I倍、1.2倍、1.4倍、1.6倍進行縮放，獲得7幅縮放檢測灰度圖像，其中，；
[0064]步驟07.分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的滑動窗口針對整幅縮放檢測灰度圖像沿水平方向和垂直方向滑動，針對縮放檢測灰度圖像獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合，具體包括如下步驟:
[0065]步驟0701.根據(jù)步驟03的方法，獲得各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串；
[0066]步驟0702.遍歷各個子圖像，通過Random Fern模式識別分類器，分別計算出各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串的后驗概率，其中，計算子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率，N，具體包括如下步驟:
[0067]步驟070201.獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串在Random Fern模式識別分類器第i組統(tǒng)計表里Positive/Negative計數(shù)器的數(shù)值；
[0068]步驟070202.根據(jù)步驟070201中獲得的Positive/Negative計數(shù)器的數(shù)值，根據(jù)Prob = A/(A+B)計算獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率Prob，其中，A為Positive計數(shù)器的數(shù)值，B為Negative計數(shù)器的數(shù)值；
[0069]步驟0703.針對各個子圖像作如下操作:分別獲得子圖像所對應(yīng)N個二進制數(shù)值特征串的后驗概率的平均值，作為該子圖像的最終概率，并判斷該最終概率是否大于預(yù)設(shè)人臉閾值0.65，是則認為該子圖像為人臉，否則為非人臉。
[0070]步驟08.由于在縮放檢測灰度圖像中上檢測到的人臉的坐標(biāo)系不同于步驟06中檢測灰度圖像尺寸的坐標(biāo)系，因此分別針對獲得的各幅縮放檢測灰度圖像中的人臉集合，按照縮放檢測灰度圖像的縮放比例，將人臉集合還原到步驟06中的檢測灰度圖像上，獲得初級人臉檢測圖像。
[0071]步驟09.由于Random Fern模式識別分類器在步驟06中檢測灰度圖像上人臉的周邊檢出很多人臉(例如:人臉位置的±10像素內(nèi)，都會被判斷為人臉)，因此針對所述初級人臉檢測圖像，通過層次聚類算法，對檢測出的人臉依據(jù)空間位置和相互重疊程度進行聚類，刪除重復(fù)的人臉圖像，獲得最終人臉檢測結(jié)果。
[0072]上面結(jié)合附圖對本發(fā)明的實施方式作了詳細說明，但是本發(fā)明并不限于上述實施方式，在本領(lǐng)域普通技術(shù)人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下做出各種變化。
【權(quán)利要求】
1.一種圖像人臉檢測方法，其特征在于，包括如下步驟: 步驟01.收集預(yù)設(shè)樣本數(shù)量的訓(xùn)練樣本圖像，包括非人臉樣本圖像和人臉樣本圖像，其中，人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)的各幅人臉樣本圖像；步驟02.按預(yù)設(shè)模板尺寸設(shè)定人臉模板，并在該人臉模板上隨機生成預(yù)設(shè)數(shù)量的像素點對，包括水平像素點對和垂直像素點對，并將所有像素點對平均劃分成預(yù)設(shè)數(shù)量N個的像素點對組，NS 1，每組有M個像素點對，并對所有像素點對組設(shè)定序列；同時分別對每一個像素點對組中的像素點對設(shè)定序列，并針對每一個像素點對中的兩個像素點按照第一像素點、第二像素點設(shè)定先后順序序列； 步驟03.針對所有訓(xùn)練樣本圖像進行灰度處理，并進行尺寸縮放，保持與人臉模板尺寸相同；然后遍歷各幅訓(xùn)練樣本圖像，針對各幅訓(xùn)練樣本圖像上與人臉模板中像素點對位置相對應(yīng)的像素點對進行如下處理: 若第一像素點亮度值>第二像素點亮度值，則定義該像素點對特征值為I ; 若第一像素點亮度值<第二像素點亮度值，則定義該像素點對特征值為O ; 由此，按照人臉模板中像素點對組中像素點對的序列，獲得各幅訓(xùn)練樣本圖像所分別對應(yīng)的N個二進制數(shù)值特征串，每個二進制數(shù)值特征串長度為M ； 步驟04.針對人臉模板中的各個像素點對組，根據(jù)一個像素點對對應(yīng)一個二進制數(shù)值和像素點對組中像素點對的序列，分別獲得各個像素點對組所對應(yīng)的所有二進制數(shù)值組合，并針對各個像素點對組中所對應(yīng)的各個二進制數(shù)值組合分別初始化一個Positive/Negative計數(shù)器，作為Random Fern模式識別分類器的計數(shù)器，初始化各個Positive/Negative計數(shù)器的初始值為O ;步驟05.遍歷各幅訓(xùn)練樣本圖像，若判斷該幅訓(xùn)練樣本圖像為人臉樣本圖像，則將Random Fern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Positive計數(shù)器+1 ;若判斷該幅訓(xùn)練樣本圖像為非人臉樣本圖像，則將RandomFern模式識別分類器上與該幅訓(xùn)練樣本圖像的N個二進制數(shù)值特征串相對應(yīng)的各個像素點對組中相應(yīng)二進制數(shù)值組合的Positive/Negative計數(shù)器中的Negative計數(shù)器+1 ； 由以上過程，實現(xiàn)針對Random Fern模式識別分類器的訓(xùn)練； 步驟06.針對被檢測圖像進行灰度處理，獲得被檢測灰度圖像；然后將被檢測灰度圖像按預(yù)設(shè)各級縮放比例進行縮放，獲得各幅縮放檢測灰度圖像； 步驟07.分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的窗口在整幅縮放檢測灰度圖像上獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的RandomFern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合； 步驟08.分別針對獲得的各幅縮放檢測灰度圖像中的人臉集合，按照縮放檢測灰度圖像的縮放比例，將人臉集合還原到步驟06中的檢測灰度圖像上，獲得初級人臉檢測圖像。
2.根據(jù)權(quán)利要求1所述一種圖像人臉檢測方法，其特征在于:所述步驟01中，所述人臉樣本圖像包括以人臉正面為中心左右旋轉(zhuǎn)±90°范圍內(nèi)、上下預(yù)設(shè)傾角范圍內(nèi)的各幅人臉樣本圖像。
3.根據(jù)權(quán)利要求1所述一種圖像人臉檢測方法，其特征在于:所述步驟07中，分別針對各幅縮放檢測灰度圖像做如下操作:采用與人臉模板尺寸相一致的滑動窗口針對整幅縮放檢測灰度圖像沿水平方向和垂直方向滑動，針對縮放檢測灰度圖像獲得各個子圖像，針對各個子圖像采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合。
4.根據(jù)權(quán)利要求1至3中任意一項所述一種圖像人臉檢測方法，其特征在于:所述步驟07中，分別針對各幅縮放檢測灰度圖像做如下操作:針對由縮放檢測灰度圖像獲得的各個子圖像，采用訓(xùn)練好的Random Fern模式識別分類器進行分類，獲得該幅縮放檢測灰度圖像中的人臉集合的過程具體包括如下步驟: 步驟0701.根據(jù)步驟03的方法，獲得各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串; 步驟0702.遍歷各個子圖像，通過Random Fern模式識別分類器，分別計算出各個子圖像所分別對應(yīng)的N個二進制數(shù)值特征串的后驗概率，其中，計算子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率，N，具體包括如下步驟: 步驟070201.獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串在Random Fern模式識別分類器第i組統(tǒng)計表里Positive/Negative計數(shù)器的數(shù)值； 步驟070202.根據(jù)步驟070201中獲得的Positive/Negative計數(shù)器的數(shù)值，根據(jù)Prob=A/(A+B)計算獲得該子圖像所對應(yīng)的第i個二進制數(shù)值特征串的后驗概率Prob，其中，A為Positive計數(shù)器的數(shù)值，B為Negative計數(shù)器的數(shù)值； 步驟0703.針對各個子圖像作如下操作:分別獲得子圖像所對應(yīng)N個二進制數(shù)值特征串的后驗概率的平均值，作為該子圖像的最終概率，并判斷該最終概率是否大于預(yù)設(shè)人臉閾值，是則認為該子圖像為人臉，否則為非人臉。
5.根據(jù)權(quán)利要求4所述一種圖像人臉檢測方法，其特征在于:所述步驟08之后還包括步驟09如下: 步驟09.針對所述初級人臉檢測圖像，通過層次聚類算法，對檢測出的人臉依據(jù)空間位置和相互重疊程度進行聚類，刪除重復(fù)的人臉圖像，獲得最終人臉檢測結(jié)果。
【文檔編號】G06K9/00GK104268536SQ201410536729
【公開日】2015年1月7日 申請日期:2014年10月11日 優(yōu)先權(quán)日:2014年10月11日
【發(fā)明者】王康 申請人:烽火通信科技股份有限公司