[发明专利]基于局部描述子的人脸快速检测方法

说明书

技术领域

本发明涉及计算机视觉与模式识别领域，具体地涉及基于局部描述子的人脸快速检测方法。

背景技术

基于图像与视频的人脸分析是近年来计算机视觉与模式识别领域中的研究热点之一，因为它有广泛的前景，比如：生物特征认证、信息安全、人机交互、以及视觉监控等等。人脸检测是一个自动人脸分析系统中的关键步骤之一，其目的就是从摄像机捕捉来的图像中找到人脸及其存在的位置，为进一步分析作初始准备。因此人脸检测的效果直接影响人脸分析系统的性能。近年来，人们已提出了大量的人脸检测方法。大体上可分两大类：一、早期的方法是利用肤色特征，以及结合简单的几何特征。它的缺点是对和肤色相近的背景很不鲁棒，另外，几何特征的抽取对光照等环境因素很敏感。二、基于统计学习的方法。利用统计学习的方法找到人脸模式和非人脸模式的差别。由于它具有良好的性能，现已成为人脸检测的主流方法。

目前，正常光照下的人脸检测问题已经比较成熟，但是在光照条件较差的情况下，大多数算法的检测效果会急剧下降。如果能够提出光照不变的人脸表示特征，将会对不同光照条件下的人脸检测有很大帮助。另外，人脸检测的效率，实现的简便程度，可移植性都是需要考虑的问题。

图像检测是一个自动图像分析系统中的关键步骤之一。它的目的就是从摄像机捕捉来的图像中找到图像及其存在的位置，为进一步分析作初始准备。因此，图像检测的效果直接影响图像分析系统的性能。

发明内容

为了解决上述技术的不足，本发明的目的在于在摄像机捕捉来的图像中快速找到人脸其存在的位置，为此，本发明将要为自动图像分析系统提供一种检测效果真实、基于局部描述子的人脸快速检测方法。

根据本发明的方案，提出了基于局部描述子的图像快速检测方法，包括以下步骤：

提取灰度图像步骤：基于获得的图像，将图像变成灰度图像；

生成描述子步骤：基于局部区域进行二进制编码，生成具有描述人脸特征的二进制编码描述子；

生成人脸检测子步骤：基于训练样本进行学习，生成基于二进制特征描述的人脸检测子；

检测灰度图像步骤：基于人脸检测子检测灰度图像，在灰度图像中获得人脸的位置及尺度大小；

人脸整合步骤：基于同一位置附近的多个检测结果，进行人脸整合，获得最终的人脸检测结果。

本发明提出的方法是用来表征图像的特征和检测图像的算法。是基于灰度图像的正面检测方法，为了进一步提高图像检测算法的效率，我们还采用了层次结构来加速运算，给定训练数据，采用统计学习的方法学习获得层次结构中需要的特征数目和参数，解决了Voila方法中训练耗时的缺点。

本发明中提出的一种基于二进制局部描述子特征的图像检测算法，它的出发点就是用人脸的局部区域特征来描述人脸，然后采用AdaBoost算法将各个局部区域有机的结合起来综合判断是否人脸。称之为改进的局部二进制模式(Improved Local Binary Patterns-ILBP)，提取这种特征的优点在于：

(1)本发明基于二进制局部特征的方法，将图像的不同局部区域编码变成多个二进制数，这种表征方法本质上对光照变化和局部遮挡具有一定的鲁棒性，由于本发明提出的这种方法具有一定的光照鲁棒性的特征，对光照不敏感，因此，本发明不需要进行其它光照校正处理，对光照条件较差的图像检测，也能获得较好的效果。它计算简便，可实现性好，因此可以很方便的应用到个人计算机以及移植到嵌入式系统中去。

(2)使用基于二进制特征的局部描述子进行图像检测算法，在检测过程中，为了获得不同尺度和位置的图像区域，需要对不同尺度的图像进行检测。采用AdaBoost算法是为了从众多二进制特征中抽取对分类有益的特征子集，去掉大量不必要的冗余。实验结果证明了本发明提出的方法具有良好的效果。二进制特征具有尺度不便特性，因此本发明仅仅需要对二进制进行缩放，并且缩放二进制特征并没有引入新的计算代价，这样也提高了图像检测算法的效率。它在光照条件较差的情况下仍然可以获得较好的检测效果，由于它实现方便，计算简单，迅速，能够以很小的计算代价获得很好的检测性能，因此完全可以进行满足实时图像检测系统的要求。

本发明基于图像与视频的分析被应用于计算机视觉与模式识别领域，它可广泛用于，比如：生物特征认证、信息安全、人机交互、以及视觉监控等等。

附图说明

图1是本发明给出一个局部区域编码成为二进制特征示意图

图2是本发明算法中采用七种二进制特征编码的权值局部结构示意

图3和图4是利用本发明对测试数据库的多人的人脸图片数据实施的效果显示。