[发明专利]一种图像检测方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像检测方法及装置。

背景技术

在计算机视觉和图像处理技术领域，获取图像或者视频中的人脸信息在诸如人机交互、安全、娱乐等领域都具有重要的应用。因此，从图像中自动获取人脸的数目、大小、位置信息的技术，即人脸检测技术，受到了极大地重视。近年来，随着计算机视觉和模式识别技术的发展，人脸检测技术也得到了快速的发展，逐渐趋向成熟。

Voila等提出了一种基于微结构特征(Haar-like Features)和层次型自适应增强(Adaboost)分类器的人脸检测技术，该技术在性能上与基于向量机(SVM)和神经网络(Neural Network)的方法相当，但是，在速度上远远高于基于向量机和神经网络的方法，基本可以达到实时运行的水平。该方法提出后，便得到了研究者的重视，提出了很多改进技术，并且，应用于工业界的很多产品中。

Viola提出的人脸检测方法速度快的原因主要是两点，一是由于采用了基于积分图像(Integral Image)的方法计算微结构特征值，能够快速地计算出输入图像的微结构特征值；二是由于采用了层次型Adaboost算法，该算法先采用运算量小的层拒掉大部分容易排除的干扰，然后，采用运算量大的层处理少量候选干扰。该方法中的采用的微结构特征如图1所示，每个微结构特征值定义为灰色矩形区域内像素亮度(即像素灰度值)和与白色矩形区域内像素亮度和之差。

为了快速计算出微结构特征值，Viola提出的积分图像如图2所示，积分图像在点(x，y)处的值定义为其左上角的灰色矩形区域内的所有像素灰度值的和，即：

II(x,y)=Σ0≤x′≤x,0≤y′≤yI(x′,y′)]]>

其中，II(x，y)表示积分图像在点(x，y)处的值，I(x，y)表示输入图像在点(x′，y′)处的像素灰度值。Viola采用如下迭代的方式对图像从左上角的灰色矩形区域扫描一遍得到积分图像：

           s(x，y)＝s(x，y-1)+I(x，y)

           II(x，y)＝II(x-1，y)+s(x，y)

其中，s(x，y)表示x行处于y列之前(包括y)的所有像素灰度值之和，并且，定义s(x，-1)＝0，II(-1，y)＝0。

采用积分图像可以快速求取任意矩形区域像素灰度值之和。用sum(r)表示矩形区域r的像素灰度值之和。如图3所示，根据积分图像的定义，可以根据如下公式：

             sum(D)＝II(4)-II(2)-II(3)+II(1)

求取任意矩形区域D内的像素灰度值之和(A、B、C、D分别表示一个阴影矩形区域，点1、2、3、4分别对应区域A，B，C，D的右下角顶点)。

为了排除光照等条件的干扰，Viola进一步采用图像亮度方差(还可以称为归一化参数)对上述微结构特征值进行归一化。Viola将图像亮度方差定义为：