[发明专利]多方向的人脸检测方法

说明书

技术领域

本发明公开了一种人脸检测方法，尤其涉及一种人脸检测方法用以检测不同转置位置的待测图片中的人脸。

背景技术

人类脸部辨识系统在近几年广泛受到研究学者与产业界的高度重视，也深切期盼其在治安或门禁系统上能有优异的表现，可是这类系统常会受到光线或复杂的纹理等外在因素所影响，因而降低其辨识的成功率。

为了能解决上述外在因素的影响，所以有人提出利用不同的图像特征如何有效地检测出待测图片中的人脸。一般来说，最常用的人脸检测方法是利用一学习模型将多笔的待测图片输入于其中，学习模型会根据所预先设定的图像特征(feature)来学习如何分辨出待测图片中是否包含有预先设定的图像特征。无论是主动式学习架构例如：类神经网络(neural network)、专家系统、模糊系统(fuzzy)或者是分类式的学习架构例如：支持向量机(Support VectorMachine，SVM)、主轴组件分析(Principal Components Analysis，PCA)、Snow法、Boosting法均需要依据所设定的图像特征才能进行学习的行为。所以要如何建立学习模型与选取适当的图像特征是影响判断人脸检测的关键。

为了区别待测图片中人脸与背景的区别，经常利用Haar-like算法来进行人脸特征的撷取。Haar-like算法为一种针对区块(pattern)的纹理方向性进行特征处理的方法。因此Haar-like算法可以有效地区别出人脸与复杂背景的不同。也因为Haar-like算法依赖待测图片中的纹理方向性，所以当待测图片被转置成不同方向时(例如，将待测图片转置90度、180度或270度)，就会造成原本Haar-like算法所得出的训练样本会无法适用在被转置后的待测图片。

为了能检测待测图片在不同转置位置中的人脸，所以就要重新利用Haar-like算法分别对不同转置位置的待测图片进行学习训练。这样一来除了需要耗费大量的内存空间外，也会耗费数倍的运算时间。

此外，为了能判断人脸的大小，一般会利用椭圆样版(Ellipse mask)选取方法来确认人脸在待测图片中所占的区域大小。因此在检测质量良好的边缘图像中，人的脸部和头部轮廓可以看作近似的椭圆形。在公知技术的椭圆样版中的长短轴比例是固定的，所以无论是用大的椭圆样版或是小的椭圆样版都会出现“所圈选的区域不完整”的问题，请参考图1a与图1b。当待测图片100中的人脸120越大的话，就使用较大椭圆样版110来选取人脸120；同理，若是待测图片100中的人脸120越小的话，就使用较小的椭圆样版110来选取。

发明内容

本发明的目的在于提供一种多方向的人脸检测方法，用以检测不同转置位置的待测图片中的人脸。

为了实现上述目的，本发明提供了一种多方向的人脸检测方法，包括下列步骤：设定选取框，用以依序从该待测图片中选取出不同的子图像区块；计算脸部权重，根据当前所选取的选取框所选取的子图像区块中的每一像素的灰阶值的深浅变化作为特征值计算脸部特征权重，借以判断该子图像区块中是否包括有人脸；计算脸部边缘权重，根据当前所选取的选取框所选取的包括有人脸的子图像区块中的每一像素的灰阶值计算待测图片此一部份区域中是否具有脸部边界；执行外形检测手段，分别将具有脸部边界的子图像区块，利用数个弧线区段分别标记出子图像区块中的脸部边界。

本发明利用各子图像区块中所包含的脸部特征与脸部边缘的权重来判断出待测图片中是否为人脸的可能性，再利用外形检测手段来标记出待测图片中人脸的外观。使得待测图片在经过转置处理后，仍然可以依据先前训练结果来套用于其中，不需重新对转置后的待测图片进行训练就可以进行检测待测图片中的人脸。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1a为公知技术的利用椭圆样版圈选人脸的示意图；

图1b为公知技术的利用椭圆样版圈选人脸的示意图；

图2为待测图片的示意图；

图3a为人脸对各子图像区块与特征值排序的对应关系图；

图3b为人脸对各子图像区块与特征值排序的对应关系图；

图4a为本发明的利用弧线区段圈选人脸的示意图；

图4b为本发明的利用弧线区段圈选人脸的示意图；

图5为本发明的运作流程图。

其中，附图标记：

100    待测图片

110    椭圆样版

120    人脸

210    人脸