[发明专利]一种基于视频的快速人脸检测方法

说明书

技术领域

本发明涉及智能视频监控领域，特别是涉及一种基于视频的快速人脸检测方法。

背景技术

人脸检测、识别和跟踪是智能视频监控系统中首要而关键的一步，在安全识别、身份鉴定、基于内容的压缩与检索等许多应用领域具有广泛而重要的应用前景。人脸检测是这一任务的首要环节，长久以来，科学家和研究人员一直都在致力于找到一个能够快速准确的检测人脸的算法。

过去几十年来，研究人员提出了各种不同的方法来检测人脸，这些方法有的基于灰度级别和颜色特征；有的使用各种特征模板来描述人脸局部轮廓或全局轮廓特征并检测人脸。

传统的人脸检测算法大部分都是基于静态图片开发的，近年来，研究人员开始关注基于视频的人脸检测算法。在视频监控中，研究的对象是来自于摄像机的视频序列，视频序列可以看作是由一系列静止的图片组成，因此，大部分基于静态图片的方法也能用于视频序列。但是，视频序列中的人脸检测处理有其特殊之处：视频监控中处理的视频帧间具有时间上的相关性，而视频帧中的监控对象具有空间上的相关性。因而，并非所有的算法能在基于视频的检测过程中表现出良好的性能。

Paul Viola等人于2001年提出的基于Haar-like特征和Boosted Cascade框架结构的人脸检测方法是第一个真正实时的人脸检测算法。但它并没有利用视频帧间的时空相关性，同时，对于视频监控应用来说，它的实时性能还需要进一步的优化。

发明内容

本发明的目的在于提供一种基于视频的人脸检测方法。

本发明解决其技术问题采用的技术方案如下：

1)预处理：利用帧差法取得视频前景，并判断前景区域位置和比例的变化；前景区域是一块矩形区域，以S_f表示，前景区域位置定义矩形中心点的坐标，以(x，y)表示，初始化值均为0，变量M_x，M_y分别表示前景区域S_f的位置在x和y两个方向上的变化；假设第N帧中，前景区域S_f，N的位置并定义为(x_N，y_N)，则M_x，M_y分别定义为：

(M_x)_N＝X_N-X_N-1

(M_y)_N＝Y_N-Y_N-1

前景区域S_f在视频帧中所占比例以F_c表示，假设第N帧中，前景区域S_f，N所占的比例被定义为P_N，则(F_c)_n被定义为：

(Fc)N=PNPN-1]]>

依据M_x，M_y，F_c的值的大小，来判断人脸检测过程是否可以进入审查模式，当M_x＞15，M_y＞15，F_c＞1.15时，人脸检测过程进入审查模式。

2)时空域特征：利用监控视频的时空域特征，将人脸检测过程分为两种不同的模式：审查模式和跟踪模式；

●审查模式

审查模式利用正面人脸检测器，对前景区域做全面的搜索。一旦新的人脸被检测到，系统不但要记录该人脸在监控区域的位置坐标(X，Y)，尺寸(H，W)，其中H表示人脸的长度，W表示人脸的宽度，同时要记录其位置的变化(δ_x，δ_y)和尺寸的变化(ρ_h，ρ_w)信息，提供给跟踪模式做运动估计和尺寸变化估计。因此，每个检测到的人脸信息被描述为：