[发明专利]基于人类视觉模拟的计算机人脸定位方法

说明书

技术领域

本发明涉及计算机人脸定位技术领域，尤其是一种基于人类视觉模拟的计算机人脸定位方法，该方法的输入是含有若干正立人脸的正常静态彩色图像，经过与人类视觉过程类似的四个步骤：彩色图像灰度化和低通滤波，图像分割，图像区域合并和区域选取，候选区域人脸校验，输出是彩色图像中人脸位置的坐标，或基于人脸位置坐标从原图中得到的图像。

背景技术

自动人脸定位(又叫人脸检测)是一个非常重要的工作，它是许多应用(如人脸识别，人脸修补，人脸跟踪，人脸监督)的第一步。早期的人脸处理和分析一般都假设图像中的人脸的位置和大小已知，但对于一个人脸自动处理和分析的计算机系统而言，人脸检测是关键性的一步。

计算机人脸定位的基本思想是用知识的或者统计的方法对人脸进行建模，比较所有可能的待检区域与人脸模型的匹配度，从而得到可能存在的人脸区域。根据利用人脸知识的不同，现有的人脸定位方法一般可分为基于特征的人脸定位方法和基于图像的人脸定位方法，下面对这两种方法分别介绍如下：

1)基于特征的人脸定位方法：人类在不同姿态，视角和光照条件下，都可以毫不费力地检测出人脸，这说明人脸或者人脸的部件可能存在某种在任何条件下具有不变性的特征，利用这种特征就可以检测出图像中是否存在人脸。这是人脸检测中最常见的方法，研究的人最多，成果也最丰富，根据使用特征类型的不同，这类方法主要分为低层特征分析方法(灰度特征：人脸轮廓特征，人脸灰度分布特征(镶嵌图，直方图)，器官特征(如对称性)，模板特征等；纹理特征；颜色特征；运动信息)，组群特征分析方法，以及变形模型等三种。

基于特征的人脸定位方法优点：直观，容易被人们所接受和采用，容易针对不同的应用情况进行设计；

缺点：要想找到一个适用于所有情况的显示特征十分困难，甚至是不可能的；因为利用到的信息是图像中低层次的特征，如点，线等，容易受到光照和噪声的影响；在复杂背景下可能存在大量与人脸区域特征类似的低层次特征，容易造成误检。

2)基于图像的人脸定位方法：由于人脸图像的复杂性，准确地显示人脸特征具有一定的困难，因此基于图像的人脸识别方法越来越受到重视，这类方法的基本思想是把人脸检测问题视为一个广义的模式识别问题，从而通过训练过程把样本分为人脸和非人脸两种。这类方法主要分为线性子空间方法(主要包括主元分析方法(PCA)，线性判别分析法(LDA)，因素分析法(FA)等)，神经网络方法和其他统计方法(隐马尔可夫模型(HMM)方法，基于Kullback信息理论的方法，支持向量机(SVM)方法，Bayers决策方法，SNoW方法，AdaBoost方法)等。

基于图像的人脸定位方法优点：不需要提取具体的人脸特征，而是从大量典型的数据中获得统计特征，能够较好地反映人脸图像和非人脸图像之间的差别，因此鲁棒性强，即使在复杂背景的图像中也有较高的准确性；

缺点：需要对所有可能检测的窗口进行穷举搜索，计算复杂性高；为了达到较高准确性，需要大量的时间和精力搜集人脸样本和非人脸样本；泛化能力不强。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的在于提出一种基于人类视觉模拟的计算机人脸定位方法，以避免基于特征的人脸定位方法容易受到噪声和复杂背景影响的缺点，并避免基于图像的人脸定位方法计算复杂度高，搜集训练样本费力，泛化能力不强的缺点，达到模拟人类视觉定位人脸过程的目的。

(二)技术方案

为达到上述目的，本发明提供的技术方案如下：

一种基于人类视觉模拟的计算机人脸定位方法，该方法包括：

对输入的静态彩色图像进行灰度化和低通滤波，得到经过滤波的灰度图像；

将该经过滤波的灰度图像分割为若干分立的区域；

在该若干分立区域中选取和合并可能包含人脸的区域；

确定该可能包含人脸的区域所对应的原始彩色图像区域，在该原始彩色图像区域上进行人脸校验，判断该区域是否含有人脸。

此外，根据本发明的一个实施例，所述对输入的静态彩色图像进行灰度化和低通滤波的步骤中，采用高斯低通滤波器，该高斯低通滤波器的上限截止频率为静态彩色图像高度与宽度中较小值的1/6。

此外，根据本发明的一个实施例，所述将该经过滤波的灰度图像分割为若干分立的区域，采用梯度幅值图像分割方法。

此外，根据本发明的一个实施例，所述梯度幅值图像分割方法为分水岭分割法。