[发明专利]复杂背景下彩色图像人脸的快速检测方法

说明书

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种复杂背景下高分辨率彩 色图像人脸的快速检测方法。

背景技术

人脸检测是指对于任意的一幅给定图像，采用一定的策略对其进行搜 索以确定其中是否存在人脸，如果存在则进一步确定人脸的位置、大小和 姿态等信息。它目前广泛应用于人脸识别、视频监控、图像检索、人机接 口等系统中。人脸检测是一个复杂的具有挑战性的模式检测问题，其主要 的难点有两方面，一方面是由于人脸内在的变化所引起：(1)人脸具有相 当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的 开与闭等；(2)人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体 等；另一方面由于外在条件变化所引起：(1)由于成像角度的不同造成人 脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响 较大；(2)光照的影响，如光照变化、阴影等。(3)图像的成像条件， 如摄像设备的焦距、成像距离，图像获取途径等。这些因素都为解决人脸 检测问题造成了难度。如果能够找到一些相关的算法并能在应用过程中达 到实时，将为成功构造出具有实际应用价值的人脸检测与跟踪等应用系统 提供保证。

近些年提出的人脸检测方法大致可以分为四类：①基于知识的方法， 这类算法只对简单背景下的正面人脸检测有较好的效果；②模板匹配方法， 这类算法不能有效地处理人脸尺度、姿态和形状等方面的变化；③基于外 观形状的方法；④基于特征的方法。

目前人脸检测的主流方法是基于样本统计学习的特征检测方法。这类 方法一般引入了“非人脸”这个类别，通过对收集的样本进行统计学习获 得“人脸”类别区别于“非人脸”类别的特征、模型等参数，而不是根据 直观印象得到的表层规律，这在统计意义上更可靠。不仅避免了由于观察 的不完整、不精确而带来的错误，还可以通过增加训练样本扩充检测的范 围，提高了算法的适应性和鲁棒性。此类算法大多采用由简单到复杂的多 层分类器结构，先由结构简单的分类器排除掉绝大部分背景窗口，然后由 复杂的分类器对剩余的窗口进行进一步判断，从而达到较快的检测速度。 考虑到实际图像中“人脸”与“非人脸”两类模式分类错误风险极不平衡 的特点，以及“人脸”与“非人脸”训练样本的非对称性，学者们对样本 训练算法进行了改进，提出了基于风险敏感Adaboost算法的人脸检测方法、 基于正向特征选择的人脸检测方法等，减少了算法训练时间，提高了人脸 检测算法的训练速度和检测率。但对高分辨率图像和高清晰视频而言，算 法检测时间仍然很长，满足不了实际应用的需要。为了提高算法的检测速 度，出现了基于肤色与结构特征的彩色图像人脸检测方法。这类方法先对 光照进行补偿，然后对肤色进行建模，再利用肤色模型分割出肤色区域， 最后利用基于特征的方法仅在肤色区域进行人脸检测，从而提高了人脸检 测效率。但是这类方法存在以下问题：(1)通常采用肤色混合高斯模型或 椭圆模型，无论是否是肤色像素都要进行颜色空间的复杂变换和判定，导 致肤色分割时计算量很大，影响了人脸检测的速度。(2)在人脸检测时一 般先使用整体肤色、形状特征检测出人脸轮廓(如：椭圆结构)，然后在 人脸轮廓区域检测人眼、嘴等特征，从而完成人脸的验证。若图像中存在 两个或多个人脸轮廓局部重叠，则该类算法将会出现严重的人脸漏检问题。 (3)采用了人脸眼、嘴等多种结构特征，算法复杂，检测速度慢，使算法 整体性能下降。

发明内容

本发明的目的在于实现克服现有技术的不足，提供一种复杂背景下高 分辨率彩色图像人脸的快速检测方法。该人脸检测算法的实现包括肤色建 模、人脸检测器训练和人脸检测三个阶段。

在肤色建模阶段，首先应该进行肤色样本的采集，绘制肤色在RGB空 间和YCbCr空间的分布图。再根据肤色在RGB空间和YCbCr空间的分布关 系，找出肤色在RGB空间的三个分量之间简单的大小约束关系，以及肤色 在YCbCr空间CbCr平面肤色凸多边形区域约束关系。然后根据亮度分量Y 的统计变化范围对其施加很宽松的约束。综合肤色在RGB和YCbCr两个颜 色空间的约束关系就形成了人脸肤色混合模型。如果当前像素点颜色满足 该肤色混合模型，则判定该像素为肤色点。