[发明专利]多角度人脸检测方法和系统

说明书

技术领域

本发明涉及一种多角人脸检测方法和系统，更具体地说，本发明涉及一种能够通过快速确定人脸角度来提升人脸检测的方法和系统。

背景技术

快速而准确的物体检测算法是许多应用的基础性工作，如人脸检测和情感状态分析，视频会议控制和分析，行人保护系统等等。因此，在Adaboost人脸检测算法(正面识别)取得重大成功之后，很多学者都将他们的研究投入到该领域中。但是，随着数码相机和移动电话的迅速发展，仅仅进行正面的人脸识别已经远不能满足人们日常生活的需求，很多算法都开始关注于更具有挑战性的问题，例如多角度情况下的人脸检测问题。这也就说明开展多角度情况下的快速准确人脸检测问题是十分必要的。

美国专利No.20070223812B2提出了一种鲁棒的多角度人脸检测的算法和设备。在该专利中，一种具有高性能但是高冗余度的微结构特征被采用以表示人脸的特性。而Adaboost算法被采用来从这类特征中选取出最具有代表性部分特征来组成强分类器，以用来从复杂的背景信息中找到人脸的位置。附图1所示的是该专利的示意图。该专利最大的缺点在于对于预定的每一个角度都训练了所对应的人脸检测器，而在检测过程中需要采用全部检测器以涵盖各种角度。因此，这个过程需要耗费相当长的检测时间。

美国专利No.7,324,671B2提出了可用于多角度人脸检测的算法和设备。在该专利中，人脸检测系统通过一系列复杂度递增的强分类器把非人脸数据在层级分类器结构中前面的层级(复杂度较低的层级)中滤除掉。其层级分类器结构为金字塔结构，采用了由粗到精、由简单到复杂的策略，利用比较简单的特征(层级分类器结构中前面层级采用的特征)就可以滤除大量的非人脸数据，从而得到了实时多角度人脸检测系统。该算法最大的问题在于，金字塔结构在检测过程中同时包含了大量的冗余信息，从而影响了检测的速度和精度。

美国专利No.7,457,432B2提出了可用于特定物体检测的方法和设备。在该专利中，HAAR特征被作为弱特征采用。Real-Adaboost算法被用来对层级分类器结构中每层级的强分类器进行训练以进一步提升检测精度，LUT(查询表)数据结构被提出以提升特征选择的速度。其中，“强分类器”及“弱特征”均为本技术领域中普遍熟知的概念。该专利的主要缺点在于，该方法只适用于特定物体在一定的角度范围内的检测，主要是正面人脸识别，以致在一定程度上限制了它的应用。

因此，在现有的多角度人脸检测方法中，要提高人脸检测的速度，需要解决如何检测人脸的角度，从而减少实际检测过程中所使用的人脸检测器的数量的问题。

发明内容

鉴于现有技术中存在的上述问题而作出本发明，本发明在现有技术的基础上，通过为现有的人脸检测系统提供一种混合型层级分类器来实现对输入数据给出角度标签并初步过滤部分非人脸数据的扫描窗口，从而减少检测系统实际操作过程中所需使用的人脸检测器。

根据本发明的一个方面，提供一种多角度人脸检测系统，包括：输入装置，用于输入图像数据；混合分类器，包括用于初步检测出非人脸图像数据的非人脸拒绝层级分类器和多个为包含人脸的图像数据赋予角度标签的角度标签分类器；以及多个角度级联分类器，其中每个对应于相应的人脸角度，所述多个角度级联分类器之一接收对应的角度标签分类器所输出的附有角度标签的图像数据，并进一步检测所接收的附有角度标签的图像数据是否包含人脸。

根据本发明的多角度人脸检测系统，所述输入装置还包括图像窗口扫描单元，用于对原始图像的不同尺度不同位置的子窗口进行数据扫描，并将这些扫描子窗口的图像数据输入到混合分类器。

根据本发明的多角度人脸检测系统，所述非人脸拒绝层级分类器包括多个子分类器，并且每个子分类器有多个弱分类器构成。

根据本发明的多角度人脸检测系统，所述多个角度标签分类器中的每一个计算针对在图像数据中提取的弱特征的响应值并求和，并将最大和值所对应的角度标签分类器所对应的角度标签赋予所输入的图像数据。

根据本发明的多角度人脸检测系统，所述弱特征包括各种能够满足实时性能要求的局部纹理描述。

根据本发明的另一个方面，提供一种多角度人脸检测方法，包括：输入图像数据；初步检测非人脸图像数据并为包含人脸的图像数据赋予角度标签；以及接收附有角度标签的图像数据，并进一步检测所接收的附有角度标签的图像数据是否包含人脸。

根据本发明的多角度人脸检测方法，其还包括对原始图像的不同尺度不同位置的子窗口进行数据扫描。