[发明专利]一种定点型人脸的检测方法

权利要求书

1.一种定点型人脸的检测方法，其特征在于，对AdaBoost人脸检测算法中的瀑布式级联分类器中相关训练模型参数进行浮点数转定点数处理，并对相关浮点计算过程进行定点化计算转换，该方法具体包括以下步骤：

(1)根据瀑布式级联分类器中强分类器和弱分类器的分类计算特点，对强分类器和弱分类器的相关参数在标定意义上进行有效分离；

(2)根据弱分类器的分类计算特点进行θ参数的浮点数转定点数处理、Harr特征的计算、积分图计算的定点化计算；

(3)根据强分类器的分类计算特点及参数定义进行强分类器中a_t和a_th的浮点数转定点数处理；

(4)将AdaBoost人脸检测算法的浮点计算转化为定点计算。

2.根据权利要求1所述的定点型人脸的检测方法，其特征在于，

步骤(1)中的强分类器的计算过程为：

式中：C(x)为强分类器分类结果，a_t为强分类器训练参数，h(x，f，p，s，θ)为弱分类器分类结果，a_th为强分类器各节点阈值，T为训练的各级强分类器所包含的弱分类器级数；

弱分类器的计算过程为：

其中所选取的Harr特征f(x)为整型量；θ为弱分类器训练的参数，为浮点型；s为本检测块的归一化均方根，为浮点型；p为不等式方向因子；

由于弱分类器中h(x，f，p，s，θ)取值为1或0，因此，可实现强分类器参数a_t、a_th与弱分类器参数θ在标定意义上的分离，且将强分类器分类计算过程与弱分类器分类计算过程实现有效分离。

3.根据权利要求2所述的定点型人脸的检测方法，其特征在于，步骤(2)中的弱分类器的计算过程中取pf(x)＜psθ，根据整型数与浮点数比较规律，即可实现弱分类器的浮点型参数θ的浮点数转定点数处理及分类计算的定点化处理。

4.根据权利要求3所述的定点型人脸的检测方法，其特征在于，根据强分类器中a_t和a_th定义确定两参数的取值范围，并以尽量保证精度为原则，实现强分类器参数的浮点数转定点数处理。