[发明专利]一种基于AdaBoost算法的人脸检测方法

权利要求书

1.一种基于AdaBoost算法的人脸检测方法，包括以下步骤：(1)将待测图像利用缩放算法生成金字塔图像集合；(2)在金字塔图像集合中以预定大小步进地利用AdaBoost人脸检测器搜索人脸，以便判定该检测区域内是否存在人脸，AdaBoost人脸检测器包含Harr特征计算及瀑布式级联分类器，瀑布式级联分类器包括强分类器及简单分类器；(3)标定人脸位置，按所在的金字塔图像及缩小比例，换算到与原始图像中，确定所检人脸位置及大小；

其特征在于，所述步骤(2)包括以下分步骤：

(2.1)设置分类器人脸判定快速跳转控制和分类器非人脸判定快速退出控制；

(2.2)将强分类器的分类计算合并到简单分类器中，构建成新瀑布式级联分类器；

(2.3)通过新瀑布式级联分类器进行人脸和非人脸的检测：当判定该检测区域为人脸时，跳转进入下一级强分类器进行进一步判别，直至所有强分类器完成判断，如均判为人脸，则最终判断为人脸；当判定该检测区域为非人脸时，则退出瀑布式级联分类器，并给出非人脸的判定结果，转入下一检测区域进行检测。

2.根据权利要求1所述的基于AdaBoost算法的人脸检测方法，其特征在于，步骤(2.1)中的分类器人脸判定快速跳转控制为：

设α_t_T为当前强分类器中所属简单分类器α_t之和，即

αt_T=Σt=1Tαt,]]>

设α_t_F(w)为当前强分类器中弱分类器判为人脸的α_t之和，

设J(w)为强分类器跳转标志，J(w)＝1时，表示当前强分类器已判定为人脸，可跳转至下一强分类器进行进一步判定；

强分类器中α_th为当前强分类器人脸判定阈值，如强分类器分类计算结果达到该阈值，则立即进行跳转；

依据步骤(2.1)中的分类器人脸判定快速跳转控制，强分类器的分类计算合并到简单分类器为：

3.根据权利要求1所述的基于AdaBoost算法的人脸检测方法，其特征在于，步骤(2.1)中的分类器非人脸判定快速退出控制为：

设α_t_R(w)为当前强分类器中所属未参与判别弱分类器α_t之和，

设α_t_T为当前强分类器中所属简单分类器α_t之和，即

αt_T=Σt=1Tαt,]]>

设α_t_F(w)为当前强分类器中弱分类器判为人脸的α_t之和，

设R(w)为分类器非人脸退出标志，R(w)＝1时，表示当前分类器已判定为非人脸，将不需要后级分类器进行进一步分类判别，直接退出；

依据步骤(2.1)中的分类器非人脸判定快速退出控制，强分类器的分类计算合并到简单分类器为：

4.根据权利要求1、2或3所述的基于AdaBoost算法的人脸检测方法，其特征在于，步骤(2.2)中的新瀑布式级联分类器为：

设α_t_T为当前强分类器中所属简单分类器α_t之和，即

αt_T=Σt=1Tαt,]]>

设α_t_F(w)为当前强分类器中弱分类器判为人脸的α_t之和，

设α_t_R(w)为当前强分类器中所属未参与判别弱分类器α_t之和，

设J(w)为强分类器跳转标志，J(w)＝1时，进行人脸判定快速跳转，

设R(w)为分类器非人脸退出标志，R(w)＝1时，进行非人脸判定快速退出，

22级强分类器所包含的简单分类器级数分别为：

7，15，30，30，50，50，50，100，120，140，160，180，200，200，200，200，200，200，200，200，200，200；

则简单分类器共计有2932级，新瀑布式级联分类器也由2932级组成；

设T₁，T₂，T₃，Λ，T₂₁，T₂₂为各强分类器所属的简单分类器级数，则新瀑布式级联分类器的2932级为：

1，2，3，ΛT₁，ΛT₂，ΛT₃，ΛΛ，ΛT₂₁，ΛT₂₂，Λ2932；则新瀑布式级联分类器为：