[发明专利]一种基于AdaBoost算法的人脸检测方法

说明书

技术领域

本发明属于模式识别技术领域，具体涉及到一种基于AdaBoost算法的人脸检测方法。

背景技术

人脸检测技术是模式识别和计算机视觉等领域的研究热点，其应用前景广泛。在人脸检测研究过程中，Paul Viola提出的AdaBoost算法具有重要的代表性，已在许多人脸检测实时系统中得到应用，使得人脸检测技术走向实用。

与以往的人脸检测算法相比，AdaBoost算法具有较高检测精度及快速性，但从其算法原理而言，存在较多的冗余计算，具备进一步提升实时性能的潜质，并可适应由于监控图像画面的不断扩大，监控更多路视频画面人脸检测的需求。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种具有更高实时性能、检测更多路监控视频图像中人脸的基于AdaBoost算法的人脸检测方法。

本发明的技术解决方案是：这种基于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。

分类器人脸判定快速跳转控制加快了强分类器间的跳转，减少分类器内部计算过程的特征性冗余计算；分类器非人脸判定快速退出控制，加快了非人脸判断退出，以减少分类器内部计算过程的特征性冗余计算。同时，在以上两种控制的基础上，构建了新瀑布式级联分类器，同步实现人脸及非人脸的判定，并根据人脸及非人脸的判断，减少级联分类器的冗余计算，同时，减少遍历性冗余计算，从而提高级联分类器整体实时检测性能，并可以检测更多路监控视频图像中人脸。

附图说明

图1示出了用缩放算法得到的金字塔图像集合；

图2示出了基于AdaBoost算法的人脸检测方法的流程图；

图3a-3e示出了5种Harr特征；

图4示出了强分类器判别真假的过程；

图5示出了基于AdaBoost算法的瀑布式级联分类器；

图6示出了根据本发明的基于AdaBoost算法的新瀑布式级联分类器。

具体实施方式

本发明是在AdaBoost人脸检测原型算法的基础上提出的，在保持原型人脸检测算法的检测准确度的前提下，针对算法中瀑布式级联分类器部分，提出一种具有更高实时性能的人脸检测分类器实现方法。

AdaBoost人脸检测原型算法包含金字塔图像生成、积分图像计算、Harr特征提取及瀑布式级联分类器几个重要计算过程。金字塔图像的生成和积分图像计算较为简单，计算量相对较少；Harr特征计算及瀑布式级联分类器将按24*24大小在金字塔图像集合中进行遍历，据统计，约占总计算量的80％以上。

金字塔图像是对原始图像以一定尺度进行缩小组成待检测图像集合。金字塔图像保证了人脸训练模板对图像中待检人脸的在尺度特性上遍历性。在金字塔图像集合中，以一定的步进规则，AdaBoost人脸检测算法在24*24范围上进行人脸检测，并实现空间位置上遍历性。