[发明专利]一种快速人脸检测方法

权利要求书

1.一种快速人脸检测方法，其特征在于：首先利用金字塔分解的方式，对图像以金字塔形状排列的分辨率逐渐降低的图像集合，进行压缩，在此基础上采用Adaboost算法进行人脸检测。

2.根据权利要求1中所述的快速人脸检测方法，其特征在于：

金字塔分解的方式，具体步骤为：

（1）、计算输入图像减少的分辨率近似值，主要是通过对输入进行滤波并以2为步长进行抽样；

（2）、对上一步的输出进行内插并进行过滤；

（3）、计算步骤（2）的预测值和步骤（1）的输入之间的差异，以J级预测残差进行标识的差异，将用于原始图像的重建；

（4）、经过一次金字塔分解后图像的大小变为原来的1/4。

3.根据权利要求1中所述的快速人脸检测方法，其特征在于：Adaboost算法主要是根据人脸的灰度分布，选择采用矩形特征；该特征可以通过积分图快速进行提取，然后通过训练提取最优的矩形特征并将其转化为弱分类器，最后将弱分类器进行叠加构成强分类器，然后串联成级联分类器用于人脸检测。

4.根据权利要求3中所述的快速人脸检测方法，其特征在于：所述矩形特征的提取，是利用人脸部的灰度值有一定的分布特征，用一些简单的矩形特征来描述人脸部的特征；所述矩形特征由一些简单的黑白矩形组合而成，一个矩形特征的特征值为黑色矩形框内的灰度值之和与白色矩形框内灰度值之和的差。

5.根据权利要求3中所述的快速人脸检测方法，其特征在于：所述Adaboost算法训练过程包括弱分类器训练过程，弱分类器训练过程具体的训练过程如下：

(1)：计算每一个样本相对应的特征的特征值，然后将所有的特征值按照降序进行排列；

(2)：计算所有正样本，即人脸权重的和T⁺以及所有负样本，即非人脸权重的和T^-。

(3)：计算在此之前的前一个元素的正样本权重和T^s+以及负样本权重和T^s-；

(4)：计算加权错误率：e=min[T^s++(T^--T^s-),T^s-+(T⁺-T^s+)]；

(5)：根据错误率最小的原则确定p_j，θ_j；

(6)：保存矩形特征的参数，得到弱分类器。