[发明专利]基于在线识别的特定人脸跟踪方法

权利要求书

1.一种基于在线识别的特定人脸跟踪方法，其特征在于，该方法包括以下步骤：

步骤1，训练得到离线模型，所述离线模型包括离线人脸检测模型，离线人眼检测模型和离线正脸和侧脸关联模型；

步骤2，对待处理视频第一帧图像中的人脸信息进行人工标注，同时利用所述离线人眼检测模型检测其中对应的眼睛位置；

步骤3，建立在线人脸跟踪模型和在线人脸识别模型，并对两个模型所使用的分类器分别进行初始化；

步骤4，利用所述离线人脸检测模型和离线人眼检测模型对所述待处理视频的下一帧待处理图像进行检测，得到该待处理图像中所有可能的人脸检测结果以及相对应的眼睛位置；

步骤5，利用所述在线人脸跟踪模型对所述待处理图像中的特定人脸进行跟踪；

步骤6，对所述步骤5在线跟踪得到的人脸及所述步骤4离线检测得到的人脸分别进行人脸识别，并从中确定最终的目标人脸；

步骤7，判断是否满足一更新条件，如果满足，则更新所述在线人脸跟踪模型和所述在线人脸识别模型，否则转入步骤4进行下一帧待处理图像的处理。

2.根据权利要求1所述的方法，其特征在于，所述离线人脸检测模型使用AdaBoost算法以及多尺度块局部二值模式特征进行人脸检测；所述离线人眼检测模型使用多个Boosting串联起来的概率框架和局部二值模式特征进行眼睛检测。

3.根据权利要求1所述的方法，其特征在于，采用典型关联分析技术来建立正脸和侧脸关联模型，所述正脸和侧脸关联模型中，存在典型投影对Wx=[w1x,···,wdx]]]>和Wy=[w1y,···,wdy],]]>使得得到的xi′=XTwix]]>和是有相关性的，其中，X＝[x₁，…，x_n]和Y＝[y₁，…，y_n]均为训练数据集。

4.根据权利要求1所述的方法，其特征在于，所述步骤2中的人工标注包括标注目标人脸的位置和尺度。

5.根据权利要求3所述的方法，其特征在于，所述在线人脸跟踪模型采用在线训练的Boosting分类器以及Haar特征；所述在线人脸识别模型基于在线的SVM分类器，其所使用的特征为将样本人脸进行标准人脸模板校正后得到的原始像素值排列成一个列向量，再经过投影矩阵W^x或者W^y投影得到的投影向量。