[发明专利]基于增量学习的人脸检测系统和方法

权利要求书

1.一种基于增量学习的人脸检测系统，其特征在于，所述人脸检测系统包括：

背景建模单元(10)，其用于确定视频中的前景区域和背景区域；

样本提取单元(20)，其包括正样本提取单元(201)和负样本提取单元(202)，所述正样本提取单元从前景区域中提取供增量学习的正样本，所述负样本提取单元从背景区域中提取供增量学习的负样本；

增量学习单元(30)，其利用所述正样本和所述负样本在人脸分类器上进行增量学习，对人脸检测器进行更新；

人脸检测单元(40)，其利用增量学习后的人脸检测器对人脸进行检测。

2.根据权利要求1所述的人脸检测系统，其特征在于，所述背景建模单元使用混合高斯背景建模算法，对视频中的图像进行计算，得到所述图像的混合高斯模型，将图像中符合该模型特性的区域作为背景区域，将不符合该模型特性的区域作为前景区域。

3.根据权利要求1或2所述的人脸检测系统，其特征在于，所述正样本提取单元将前景区域中基于均值漂移跟踪算法得到的不能被检测为人脸的图像区域作为正样本；所述负样本提取单元将背景区域中检测出的人脸区域作为负样本。

4.根据权利要求1至3中任一项所述的人脸检测系统，其特征在于，所述增量学习单元包括：

图像特征计算模块(301)，其对每一个样本计算所述人脸分类器中采用的特征，并逐个计算所述人脸检测器中的弱分类器的参数；

误差估计模块(302)，其基于计算得到的所述弱分类器的参数，分别对每个弱分类器进行误差估计，计算误差的上界，并将误差值进行排序；

人脸检测器更新模块(303)，其根据所述误差估计模块(302)得到的每个弱分类器的误差值，利用误差最小的弱分类器对人脸检测器进行更新。

5.一种利用根据权利要求1所述的人脸检测系统进行人脸检测的方法，其特征在于，包括以下步骤：

(1)在所述背景建模单元中对原始视频进行背景建模，确定视频中的前景区域和背景区域；

(2)将所述背景建模单元输出的所述前景区域和所述背景区域分别输入到所述样本提取单元的所述正样本提取模块和所述负样本提取模块中；

(3)所述增量学习单元基于所述样本提取单元输出的正样本和负样本进行增量学习，利用误差最小的弱分类器不断对人脸检测器进行更新，将更新后的人脸检测器输出到所述人脸检测单元中；

(4)利用更新后的人脸检测器进行人脸检测。

6.根据权利要求5所述的方法，其特征在于，所述背景建模单元使用混合高斯背景建模算法，对视频中的图像进行计算，得到所述图像的混合高斯模型，将图像中符合该模型特性的区域作为背景区域，将不符合该模型特性的区域作为前景区域。

7.根据权利要求5或6所述的方法，其特征在于，所述正样本提取单元将前景区域中基于均值漂移跟踪算法得到的不能被检测为人脸的图像区域作为正样本；所述负样本提取单元将背景区域中检测出的人脸区域作为负样本。

8.根据权利要求5或6所述的方法，其特征在于，所述增量学习单元进行增量学习的步骤包括：

(1)利用所述增量学习单元中的图像特征计算模块对每一个样本计算人脸分类器中采用的特征，并逐个计算所述人脸检测器中的弱分类器的参数；

(2)所述增量学习单元中的误差估计模块基于计算得到的所述弱分类器的参数，分别对每个弱分类器进行误差估计，计算分类器误差的上界，并将误差值进行排序；

(3)所述增量学习单元中的人脸检测器更新模块根据所述误差估计模块得到的每个弱分类器的误差值，利用误差最小的弱分类器对人脸检测器进行更新。

9.根据权利要求5所述的方法，其特征在于，所述正样本提取模块提取所述正样本的方法为：设定一个阈值，对输入的前景区域进行人脸检测，待分类人脸窗口得分大于所述阈值的认定为人脸，然后使用均值漂移的人脸跟踪算法继续跟踪该人脸在后续5帧中出现的未检测为人脸的窗口，作为正样本。

10.一种视频浏览系统，包括：

视频帧提取模块，所述视频帧提取模块直接对实时视频流或历史视频文件进行处理，以提取视频帧；

人脸检测模块，所述人脸检测模块利用根据权利要求1所述的人脸检测系统对每个视频帧的图像进行人脸检测，并建立人脸库；

索引生成模块，所述索引生成模块作为所述人脸检测模块的后端，实时处理人脸检测结果，将人脸在视频中出现的时间点保存为包含xml标记的视频索引文件；

视频浏览模块，所述视频浏览模块为人机交互模块，当用户从人脸库中选择待检索或浏览的人脸图片时，所述视频浏览模块自动根据所述视频索引文件定位到人脸对应的视频片段，实现对原始视频的快速定位与浏览。