[发明专利]一种在人脸检测跟踪过程中的人脸捕捉方法及装置

说明书

技术领域

本发明涉及机器学习与计算机模式识别领域，尤其涉及一种在人脸检测跟踪过程中的人脸捕捉方法及装置。

背景技术

人脸检测技术是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否有人脸，如果有人脸，则返回人脸的位置、大小等信息。目前的人脸检测技术可以用于身份认证与安全防护、媒体与娱乐、图像搜索等领域。目标跟踪技术一般是基于对一系列图像的处理，从复杂的背景中识别出目标，并对目标的运动规律加以预测，实现对目标的连续、准确的跟踪，该技术在现代军事和民用安保中占有非常重要的地位，其中，该目标多数为人脸。

目前的人脸检测跟踪算法，例如目标跟踪算法（Tracking Learning Detection，TLD）和连续自适应MeanShift算法（Continuously Adaptive Mean-SHIFT，CamShift），在执行对人脸检测跟踪过程前，必须首先确定当前图像中人脸的位置。

然而，目前很多跟踪算法都是采用手动输入，例如通过鼠标、键盘等输入工具框选人脸包围框，并且，确定的当前图像中人脸的参数初始化也是通过用户手动输入完成的。例如，目前TLD、CamShift等跟踪算法中主要是通过代码中SetMouseCallback函数调用mouseHandler函数实现参数的初始化，其代码形式如下：

void setMouseCallback(const string&winname,MouseCallback onMouse,void*userdata=0)

各个参数所代表的含义分别为：

winname-Window name窗口的名字

onMouse-Mouse callback鼠标响应函数

userdata-The optional parameter passed to the callback用户参数

其中，在TLD、CamShift等算法中的onMouse参数即为mouseHandler()函数。

现有技术中采用手动输入的方式确定当前图像中人脸的位置，输入工作效率低，误差较大，且针对没有键盘和鼠标等输入工具的电子设备，无法完成输入，因此导致目前的跟踪算法可移植性差；采用手动输入完成跟踪算法的参数初始化，存在输入参数复杂，初始化繁琐等缺陷。

发明内容

本发明实施例提供一种在人脸检测跟踪过程中的人脸捕捉方法及装置，用以解决现有的人脸检测跟踪方法中存在的采用手动输入的方式确定当前图像中人脸的位置导致的输入工作效率低，误差较大，只能针对有输入工具的电子设备进行人脸检测跟踪，对设备的要求较高，即人脸检测跟踪方法的可移植性差的问题，以及采用手动输入的方式完成参数初始化，输入参数复杂且初始化繁琐的问题。

本发明实施例提供的具体技术方案如下：

第一方面，一种在人脸检测跟踪过程中的人脸捕捉方法，包括：

获取当前图像；

对所述当前图像进行特征处理，提取所述当前图像中的图像特征，并在图像特征中筛选出人脸图像特征；

基于所述人脸图像特征确定包围所述人脸图像特征的人脸归属区域，以及确定所述人脸归属区域对应的参数值；

根据所述人脸归属区域对应的参数值对人脸检测跟踪的参数进行初始化。

通过这种方法，可以实现自动完成人脸检测跟踪的参数的初始化，准确地对图像中的人脸进行捕捉，提高了系统的工作效率，保证了人脸检测跟踪的准确性、实时性、且本发明实施例提供的方法对设备的无输入工具的要求，因此可移植性强。

结合第一方面，在第一种可能的实现方式中，获取当前图像，包括：

获取视频文件中指定一帧的图像作为当前图像。

通过这种方法，可以对获取的当前图像进行人脸检测跟踪。

结合第一方面，在第二种可能的实现方式中，对所述当前图像进行特征处理，提取所述当前图像中的图像特征，并在图像特征中筛选出人脸图像特征，包括：

对所述当前图像进行局部二值模式LBP特征处理，提取所述当前图像中的所有LBP图像特征，并在所有LBP图像特征中筛选出人脸图像特征；或者，

对所述当前图像进行基于块特征Haar特征处理，提取所述当前图像中的图像特征，并在图像特征中筛选出人脸图像特征。

通过这种方法，可以在当前图像中筛选出人脸图像特征。