[发明专利]用于人脸识别的眼镜检测方法及系统

权利要求书

1.一种用于人脸识别的眼镜检测方法，其特征在于，包括：

从待测人脸图像中获取眼镜区域图像；

采用预先生成的特征分类器对所述眼镜区域图像进行分类，得到所述待测人脸图像是否对应有眼镜的检测结果；

其中，所述特征分类器的生成包括：

从特征池中挑选预定数目的分割区域作为特征选择，其中，所述特征池包括样本尺寸大小对应的所有分割区域；

对每个样本提取所述特征选择对应的多个所述分割区域的特征值，并将多个所述分割区域的所述特征值结合起来作为所述样本的描述，其中，所述特征值为局部二值模式LBP直方图特征或梯度方向直方图HOG特征；

通过支持向量机SVM分类器训练多个样本得到所述特征分类器的模型；

所述特征选择采用自适应增强AdaBoost算法，包括：

从初始训练样本集中抽取预定量的样本；

对所述特征池中的每个所述分割区域，训练一个基于LBP直方图特征的分类器，计算该分类器的分类错误率；

对所述特征池中的每个所述分割区域，训练一个基于HOG特征的分类器，计算该分类器的分类错误率；

挑选错误率最低的分类器作为弱分类器并将其加入强分类器，计算所述弱分类器在所述强分类器中的权重系数，保存所述弱分类器对应的所述分割区域和特征类型；并根据所选的弱分类器更新样本权重；

循环执行上述步骤直至所述强分类器中的弱分类器的数量达到所述预定数目。

2.根据权利要求1所述的用于人脸识别的眼镜检测方法，其特征在于，所述弱分类器的权重系数的计算公式如下：

α_j＝log((1-δ_j)/δ_j)

其中，δ_j为弱分类器的分类错误率，α_j为该弱分类器的权重系数，j为弱分类器对应的序号；

所述更新样本权重的计算公式如下：

wt,i=wt-1,ie-lDt,i]]>

其中，W_t-1,i表示样本i在t-1个弱分类器更新后的权重值，W_t,i表示样本i在t个弱分类器更新后的权重值，l是样本i的标签，对于正样本，l＝1，对于负样本，l＝-1；D_t,i表示样本i在当前循环中选出的第t个弱分类器的得分。

3.根据权利要求1至2任一所述的用于人脸识别的眼镜检测方法，其特征在于，

所述LBP直方图特征为一致性LBP直方图特征。

4.根据权利要求3所述的用于人脸识别的眼镜检测方法，其特征在于，

采用特征分类器对所述眼镜区域图像进行分类的步骤中，采用SVM分类器进行分类。