[发明专利]基于多相机的准正面人脸图像实时优选方法及系统

说明书

技术领域

本发明涉及计算机视觉人脸图像处理技术，具体涉及一种基于多相机的准正面人脸图像实时自动优选的方法及系统，可用于人脸识别跟踪系统的信息预处理，为后续的分析处理提供良好的准正面人脸图像数据。

背景技术

人脸检测技术是计算机视觉领域的重要分支之一，近年来广泛应用于可视化监控、视频检索、机器人控制、人机交互等方面，已经成为模式识别的热点研究课题。人脸检测技术主要目的是从一幅图像中检测并定位出人脸，即确定该图像中是否存在人脸，如果存在则从该图像中定位出人脸区域。这些被定位出来的人脸区域图像可用于人脸跟踪，即在视频流中跟踪特定的人脸；人脸识别，即根据已定位出来的人脸图像同人的标识(ID)联系起来，以确定与人脸图像对应的人的身份；表情识别，即通过人脸图像识别当前的表情ID，等等。

在诸多与人脸相关的计算机视觉技术中，人脸检测技术作为基础，有着举足轻重的作用。这不仅因为人脸检测技术担负着为后续处理提供人脸数据源的任务，还因为所提供的人脸数据源的质量直接影响着后续相关技术的实现效果，甚至关乎后续技术的可用与否。因此，人脸检测技术越来越为研究者所重视，技术发展也日臻成熟。特别是对yaw(偏航角)、pitch(俯仰角)以及roll(横滚角)低于15度的准正面人脸的检测技术，稳定性和效率都已达到令人满意的效果，并在工业领域得到了广泛的应用。

至目前为止，人脸检测技术按系统框架主要分为两种。一种是基于单相机的人脸检测技术；另一种是基于多相机的人脸检测技术。

对于基于单相机的人脸检测技术，最为经典的算法无疑是P.Viola和M.Jones于2001年7月在加拿大温哥华举行的第八届ICCV上发表的“Robust real-time object detection”一文中提出的。该算法基于Harr-Iike特征来描述人脸，并利用Adboost算法选择最能代表人脸的矩形特征，从而形成弱分类器。然后，利用加权投票的方式将这些弱分类器串联成一个级联分类器。之后，使用这个级联分类器，遍历图像中的每个位置，以在多种尺度上判断每个位置上的矩形区域是否是人脸区域，最后将重叠的人脸候选区域合并，得出最终人脸区域。

对于基于多相机的人脸检测技术，研究者们普遍关注于如何从多相机中检测并跟踪同一人脸，而忽视了从多相机所得到的多视角的人脸图像中优选准正面人脸图像的研究。在这些现有方法中，比较著名的如美国伊力诺依大学的张震球等人利用多个相机采集智能(Smart)房间中的人物图像，并利用时空关系来检测人脸。根据该人脸检测技术，首先利用分布在房间中相机来分别采集一个场景中的图像。采集到的图像被送到一个单相机多视角人脸检测算法模块中，以便检测人脸区域。然后，根据检测到的人脸区域在多个相机中的时间信息，以及不同相机之间的投影关系，通过人脸跟踪的方法确定最终检测到的人脸。

然而，尽管上述方法在一定程度上能够较为有效的检测出人脸，但是在实际应用中，还存在一些限制和缺点。主要表现在：

首先，对于目前最为普遍的基于单相机的人脸检测技术，其缺点在于对于非正面人脸图像，检测正确率大大降低或漏检。在具体应用中问题在于，只有当人们正对着相机时才能够捕获正面图像，而实际的情况并不总能满足这一点。例如在一些门禁应用中，可以要求用户的脸面向相机，从而比较容易地采集到准正面人脸图像。然而，在另一些场合中，诸如公共场所，要求人脸始终面对相机就很不现实，这种情况下人脸就会出现各种各样的姿态，检测率必然会下降。因此，如何保证人脸检测系统尽可能地获得人脸的正面图像是系统可靠工作的重要条件。

其次，现有的基于多相机的人脸检测方法，尽管有多个相机对着被检测对象，使得捕获人脸的正面图像的机率增大，获得人脸的正面图像或准正面图像相对容易，可是现有方法只是专注于检测并跟踪同一人脸的问题，并没有实时给出准正面人脸图像，即没有解决准正面人脸的实时优选问题，因此，在基于多相机的人脸检测技术中，多个相机在同一时刻会捕获相同人脸的不同方向的图像，如何从中选取最优准正面人脸图像是问题的关键所在。

因此，本领域的技术人员致力于开发一种针对多相机系统进行实时且准确自动优选准正面人脸图像的技术。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题如何在多相机的情况下，鉴别人脸面对相机的程度。

为实现上述目的，本发明提供了一种基于多相机的准正面人脸图像实时优选方法，包括下列步骤：

步骤1，主线程从每个相机获取人脸图像；

步骤2，所述主线程为每个所述人脸图像分配一个子线程；