[发明专利]基于人脸检测的服务机器人视觉引领方法

权利要求书

1.基于人脸检测的服务机器人视觉引领方法，其特征在于，包括人脸检测步骤和数据融合步骤；

所述人脸检测步骤，通过Haar特征与Adaboost分类器进行人脸图像检测；

所述数据融合步骤，用于处理逆光图像；

其中，所述Haar特征用于表征人脸特征，所述Adaboost分类器用于识别的人脸图像。

2.根据权利要求1所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述Haar特征包括边缘特征、线性特征、中心特征和对角线特征，所述边缘特征、所述线性特征、所述中心特征和所述对角线特征组合成特征模板。

3.根据权利要求2所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述特征模版包括白色矩形和黑色矩形，设定所述特征模版的特征值为白色矩形像素和减去黑色矩形像素和的值。

4.根据权利要求1所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述Adaboost分类器为Cascade Adaboost分类器；所述Cascade Adaboost分类器，由多个强Adaboost分类器级联而成。

5.根据权利要求4所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述强Adaboost分类器的训练过程为：

S11、给定训练样本(x1，y1)，...，(xi，yi)，...，(xn，yn)，其中xi表示第i个样本，yi＝0表示为负样本，yi＝1表示为正样本，n为训练样本总数；

S12、初始化训练样本的权重；

S13、第一次迭代，训练弱分类器，并计算弱分类器的错误率；选取阈值，使得误差最小；更新样本权重；

S14、T次循环，得到T个弱分类器，评价每一个弱分类器的重要性的权重进行加权叠加，最终得到强分类器。

6.根据权利要求1所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述数据融合步骤之前，还包括逆光判断步骤，首先建立图像的灰度直方图，然后对所述灰度直方图分析从而判断是否为逆光图像；如果图像为非 逆光的正常图像，则通过人脸检测步骤识别；如果图像为逆光图，则通过数据融合步骤识别。

7.根据权利要求6所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述数据融合步骤采用HOG特征提取。

8.根据权利要求7所述的基于人脸检测的服务机器人视觉引领方法，其特征在于，所述HOG特征提取为，

S21、对图像进行灰度化；

S22、对图像进行颜色空间的标准化；

S23、计算图像每个像素的梯度；

S24、将图像划分成小单元；

S25、统计每个单元的梯度直方图，形成每个单元的描述器；

S26、将不定数个单元组成一个块，所述块内所有单元的特征描述器串联，得到所述块的HOG特征描述器；

S27、将图像内的所有块的HOG特征描述器串联，得到所述图像的HOG特征描述器。