[发明专利]一种基于融合特征的人脸检测与对齐方法

权利要求书

1.一种基于融合特征的人脸检测与对齐方法，其特征在于包括以下四个步骤：

步骤(1)、首先将输入图像放大至5倍于原图像大小，然后以0.7937为系数乘以放大后的图像尺寸，生成新的尺寸图像，重复该过程直至图像尺寸大小小于特定阈值，按照上述步骤生成了多尺度金字塔图像后，然后以固定大小窗口和固定步长扫描不同尺度的图像，生成多个候选人脸窗口；

步骤(2)、然后提取图像的传统特征和卷积神经网络特征，训练一个人脸非人脸分类器，所述传统特征是指local binary pattern特征和Haar-like特征；预先训练好的人脸非人脸分类器本质上是一个二分类器，输入固定大小图像，输出0或1，即表示输入图像是否是人脸；依次将步骤(1)生成的候选人脸窗口作为输入传递给预先训练好的人脸非人脸分类器，分类器输出人脸图像；

步骤(3)、接着提取人脸图像的传统特征和卷积神经网络特征，训练一个人脸特征点回归器；以步骤(2)输出的人脸图像为输入传递给预先训练好的人脸特征点回归器，人脸特征点回归器输出该人脸图像中的人脸特征点位置，包括眉毛、眼角、鼻子、嘴角；

步骤(4)、最后根据步骤(3)输出的人脸图像及其对应的人脸特征点位置，选取两个固定人脸特征点作为定点，对人脸图像进行旋转和缩放处理，输出对齐后的人脸图像，对齐后的人脸图像中所选取固定特征点的位置将不变。

2.根据权利要求1所述的方法，其特征在于：步骤(1)所述多尺度金字塔图像的缩放系数0.7937既有助于算法检测到不同尺度大小的人脸，又不至于大幅增加算法的计算时间。

3.根据权利要求1所述的方法，其特征在于：步骤(2)中所述的人脸非人脸分类器是通过提取图像的特征为输入训练得到的，图像的特征由传统特征和卷积神经网络特征相融合而成。

4.根据权利要求1所述的方法，其特征在于：步骤(3)中所述的人脸特征点回归器是通过提取图像的特征为输入训练得到的，所述图像的特征由传统特征和卷积神经网络特征相融合而成。

5.根据权利要求1所述的方法，其特征在于：步骤(4)中所述的对人脸图像进行旋转和缩放，是基于保证人脸左右外眼角两点不变来进行处理。