[发明专利]实时检测人脸的系统及其方法

说明书

本发明公开了一种实时检测人脸的系统及其方法。人脸检测系统包括主检测器和支路检测器。进一步地，主检测器包括前端主分类器和后端主分类器，前端主分类器和后端主分类器都是二类分类器，前端主分类器的人脸输出端与后端主分类器的输入端相连接，后端主分类器的非人脸输出端与支路检测器的输入端相连接。进一步地，支路检测器包括前端支路分类器和后端支路分类器。相应地，本发明还提供了一种人脸检测方法。由本发明公开的人脸检测系统及方法，不仅能够保证检测速度足够快，还能使召回率足够高、误检率足够低。

技术领域

本发明涉及数字图像处理领域，尤其涉及人脸检测技术。

背景技术

近些年来，人脸检测技术是数字图像处理领域中的一个研究热点之一，因为它在多种应用中都发挥着重要的作用。比如，在用数码相机拍照片时，通过实时检测人脸可以实现相机的自动对焦，进而使得在拍摄的照片中人脸部分比较清晰。此外，人脸检测技术也是人脸识别中必须使用的一种技术。因为只有在图像中准确定位了包含人脸的区域，才能从中提取到人脸器官的特征信息，进而实现人脸的识别。

“CVPR 2001”国际会议论文集中“Rapid Object Detection using a BoostedCascade of Simple Features”一文介绍了一种利用级联分类器检测人脸的方法，该方法是由Paul Viola和Michael Jones提出的。级联分类器是一种由多个强分类器串联在一起而构成的分类器，其中的每级强分类器是利用AdaBoost方法由弱分类器训练而成。这种人脸检测方法的检测速度比较快，因为在检测人脸时，大多数的检测窗口被级联分类器中最初的几级分类器过滤掉了。此外在计算Harr特征的数值时，该方法还使用了积分图像技术，使Haar特征数值的计算效率也较高。但是，这种人脸检测方法的召回率不够高，尤其检测那些部分被遮挡的人脸和侧脸的效果不理想。自从Paul Viola和Michael Jones提出这种人脸检测方法后，人们试图从两个方面对它做进一步的改进：(1)采用不同的图像特征；(2)改变级联分类器的结构。

“ICB 2007”国际会议论文集中“Face Detection Based on Multi-Block LBPRepresentation”一文介绍了一种人脸检测方法，该方法把MB-LBP图像特征引入级联分类器中。“CVPR 2008”国际会议论文集中“Locally Assembled Binary(LAB)feature withfeature-centric cascade for fast and accurate face detection”一文中也介绍了一种人脸检测方法，该方法把LAB图像特征引入级联分类其中。相对而言，这两种人脸检测方法的召回率有所提高，但是仍然不够理想。《IEEE TRANSACTIONS ON PATTERN ANALYSISAND MACHINE INTELLIGENCE》学术期刊2016年第2期中“A Fast and AccurateUnconstrained Face Detector”一文中介绍的人脸检测方法，也是一种基于级联分类器的人脸检测方法。在这种方法中，采用了NPD图像特征，同时对级联分类器中的决策树也作了改进。这种方法的检测速度和召回率都比较理想，但是它的误报率相对较高。中国专利公告号CN105718868A，公告日是2016年06月29日，名称为“一种针对多姿态人脸的人脸检测系统及方法”中公开了一种人脸检测方法，该方法把基于LAB图像特征的级联分类器和基于SURF图像特征的多层感知机相结合，构造了一种漏斗式结构的人脸检测器。这种方法的召回率和误报率都比较理想，但是它的检测速度较慢。