[发明专利]手机中人脸检测方法

摘要

本发明揭示了一种手机中人脸检测方法，包括：利用肤色在YCgCr颜色空间的聚类特性完成肤色分割，并构建三维查找表完成二值化，对经处理得到的候选人脸区域用加权欧式距离来度量与人脸模板的匹配度，从而检测出多种环境下的人脸。本发明可以在人脸发生偏转或遮挡导致双眼无法同时可见时进行人脸检测。

主权项

1.一种手机中人脸检测方法，其特征在于，所述人脸检测方法包括：步骤S1、肤色分割步骤；对于原始图像img，肤色聚类分割算法首先将其由RGB颜色空间转化到YCgCr空间，并且为了简化计算，将亮度Y分量量化；将样本图像亮度分成高、中、低3类，具体的肤色分割步骤如下；S11)初始化：将原始图像img转化为YCgCr空间，即将图像从BGB颜色空间转化到YCgCr空间；Y∈[0,255]量化为Y′∈[1,16]；样本像素集I＝{P₁,P₂,…,P_n}，其中Pj＝(Y′,Cg,Cr)；S12)按亮度将Y′分成高、中、低3类，I＝{I₁,I₂,I₃}，其中I₁＝{Pi|1≤Yi′＜7}，I₂＝{Pi|7≤Yi′＜12}，I₃＝{Pi|12≤Yi′≤16}；S13)统计I_i类中样本像素Pj在Y'CgCr空间中的频度f(Pj)，得到3个Cg－Cr平面上的频度分布Fi；其中，i≤3，j≤n；S14)如果Cg∈[45，165]，Cr∈[55，225]，则Pj∈O,1→Pj，即将Pj加入输出像素集O，并赋值为1；否则0→Pj；利用分割算法得到的0，1值构造关于亮度和色度的三维0‑1查找表，检测过程中只需要考察与像素点相对应的、查找表中的值，据此来判断肤色区域和非肤色区域，得到二值化的肤色区域图像；步骤S2、候选人脸区域确定步骤；由于模板匹配易受图像灰度变化的影响，在匹配之前需要对候选人脸区域作以下规范化处理:按照式(2)求出候选人脸区域倾斜角度θ:式中，其中:(x，y)表示图像上位置为(i，j)的像素点的坐标；S表示该候选区域的面积；A表示m×n维候选人脸区域矩阵；利用此倾斜角度，将图像调整为正面端正图像；最后使用指数变换式(3)来实现图像的灰度均衡化：g(x,y)＝b^cf(x,y)‑a     (6)其中:a、b、c为直方图均衡化过程中所需的参数；f(x，y)为灰度变换前的图像；g(x，y)为灰度变换后的图像；步骤S3、人脸检测及定位步骤；采用加权欧氏距离来度量候选人脸区域和平均人脸模板的相似程度；对选取的训练图像集中的人脸样本图像，依据人脸模板的生成规则和方法，建立平均人脸模板；选择合适尺寸的人脸模板，并对其做相关的标准化处理；用A表示候选人脸灰度矩阵，B表示标准人脸模板灰度矩阵，则标准人脸模板灰度均值通过式(7)求出，候选人脸区域和标准人脸模板之间的加权欧氏距离通过式(8)求出；A_pq、B_pq分别为候选人脸矩阵A_u×v和人脸模板灰度矩阵B_u×v的第p行q列位置上的元素值，加权系数公式如下:加权欧氏距离D(A，B)的值越小，表示候选人脸区域和标准人脸模板匹配程度越高；假设候选人脸区域中有L个候选人脸窗口，当前检测窗口为第w个，D_w(A,B)表示第w个检测窗口与人脸模板的加权欧氏距离，基于加权欧氏距离的模板匹配步骤如下:步骤S31、数据初始化:w＝1，阈值为T；步骤S32、使用式(7)计算人脸模板的灰度均值步骤S33、使用式(8)计算D_w(A,B)；步骤S34、如果D_w(A,B)<T，将该窗口加入人脸区域；否则确定为非人脸；步骤S35、自动检测下一个候选人脸窗口。