[发明专利]人脸检测方法及装置

摘要

本发明公开了一种人脸检测方法及装置，基于人脸检测与人脸对齐相结合的方法进行人脸检测，该方法包括：对待识别图像进行逐行逐列扫描，判断每个输入窗口是否是人脸窗口；对所有的人脸窗口进行合并，得到原始的待识别图像上最终的人脸区域；其中，判断每个输入窗口是否是人脸窗口基于Adaboost框架的级联分类器，采用像素差作为提取特征，采用随机森林分类器同时作为人脸检测的弱分类器和人脸对齐的迭代算法，采用支持向量机SVM分类器进行二次判断，最终通过的窗口即为人脸窗口。通过上述方案，本发明提供了一种准确度和速度都能满足要求的人脸检测方法及装置。

主权项

1.一种人脸检测方法，其特征在于，基于人脸检测与人脸对齐相结合的方法进行人脸检测，所述方法包括：对待识别图像进行逐行逐列扫描，判断每个输入窗口是否是人脸窗口；对所有的人脸窗口进行合并，得到原始的待识别图像上最终的人脸区域；其中，所述判断每个输入窗口是否是人脸窗口包括：基于Adaboost框架的级联分类器，采用像素差作为提取特征，采用随机森林分类器同时作为人脸检测的弱分类器和人脸对齐的迭代算法，每一个层级结束后，更新关键点位置，下一个层级根据新的关键点位置进行特征计算，利用LBP训练支持向量机SVM分类器作为二次分类，并采用支持向量机SVM分类器进行二次判断，最终通过的窗口即为人脸窗口；所述像素差的计算方法为：随机挑选两个关键点，并在两个关键点周围各随机选择一个位置，计算两个位置之间的像素差；基于Adaboost的特征选择算法包括以下步骤：初始化正样本权重为1/(2M)，负样本权重为1/(2C)，M，C分别为训练集的正负样本数目；对于每一个弱分类器，归一化样本权重，Bootstrap选取A个正样本和A个负样本，对特征池中每一个矩形区域，训练一个基于该区域的像素差特征的弱分类器，计算其分类错误率，挑选出错误率最小的弱分类器W_t，计算其在强分类器中的权重系数，更新样本权重；输出所有弱分类器对应的矩形区域和特征类型；其中，Bootstrap抽样：从初始训练样本集中按照有放回的方式的按样本权重大小随机抽取一定量的样本；弱分类器训练：对前一阶段抽取到的每一个样本，随机选择两个关键点，在该关键点周围分别随机挑选一个点，计算两点的像素差特征，将该特征送入到随机森林分类器RM训练，得到弱分类器W_j，统计该弱分类器的分类错误率，挑选错误率最低的弱分类器加入到当前强分类器中，计算其权重系数，权重系数的计算如下所示：α_j＝log((1‑δ_j)/δ_j)，其中δ_j为弱分类器W_j的分类错误率；样本的权重按照如下公式更新：其中，l是样本i的标签，对于正样本，l＝1，对于负样本，l＝‑1；D_t,i表示样本i在包含t个弱分类器的强分类器的得分。