[发明专利]一种正面人脸图像的检测方法

摘要

本发明提供一种正面人脸图像的检测方法，包括：步骤1）捕获视频图像；步骤2）图像预处理，包括：中值滤波、光照补偿及图像边缘处理；步骤3）基于级联分类器与关键特征点相结合的方法进行人脸检测；步骤4）利用关键特征点在二维平面上的几何关系，筛选出正面人脸图像。本发明改进了传统人脸检测过程中图像预处理的方法，在实现光照补偿和去噪的前提下，降低了对图像原有特征的干扰，通过改进的人脸检测方法，降低了基于AdaBoost级联分类器的人脸检测系统的误检率，同时通过高斯分布函数加对特征点的局部灰度模型增加权重，提高了人脸关键特征点定位方法的效率。在人脸特征点精确定位的基础上，利用特征点在二维图像上的平面几何关系，筛选出正脸图像。

主权项

1.一种正面人脸图像的检测方法，其特征在于，所述检测方法包括：步骤1)，输入捕获的视频图像作为原图像；步骤2)，将原图像转化为原灰度图像，通过中值滤波算法去除原灰度图像脉冲噪声，把原图像的灰度直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后通过灰度均匀的直方图实现对原图像的光照补偿，对原灰度图像进行高斯平滑滤波和Canny算子检测图像边缘处理，处理后的新图像加权与经过直方图均衡后的图像相加，对原图像进行修正获得预处理图像；步骤3)，对预处理图像进行低阈值检测，标记出可能存在人脸的区域，然后在该区域中通过人脸关键特征点的定位筛选出不包含人脸的区域，采用基于点状分布模型的主动形状模型ASM方法定位矩形框区域的人脸关键特征点，然后在该矩形框区域中通过人脸关键特征点的定位筛选出不包含人脸的区域，采用基于点状分布模型的主动形状模型ASM方法定位矩形框区域的人脸关键特征点的方法包括：关键特征点的局部灰度模型的建立，通过高斯分布函数对关键特征点的局部灰度模型增加权重；步骤4)，利用关键特征点在二维平面上的几何关系，筛选出正面人脸图像。