專利名稱：一種基于AdaBoost算法的人臉檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體涉及到一種基于AdaBoost算法的人臉檢測方法。
背景技術(shù)：
人臉檢測技術(shù)是模式識別和計(jì)算機(jī)視覺等領(lǐng)域的研究熱點(diǎn)，其應(yīng)用前景廣泛。在人臉檢測研究過程中，Paul Viola提出的AdaBoost算法具有重要的代表性，已在許多人臉檢測實(shí)時(shí)系統(tǒng)中得到應(yīng)用，使得人臉檢測技術(shù)走向?qū)嵱?。與以往的人臉檢測算法相比，AdaBoost算法具有較高檢測精度及快速性，但從其算法原理而言，存在較多的冗余計(jì)算，具備進(jìn)一步提升實(shí)時(shí)性能的潛質(zhì)，并可適應(yīng)由于監(jiān)控圖像畫面的不斷擴(kuò)大，監(jiān)控更多路視頻畫面人臉檢測的需求。

發(fā)明內(nèi)容
本發(fā)明的技術(shù)解決問題是克服現(xiàn)有技術(shù)的不足，提供一種具有更高實(shí)時(shí)性能、檢測更多路監(jiān)控視頻圖像中人臉的基于AdaBoost算法的人臉檢測方法。本發(fā)明的技術(shù)解決方案是這種基于AdaBoost算法的人臉檢測方法，包括以下步驟(1)將待測圖像利用縮放算法生成金字塔圖像集合；( 在金字塔圖像集合中以預(yù)定大小步進(jìn)地利用AdaBoost人臉檢測器搜索人臉，以便判定該檢測區(qū)域內(nèi)是否存在人臉， AdaBoost人臉檢測器包含Harr特征計(jì)算及瀑布式級聯(lián)分類器，瀑布式級聯(lián)分類器包括強(qiáng)分類器及簡單分類器；C3)標(biāo)定人臉位置，按所在的金字塔圖像及縮小比例，換算到與原始圖像中，確定所檢人臉位置及大?。黄涮卣髟谟冢霾襟E( 包括以下分步驟(2. 1)設(shè)置分類器人臉判定快速跳轉(zhuǎn)控制和分類器非人臉判定快速退出控制；(2.2)將強(qiáng)分類器的分類計(jì)算合并到簡單分類器中，構(gòu)建成新瀑布式級聯(lián)分類器；(2. 3)通過新瀑布式級聯(lián)分類器進(jìn)行人臉和非人臉的檢測當(dāng)判定該檢測區(qū)域?yàn)槿四槙r(shí)，跳轉(zhuǎn)進(jìn)入下一級強(qiáng)分類器進(jìn)行進(jìn)一步判別，直至所有強(qiáng)分類器完成判斷，如均判為人臉，則最終判斷為人臉；當(dāng)判定該檢測區(qū)域?yàn)榉侨四槙r(shí)，則退出瀑布式級聯(lián)分類器，并給出“非人臉”的判定結(jié)果，轉(zhuǎn)入下一檢測區(qū)域進(jìn)行檢測。分類器人臉判定快速跳轉(zhuǎn)控制加快了強(qiáng)分類器間的跳轉(zhuǎn)，減少分類器內(nèi)部計(jì)算過程的特征性冗余計(jì)算；分類器非人臉判定快速退出控制，加快了非人臉判斷退出，以減少分類器內(nèi)部計(jì)算過程的特征性冗余計(jì)算。同時(shí)，在以上兩種控制的基礎(chǔ)上，構(gòu)建了新瀑布式級聯(lián)分類器，同步實(shí)現(xiàn)人臉及非人臉的判定，并根據(jù)人臉及非人臉的判斷，減少級聯(lián)分類器的冗余計(jì)算，同時(shí)，減少遍歷性冗余計(jì)算，從而提高級聯(lián)分類器整體實(shí)時(shí)檢測性能，并可以檢測更多路監(jiān)控視頻圖像中人臉。


圖1示出了用縮放算法得到的金字塔圖像集合；圖2示出了基于AdaBoost算法的人臉檢測方法的流程圖；圖3a-3e示出了 5禾中Harr特征；圖4示出了強(qiáng)分類器判別真假的過程；圖5示出了基于AdaBoost算法的瀑布式級聯(lián)分類器；圖6示出了根據(jù)本發(fā)明的基于AdaBoost算法的新瀑布式級聯(lián)分類器。
具體實(shí)施例方式本發(fā)明是在AdaBoost人臉檢測原型算法的基礎(chǔ)上提出的，在保持原型人臉檢測算法的檢測準(zhǔn)確度的前提下，針對算法中瀑布式級聯(lián)分類器部分，提出一種具有更高實(shí)時(shí)性能的人臉檢測分類器實(shí)現(xiàn)方法。AdaBoost人臉檢測原型算法包含金字塔圖像生成、積分圖像計(jì)算、Harr特征提取及瀑布式級聯(lián)分類器幾個(gè)重要計(jì)算過程。金字塔圖像的生成和積分圖像計(jì)算較為簡單，計(jì)算量相對較少；Harr特征計(jì)算及瀑布式級聯(lián)分類器將按24* 大小在金字塔圖像集合中進(jìn)行遍歷，據(jù)統(tǒng)計(jì)，約占總計(jì)算量的80%以上。金字塔圖像是對原始圖像以一定尺度進(jìn)行縮小組成待檢測圖像集合。金字塔圖像保證了人臉訓(xùn)練模板對圖像中待檢人臉的在尺度特性上遍歷性。在金字塔圖像集合中，以一定的步進(jìn)規(guī)則，AdaBoost人臉檢測算法在24拉4范圍上進(jìn)行人臉檢測，并實(shí)現(xiàn)空間位置上遍歷性。如本發(fā)明申請人設(shè)計(jì)的檢測系統(tǒng)采用的輸入圖像為352*觀8，考慮數(shù)據(jù)對齊，尺度縮小因子約為0. 8，則金字塔圖像由13級圖像組成，圖像大小分別為352M88、288*232, 232*192、184*152、152*120、120*96、96*80、80*64、64*56、56*40、40*32、32拉4，各級圖像對應(yīng)搜索步進(jìn)分別為3、2、2、2、2、2、1、1、1、1、1、1、1，步進(jìn)單位為像素，搜索步進(jìn)方式呈“Z” 字形搜索，先水平遍歷，再垂直遍歷。即將在75232個(gè)對拉4的圖像塊上進(jìn)行人臉檢測。通常，人臉信息損失較大的情況下，在352*288的圖像上，最多可擺放180張24* 大小人臉， 即存在99. 7%的冗余計(jì)算，此為遍歷造成冗余計(jì)算，即遍歷性冗余計(jì)算。 在AdaBoost算法原理中，按24拉4完成人臉模型庫，選取人臉的不同Harr特征完成簡單分類器和強(qiáng)分類器的學(xué)習(xí)訓(xùn)練。以若干簡單分類器組成強(qiáng)分類器，以若干強(qiáng)分類器級聯(lián)組成瀑布式級聯(lián)分類器。分類計(jì)算過程，以強(qiáng)分類器綜合簡單分類器分類結(jié)果，做出進(jìn)一步分類檢測還是“非人臉”退出的判斷。由于分類器的訓(xùn)練完備性和普遍適應(yīng)性，對于以 “個(gè)體”出現(xiàn)的待檢人臉，需以個(gè)體特征在完備的特征集中進(jìn)行逐一搜索，因此，在分類器內(nèi)部計(jì)算過程也存在較多的冗余計(jì)算，此為特征性冗余計(jì)算。 本發(fā)明的基于AdaBoost算法的人臉檢測方法，包括以下步驟(1)將待測圖像利用縮放算法生成金字塔圖像集合；( 在金字塔圖像集合中以預(yù)定大小步進(jìn)地利用 AdaBoost人臉檢測器搜索人臉，以便判定該檢測區(qū)域內(nèi)是否存在人臉，AdaBoost人臉檢測器包含Harr特征計(jì)算及瀑布式級聯(lián)分類器，瀑布式級聯(lián)分類器包括強(qiáng)分類器及簡單分類器；C3)標(biāo)定人臉位置，按所在的金字塔圖像及縮小比例，換算到與原始圖像中，確定所檢人臉位置及大小；
其中所述步驟⑵包括以下分步驟(2. 1)設(shè)置分類器人臉判定快速跳轉(zhuǎn)控制和分類器非人臉判定快速退出控制；(2.2)將強(qiáng)分類器的分類計(jì)算合并到簡單分類器中，構(gòu)建成新瀑布式級聯(lián)分類器；(2. 3)通過新瀑布式級聯(lián)分類器進(jìn)行人臉和非人臉的檢測當(dāng)判定該檢測區(qū)域?yàn)槿四槙r(shí)，跳轉(zhuǎn)進(jìn)入下一級強(qiáng)分類器進(jìn)行進(jìn)一步判別，直至所有強(qiáng)分類器完成判斷，如均判為人臉，則最終判斷為人臉；當(dāng)判定該檢測區(qū)域?yàn)榉侨四槙r(shí)，則退出瀑布式級聯(lián)分類器，并給出“非人臉”的判定結(jié)果，轉(zhuǎn)入下一檢測區(qū)域進(jìn)行檢測。分類器人臉判定快速跳轉(zhuǎn)控制加快了強(qiáng)分類器間的跳轉(zhuǎn)，減少分類器內(nèi)部計(jì)算過程的特征性冗余計(jì)算；分類器非人臉判定快速退出控制，加快了非人臉判斷退出，以減少分類器內(nèi)部計(jì)算過程的特征性冗余計(jì)算。同時(shí)，在以上兩種控制的基礎(chǔ)上，構(gòu)建了新瀑布式級聯(lián)分類器，同步實(shí)現(xiàn)人臉及非人臉的判定，并根據(jù)人臉及非人臉的判斷，減少級聯(lián)分類器的冗余計(jì)算，同時(shí)，減少遍歷性冗余計(jì)算，從而提高級聯(lián)分類器整體實(shí)時(shí)檢測性能，并可以檢測更多路監(jiān)控視頻圖像中人臉。優(yōu)選地，步驟(2. 1)中的分類器人臉判定快速跳轉(zhuǎn)控制為
T設(shè)α t_T為當(dāng)前強(qiáng)分類器中所屬簡單分類器α 和，即A—Τ =
=1 ,設(shè)α t_F(w)為當(dāng)前強(qiáng)分類器中弱分類器判為人臉的α t之和，設(shè)J(w)為強(qiáng)分類器跳轉(zhuǎn)標(biāo)志，J(w) = 1時(shí)，表示當(dāng)前強(qiáng)分類器已判定為人臉，可跳轉(zhuǎn)至下一強(qiáng)分類器進(jìn)行進(jìn)一步判定；強(qiáng)分類器中a_th為當(dāng)前強(qiáng)分類器人臉判定閾值，如強(qiáng)分類器分類計(jì)算結(jié)果達(dá)到該閾值，則立即進(jìn)行跳轉(zhuǎn)；依據(jù)步驟(2. 1)中的分類器人臉判定快速跳轉(zhuǎn)控制，強(qiáng)分類器的分類計(jì)算合并到
簡單分類器為
w = \, wg{ 1,2,3,Λ , T } while (J (w) == 0)
if(pf(^) < PS0) hw(w,f,p,S,e) = l else hw(w,f,p,s,0) = Q
w
O^t _F(w) = J^at xht(x,f,p,s,6)
t=l
if(at _F(w)>a_ th) J(w) = 1 else J{w) = 0
優(yōu)選地，步驟(2. 1)中的分類器非人臉判定快速退出控制為設(shè)α t_R(w)為當(dāng)前強(qiáng)分類器中所屬未參與判別弱分類器α t之和，
T設(shè)α t_T為當(dāng)前強(qiáng)分類器中所屬簡單分類器α 和，即A—Τ =
=1 ,設(shè)α t_F(w)為當(dāng)前強(qiáng)分類器中弱分類器判為人臉的α t之和，設(shè)R(w)為分類器非人臉退出標(biāo)志，R(W) = 1時(shí)，表示當(dāng)前分類器已判定為非人臉， 將不需要后級分類器進(jìn)行進(jìn)一步分類判別，直接退出；依據(jù)步驟(2. 1)中的分類器非人臉判定快速退出控制，強(qiáng)分類器的分類計(jì)算合并
到簡單分類器為
權(quán)利要求
1. 一種基于AdaBoost算法的人臉檢測方法，包括以下步驟(1)將待測圖像利用縮放算法生成金字塔圖像集合；(2)在金字塔圖像集合中以預(yù)定大小步進(jìn)地利用AdaBoost人臉檢測器搜索人臉，以便判定該檢測區(qū)域內(nèi)是否存在人臉，AdaBoost人臉檢測器包含Harr 特征計(jì)算及瀑布式級聯(lián)分類器，瀑布式級聯(lián)分類器包括強(qiáng)分類器及簡單分類器；C3)標(biāo)定人臉位置，按所在的金字塔圖像及縮小比例，換算到與原始圖像中，確定所檢人臉位置及大其特征在于，所述步驟( 包括以下分步驟(2. 1)設(shè)置分類器人臉判定快速跳轉(zhuǎn)控制和分類器非人臉判定快速退出控制； (2. 2)將強(qiáng)分類器的分類計(jì)算合并到簡單分類器中，構(gòu)建成新瀑布式級聯(lián)分類器； (2. 3)通過新瀑布式級聯(lián)分類器進(jìn)行人臉和非人臉的檢測當(dāng)判定該檢測區(qū)域?yàn)槿四槙r(shí)，跳轉(zhuǎn)進(jìn)入下一級強(qiáng)分類器進(jìn)行進(jìn)一步判別，直至所有強(qiáng)分類器完成判斷，如均判為人臉，則最終判斷為人臉；當(dāng)判定該檢測區(qū)域?yàn)榉侨四槙r(shí)，則退出瀑布式級聯(lián)分類器，并給出非人臉的判定結(jié)果，轉(zhuǎn)入下一檢測區(qū)域進(jìn)行檢測。
2.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的人臉檢測方法，其特征在于，步驟 (2. 1)中的分類器人臉判定快速跳轉(zhuǎn)控制為設(shè)α t_T為當(dāng)前強(qiáng)分類器中所屬簡單分類器α t之和，即
3.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的人臉檢測方法，其特征在于，步驟 (2. 1)中的分類器非人臉判定快速退出控制為設(shè)at_R(w)為當(dāng)前強(qiáng)分類器中所屬未參與判別弱分類器Cit之和， 設(shè)α t_T為當(dāng)前強(qiáng)分類器中所屬簡單分類器α t之和，即
4.根據(jù)權(quán)利要求1、2或3所述的基于AdaBoost算法的人臉檢測方法，其特征在于，步驟(2. 2)中的新瀑布式級聯(lián)分類器為設(shè)α t_T為當(dāng)前強(qiáng)分類器中所屬簡單分類器α t之和，即
全文摘要
公開了一種具有更高實(shí)時(shí)性能、檢測更多路監(jiān)控視頻圖像中人臉的基于AdaBoost算法的人臉檢測方法，包括步驟(1)將待測圖像利用縮放算法生成金字塔圖像集合；(2)在圖像集合中以預(yù)定大小步進(jìn)地利用AdaBoost人臉檢測器搜索人臉，人臉檢測器包含Harr特征計(jì)算及瀑布式級聯(lián)分類器，級聯(lián)分類器包括強(qiáng)分類器及簡單分類器；(3)標(biāo)定人臉位置；步驟(2)包括分步驟(2.1)設(shè)置分類器人臉判定快速跳轉(zhuǎn)控制和分類器非人臉判定快速退出控制；(2.2)將強(qiáng)分類器的分類計(jì)算合并到簡單分類器中，構(gòu)建成新瀑布式級聯(lián)分類器；(2.3)通過新瀑布式級聯(lián)分類器進(jìn)行人臉和非人臉的檢測。
文檔編號G06K9/62GK102254183SQ20111020028
公開日2011年11月23日 申請日期2011年7月18日 優(yōu)先權(quán)日2011年7月18日
發(fā)明者丘江, 郜向陽 申請人:北京漢邦高科數(shù)字技術(shù)有限公司