用于人脸检测的处理设备和方法技术

公开了一种用于快速人脸检测的处理设备(102)和方法(200)。公开了一种用于在至少一个图像中检测至少一个人脸的存在的方法(200)。所述方法(200)包括基于为所述至少一个图像中的至少一个窗口识别的多个人脸块创建(202)图像块地图；估计(204)边界框；以及在所述边界框内搜索(206)以在所述至少一个图像中检测所述至少一个人脸的存在。本发明专利技术公开了任意分类器的使用，所述分类器在任意特征表示之上运行以识别人脸块，随后使用掩码系统来识别边界框。本发明专利技术适用于以下领域但不限于：手持式终端/设备、HD视频监控，以及基于人脸检测的摄像机自动聚焦。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及图像处理领域，尤其涉及一种人脸检测处理方法和一种用于人脸检测的处理设备。
技术介绍
人脸检测是计算机视觉领域的一个重要研究方向，因为它具有广泛的潜在应用前景，例如，视频监控、人机交互、人脸识别、安全认证，人脸图像数据库管理等。人脸检测是为了确定给定图像内是否存在任何人脸，并且如果存在一个或多个人脸，则返回每个人脸的位置和范围。当今，高清摄像机是一种经济实惠的商品，并且被广泛用于所有类型的应用，例如视频监控。以人脸检测为形式的视频分析必须匹配摄像机的高分辨率输出，因此这些算法的性能对于分析的整体性能非常关键。人脸检测算法通常在智能手机、生物度量设备中使用以检测并识别人脸。当今的所有智能手机均具备一个特征，即通过匹配人脸可以解锁手机。该应用的核心是需要快速人脸检测算法。人脸检测引擎的示例性输出在图1中示出。现有技术公开了人脸检测框架，该框架本质上是基于AdaBoost的级联分类器子系统并且已经产生高准确性和实时性能。AdaBoost是“自适应增强”的缩写，是一种机器学习元算法，其可结合许多其它类型的学习算法使用来提高它们的性能。尽管性能与图像/视频帧的分辨率成正比。人脸检测算法的一般总体过程在图2中示出，并且现有技术中可用的任何人脸检测算法的模块包括但不限于：特征表示模块：任何人脸检测(FD)系统使用某种特征表示，特征表示可以识别人脸特征并通过可以将总体输出视作人脸或非人脸的方式关联这些特征。特征表示的示例为Viola-Jones在现有技术文档中公开的Haar、Ahonen等人在现有技术文档“使用局部二进制模式的人脸描述：在人脸识别中的应用(Facedescriptionwithlocalbinarypatterns:Applicationtofacerecognition)”中公开的局部二进制模式(LBP)，以及Froba等人在现有技术“使用修正的统计变换的人脸检测(Facedetectionwiththemodifiedcensustransform)”中公开的修正的统计变换(MCT)等。这些都是替代性表示(代替像素强度)，这些表示通常具有更好的光照不变性，并且姿态/表情存在细微变化。分类器模块：分类器模块提供了一种方式来关联多个特征。示例为在Viola-Jones中公开的级联Adaboost分类器、由Ozuysal等人在“特定类型多视图对象定位的姿态估计(Poseestimationforcategoryspecificmulti-viewobjectlocalization)”中公开的支持向量机(SVM)。搜索空间发生器模块：考虑到图像/视频帧，人脸可以出现在任意“位置”和任意“尺度”。因此，FD逻辑必须(使用滑动窗口方法)搜索人脸“在所有位置”和“在所有尺度”的可能性。这通常导致即使在低分辨率图像中也要扫描数十万个窗口。另外，存在各种算法，例如基于边界框的算法，该算法尝试识别可能检测到人脸的边界框。因此，人脸检测分类器现在必须只在该边界框内搜索，从而大大提高检测速度。估计的边界框和人脸框在图3中示出。然而，应理解并不总是需要在估计的边界框内找到人脸。其次，估计的边界框可能不以人脸为中心。滑动窗口方法是生成用于对象检测并由Viola-Jones在上述文档中所公开的搜索空间的最常见的技术。在每个位置对分类器进行评估，并且分类器响应高于预设阈值时检测到对象。在Viola-Jones现有技术中公开的级联通过迅速拒绝背景噪声并花费更多的时间在类似对象的区域中来加速检测。尽管引入了级联，但是使用细网格间距进行扫描的计算成本仍然很高。为了提高扫描速度，一种方法是训练具有扰动训练数据的分类器来处理对象位置中的小位移。但是，这极大地增加了整体模型中所需的弱分类器的数目，因为训练数据很嘈杂(没有对齐/扰动)。另一种简单方法是增加网格间距(减少被评估的窗口的数目)。然而，随着网格间距增大，检测数量急剧减少。如图4所示，在图中(蓝线)，我们可以看到随着网格间距的增大，普通全脸分类器的准确性呈指数式下降。此外，Venkatesh等人的其它现有技术文档“用于快速人脸检测的人脸边界框(FaceBoundingBoxforfasterfacedetection)”公开了一种减少漏检测的数目同时在使用滑动窗口方法进行对象检测时增加网格间距的技术。所公开的技术训练使用决策树的分类器Cpatch并且在普通网格上对Cpatch分类器评估，而主分类器Cobject放置在Cpatch所预测的位置上。LHS(左手侧)图示出了具有在不同颜色的矩形中示出的不同块位置的简单人脸。块的大小为wp×hp，并且所有块作为决策树的输入。决策树的叶子节点对应于被识别的块。RHS图示出了叶子节点上识别的块和全脸的对应偏移。该技术的核心思想是使用基于决策树的方法，然后使用Cpatch分类器作为预处理步骤。基于决策树的方法使用非常轻量和简单的特征，例如像素强度值。实际的Cobject分类器只能处理来自Cpatch分类器的的输出。因此，如果Cpatch分类器能够移除大部分窗口，那么Cobject分类器要处理的工作相对较少，从而导致性能提高。Venkatesh等人所公开的用于快速人脸检测技术的人脸边界框在图5中示出。存在其它基于肤色分割的方法来加速人脸检测算法。这些技术尝试检查发现肤色的图像部分，随后尝试只将人脸检测应用于口袋/子窗口。然而，上述技术导致准确性下降。如图4所示，线条示出了Venkatesh等人所公开的技术的数据。它提高了准确性但仍低于所需值。例如对于6×6的网格间距，准确性显示为约80％，这较最高值几乎下降了15-18％。虽然所有公开的技术和用于人脸检测的可用技术可用于准确的人脸检测，但它们仍然存在的最大问题就是检测过程要耗费较长的时间，因此需要进一步缩短检测处理时间，并提高检测准确率。另外，现有图像处理或人脸检测算法需要高端处理，并且相应地需要涉及更高成本的高端处理高级硬件。此外，由于图像处理或人脸检测算法需要高端处理，所以出于该目的，在该过程中CPU的使用率增加。鉴于上述讨论的缺点和限制，需要一种提供以更高的检测准确性和较少的处理时间进行人脸检测的有效技术，该技术必须使用低成本的硬件并且必须具有较低的CPU使用率。
技术实现思路
提供本
技术实现思路
来引入与处理设备和用于快速人脸检测的方法相关的概念，这些概念在详细描述中进一步描述。本
技术实现思路
并不旨在识别所要求保护的主题的必要特征，也不旨在用于确定或限制所要求保护的主题的范围。上述问题得到解决并且通过提供人脸检测处理方法和用于快速人脸检测的处理设备在本专利技术中实现技术方案。在各种实施例中，本专利技术通过提供人脸检测处理方法和用于快速人脸检测的处理设备解决了现有技术中的不足之处。在一项实施方式中，鉴于上述讨论的困难，本专利技术的目标是提供一种能够在至少一个图像中检测至少一个人脸的存在的图像处理方法，这将不需要较大的存储容量；这将能够实时或离线执行高速处理；这可以以较低的成本来制造；这可以以极小的误判概率肯定地检测指定模式。在一项实施方式中，公开了一种甚至可在低端硬件上使用的人脸检测方法。该技术保证了人脸检测方法的CPU使用率极低，因此，可以在低成本的硬件中使用。在一项实施方式中，一种本文档来自技高网...

【技术保护点】
一种用于在至少一个图像中检测至少一个人脸的存在的方法(200)，其特征在于，所述方法(200)包括：基于为所述至少一个图像中的至少一个窗口识别的多个人脸块创建(202)图像块地图；基于创建的所述图像块地图估计(204)边界框；以及在所述边界框内搜索(206)以在所述至少一个图像中检测所述至少一个人脸的存在。

【技术特征摘要】
【国外来华专利技术】2014.08.07 IN IN3891/CHE/20141.一种用于在至少一个图像中检测至少一个人脸的存在的方法(200)，其特征在于，所述方法(200)包括：基于为所述至少一个图像中的至少一个窗口识别的多个人脸块创建(202)图像块地图；基于创建的所述图像块地图估计(204)边界框；以及在所述边界框内搜索(206)以在所述至少一个图像中检测所述至少一个人脸的存在。2.根据权利要求1所述的方法(200)，其特征在于，创建(202)所述图像块地图包括下步骤：识别(302)所述至少一个窗口的所述多个人脸块，其中所述至少一个窗口是所述至少一个人脸的检测到的人脸区域；使用所述识别的多个人脸块训练(304)块分类器；使用预定义的网格间距在所述至少一个窗口上应用(308)所述块分类器，从而创建(202)所述图像块地图。3.根据权利要求1和2所述的方法(200)，其特征在于，使用人脸框周围的窗口大小的窗口识别所述多个人脸块，所述窗口包含以人脸模板大小为中心的人脸模板中的所述多个人脸块，以及所述人脸框由人脸检测器获取。4.根据权利要求1至3所述的方法(200)，其特征在于，所述窗口大小最好是36×36，所述人脸模板大小最好是24×24。5.根据权利要求1至4所述的方法(200)，其特征在于，所述预定义的网格间距大小最好是6×6。6.根据权利要求1至5所述的方法(200)，其特征在于，估计(204)所述边界框包括：在所述图像块地图上应用(308)矩阵掩码检查所述多个人脸块中的至少一个人脸块被映射到所述至少一个人脸，从而基于阈值估计(204)所述边界框，其中所述边界框的大小最好是36×36，所述阈值基于与所述至少一个人脸映射的所述至少一个人脸块。7.根据权利要求1至6所述的方法(200)，其特征在于，在所述边界框内搜索(206)是局部搜索(206)并且通过使用大小为1x1的网格间距来具体执行。8.根据权利要求1至7所述的方法(200)，其特征在于，包括为至少一个窗口识别的多个人脸块使用基于块的方法，从而在所述边界框中应用(308)块分类器。9.根据权利要求1至6所述的方法(200)，其特征在于，训练(304)所述块分类器通过使用决策树和一对多方法来表征，所述决策树使用所述多个人脸块中的至少一个人脸块来识别至少一个块类型，其中一对多方法考虑一个人脸块对其余的人脸块。10.一种用于在至少一个图像中检测至少一个人脸的存在的处理设备(102)，其特征在于，所述方处理设备(102)包括：处理器(104)；耦合到所述处理器的存储器(108)，用于执行所述存储器(108)中存在的多个指令，所述指令的所述执行使所述处理器(104)执行包括以下步骤的操作：基于为至少一个图像中的至少一个窗口识别的多个人脸块创建(202)图像块地图；基于创建的所述图像块地图估计(204)边界框；以及在所述边界框内搜索(206)以在所述至少一个图像中检测至少一个人脸的存在。11.根据权利要求10所述的处理设备(102)，其特征在于，创建(202)所述图像块地图由以下步骤表征：识别(302)所述至少一个窗口的所述多个人脸块，其中所述至少一个窗口是所述至少一个人脸的检测到的人脸区域；使用所述识别的多个人脸块训练(304)块分类器；使用预定义的网格间距在所述窗口上应用(308)所述块分类器，从而创建(202)所述图像块地图。12.根据权利要求10和11所述的处理设备(102)，其特征在于，使用用于识别(302)所述多个人脸块的人脸框周围的窗口大小的窗口识别所述多个人脸块，所述窗口包含以所述人脸模板大小为中心的人脸模板中的所述多个人脸块，以及所述人脸框由人脸检测器获取。13.根据权利要求10至12所述的处理设备(102)，其特征在于，所述至少一个窗口大小最好是36×36，所述人脸模板大小最好是24×24。...

【专利技术属性】
技术研发人员：维杰亚钱德拉·玛丽亚潘，拉胡尔·阿尔温德·贾达夫，谱尼特·巴姆昆德·沙玛，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44