一种人脸检测方法及系统技术方案

本发明专利技术公开了一种人脸检测方法，包括：获取人脸图像；对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；从处理后的图像中检测出人脸。另外，本发明专利技术公开了一种人脸检测系统。本发明专利技术能够提高人脸检测的速率。

A Face Detection Method and System

【技术实现步骤摘要】
一种人脸检测方法及系统
本专利技术涉及图像处理
，尤其涉及一种人脸检测方法及系统。
技术介绍
目前人脸检测和识别的算法多是处于图片像素级别，使用所有像素值提取详细的人脸特征，但受到人眼工作模式的启发，这样的处理方式并非人眼识别人脸的机制。人眼在识别人脸时，仅使用少量的，模糊的整体特征就可以正确判断，既不需要这些特征详细到像素级别，也不需要所有像素的信息。即使图片是模糊信息，人眼也能从整体上迅速判断出此为人脸，证明了从像素级别提取的人脸特征，对于人眼的识别能力是存在冗余信息的。因此，目前从图片像素级别检测人脸的算法在识别速度上是有较大改进空间的。
技术实现思路
本专利技术针对现有技术中存在的问题，提供了一种人脸检测方法及系统，能够提高人脸检测速率。本专利技术就上述技术问题而提出的技术方案如下：一方面，本专利技术提供一种人脸检测方法，包括：获取人脸图像；对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；从处理后的图像中检测出人脸。进一步地，所述对所述人脸图像进行模糊处理，具体包括：将所述人脸图像划分为至少一个特征区域；对每个特征区域进行像素值覆盖，使一个特征区域中的所有像素具有相同像素值。进一步地，所述特征区域为矩形；所述对每个特征区域进行像素值覆盖，具体包括：取每个特征区域的第一个像素的值作为所述特征区域的代表像素值；将所述特征区域用所述代表像素值进行覆盖。进一步地，所述从处理后的图像中检测出人脸，具体包括：根据所述特征区域的尺寸大小设置检测窗口的滑动步幅；根据所述检测窗口的滑动步幅遍历所述处理后的图像中的所有像素，以检测出人脸。优选地，所述检测窗口的滑动步幅为所述特征区域在长或宽上的像素的个数；所述特征区域的尺寸大小位于2×2和16×16之间。另一方面，本专利技术提供一种人脸检测系统，包括：图像获取模块，用于获取人脸图像；模糊处理模块，用于对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；以及，人脸检测模块，用于从处理后的图像中检测出人脸。进一步地，所述模糊处理模块具体包括：划分单元，用于将所述人脸图像划分为至少一个特征区域；以及，覆盖单元，用于对每个特征区域进行像素值覆盖，使一个特征区域中的所有像素具有相同像素值。进一步地，所述特征区域为矩形；所述覆盖单元具体包括：获取子单元，用于取每个特征区域的第一个像素的值作为所述特征区域的代表像素值；以及，覆盖子单元，用于将所述特征区域用所述代表像素值进行覆盖。进一步地，所述人脸检测模块具体包括：设置单元，用于根据所述特征区域的尺寸大小设置检测窗口的滑动步幅；以及，检测单元，用于根据所述检测窗口的滑动步幅遍历所述处理后的图像中的所有像素，以检测出人脸。优选地，所述检测窗口的滑动步幅为所述特征区域在长或宽上的像素的个数；所述特征区域的尺寸大小位于2×2和16×16之间。本专利技术实施例提供的技术方案带来的有益效果是：基于人眼在识别人脸时，仅使用少量的、模糊的整体特征就可以正确判断人脸，既不需要这些特征详细到像素级别，也不需要所有像素的信息，本专利技术实施例在获取人脸图像后，对人脸图像进行模糊处理后再进行人脸识别，有效压缩所识别图像的数据量，提升人脸检测速率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的人脸检测方法的流程示意图；图2是本专利技术实施例提供的人脸检测方法中第一人脸图像的示意图；图3是本专利技术实施例提供的人脸检测方法中第一人脸图像模糊处理后的示意图；图4是本专利技术实施例提供的人脸检测方法中第二人脸图像的示意图；图5是本专利技术实施例提供的人脸检测方法中第二人脸图像模糊处理后的示意图；图6是本专利技术实施例提供的人脸检测方法中第三人脸图像的示意图；图7是本专利技术实施例提供的人脸检测方法中第三人脸图像模糊处理后的示意图；图8是本专利技术实施例提供的人脸检测系统的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。本专利技术实施例提供了一种人脸检测方法，参见图1，该方法包括：S1、获取人脸图像；S2、对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；S3、从处理后的图像中检测出人脸。需要说明的是，基于人眼在识别人脸时，仅使用少量的、模糊的整体特征就可以正确判断人脸，既不需要这些特征详细到像素级别，也不需要所有像素的信息，本实施例获取人脸图像后，在不改变人脸图像大小的情况下，对人脸图像进行模糊处理，如图2右侧人脸所示。进而，采用人脸检测JDA算法对处理后的图像进行人脸检测，如图3右侧人脸所示，从而有效压缩所检测的图像的数据量，提高人脸检测速率。进一步地，在步骤S2中，所述对所述人脸图像进行模糊处理，具体包括：将所述人脸图像划分为至少一个特征区域；对每个特征区域进行像素值覆盖，使一个特征区域中的所有像素具有相同像素值。需要说明的是，在不改变图片尺寸大小的情况下，原图所有像素被划分到若干个特征区域中，特征区域之间没有重叠，进而将一个特征区域用一个像素值去覆盖。这样的模糊处理生成的图片在本施例中称为“模糊信息层”图。进一步地，所述特征区域为矩形；所述对每个特征区域进行像素值覆盖，具体包括：取每个特征区域的第一个像素的值作为所述特征区域的代表像素值；将所述特征区域用所述代表像素值进行覆盖。需要说明的是，特征区域一般为矩形，特征区域的尺寸应选为图片尺寸可除尽的值，每个特征区域的代表像素值在本实施例中设定为取该矩形区域第一个像素的值。如图4所示的人脸图像，尺寸为512×512，设置矩形大小为8×8，也可设置为长和宽不等。模糊化处理完生成图5中的图像，整张图片的像素最终合成到4096(512×512/(8×8))个特征区域中，每个特征区域由一个代表像素值覆盖。如果将每个特征区域看成一个像素，则这张“模糊信息层”图的像素比原图像像素个数减少了64倍。具体实现代码如下：其中，输入参数为原图src和设置的矩形尺寸参数scale＝8，表示矩形长宽各取8个像素，本实施例设定矩形长和宽相等，所以只有一个scale值。另外，因为是对原RGB图进行处理，矩阵中被覆盖像素的RGB三通道均需重新赋值。通过实验证明，对图4中的原图的人脸检测时间为507毫秒，而对图5中模糊处理后的图像的人脸检测时间为101毫秒(包括模糊化时间64毫秒和检测时间37毫秒)，接近原图检测时间的1/5。另外，图6为人脸为侧脸的原图，图7为图6模糊处理后的图像，通过实验证明，侧脸图像也具有较好的人脸检测效果。另外，选取的特征区域尺寸越大，最终生成的矩形个数越少，图片整体在人眼看起来越模糊，信息量也越少。如果选取的特征区域尺寸大到超过某一阈值，会导致信息被过度过滤，图片过于模糊，如图2左侧人脸所示，提供不了有效信息造成人脸检测失败，如图3左侧人脸所示，无法对人脸进行检测。因此最大尺寸阈值，使得图片处理不会因为过度模糊而丧失了有效信息，最大尺寸阈值一般设为16×16。进一步地，所述从处理后的图像中检测出人脸，具体包括：根据所述特征区域的尺寸大小设置检测窗口的滑动本文档来自技高网...

【技术保护点】
1.一种人脸检测方法，其特征在于，包括：获取人脸图像；对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；从处理后的图像中检测出人脸。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：获取人脸图像；对所述人脸图像进行模糊处理，以压缩所述人脸图像的数据量；从处理后的图像中检测出人脸。2.如权利要求1所述的人脸检测方法，其特征在于，所述对所述人脸图像进行模糊处理，具体包括：将所述人脸图像划分为至少一个特征区域；对每个特征区域进行像素值覆盖，使一个特征区域中的所有像素具有相同像素值。3.如权利要求2所述的人脸检测方法，其特征在于，所述特征区域为矩形；所述对每个特征区域进行像素值覆盖，具体包括：取每个特征区域的第一个像素的值作为所述特征区域的代表像素值；将所述特征区域用所述代表像素值进行覆盖。4.如权利要求2所述的人脸检测方法，其特征在于，所述从处理后的图像中检测出人脸，具体包括：根据所述特征区域的尺寸大小设置检测窗口的滑动步幅；根据所述检测窗口的滑动步幅遍历所述处理后的图像中的所有像素，以检测出人脸。5.如权利要求4所述的人脸检测方法，其特征在于，所述检测窗口的滑动步幅为所述特征区域在长或宽上的像素的个数；所述特征区域的尺寸大小位于2×2和16×16之间。6.一种人脸检测系统，其特征在于，包括：图像获取模块，用...

【专利技术属性】
技术研发人员：阮仕涛，
申请(专利权)人：深圳市祈飞科技有限公司，
类型：发明
国别省市：广东,44