一种人脸检测方法及其装置制造方法及图纸

本发明专利技术实施例公开了一种人脸检测方法，包括：基于灰度统计模型对视频当前帧中的人脸进行检测，获得候选人脸区域；基于单通道肤色模型对所述候选人脸区域进行肤色过滤，获得人脸检测结果。同时，本发明专利技术实施例还公开了一种人脸检测装置。采用上述技术方案，由于人脸的灰度结构本身存在与其它事物相区分的特殊性，利用灰度信息进行人脸检测较为可靠；采用基于单通道肤色模型对候选人脸区域进行肤色过滤，去掉非肤色区域的假正样本，可排除大部分假正人脸。

【技术实现步骤摘要】

本专利技术涉及数字媒体
，具体地涉及一种人脸检测方法及其装置。
技术介绍
视频监控技术的发展为解决社会安全问题带来了契机。视频监控利用图像 和摄像头记录场景数据，以便于在线监控，并为事后事件处理提供了凭证。随 着监控设备成本的下降，装备视频监控系统已经成为了预防犯罪和保障生命财 产安全的重要手段，因而在金融机构、政府部门、重要交通、边检防卫和门禁 小区中得到了广泛应用。在监控场景中，能统计确认目标人员的存在，并揭示其身份的方法包括行 走姿态和人脸。通过人们走路的姿态，可以非接触和远距离对人进行识别，但 其身份判别性不足。与行走姿态相比，人脸是人类视觉中最为普遍的模式，人 的面部所体现的视觉信息在社会交流和交往中有着重要的作用和意义，具有更 直观和更准确的优点。现有的监控视频人脸检测方法集成多种信息，这种方法集成了肤色信息、 运动信息和人脸灰度信息进行人脸检测。整个人脸检测流程由背景剪除、肤色过滤、特征提取和支持向量机(Support Vector Machine, SVM)分类步骤组成。 具体而言，该方法主要采用了如下的技术手段基于视频相邻图像的灰度差分 图和颜色差分图，确定可能包含人脸的前景区域；利用肤色信息寻找前景区域 可能包含人脸的候选人脸区域；对候选人脸提取独立成分分析(Independent Component Analysis, ICA)特征，基于SVM对候选人脸进行验证；基于Kalman 滤波器对通过验证的人脸进行跟踪。在综合利用多种先验信息的基础上，这种 方法在实验室环境下采集的简单视频上获得了较好的人脸^r测效果。但是，专利技术人在实现本专利技术的过程中发现，现有技术至少存在如下缺陷 该技术利用背景剪除技术获取人脸候选区域，背景剪除技术中采用时域差分法， 而时域差分法一般用连续的两到三帧图象相减实现时域微分， 一般不能很好地提取出运动目标的所有特征像素，在运动实体内部容易产生空洞现象，可能从开始就会漏检人脸；同时，经过专利技术人验证表明，该技术基于HS色彩空间建立 肤色模型，此色彩空间的肤色判决性并非最佳，容易误检，将不是人脸的肤色 区域判定为人脸区域。
技术实现思路
本专利技术实施例提供一种人脸才企测方法及其装置，提高了人脸检测的准确性。 本专利技术实施例提出了一种人脸检测方法，所述方法包括 基于灰度统计模型对视频当前帧中的人脸进行检测，获得候选人脸区域； 基于单通道肤色模型对所述候选人脸区域进行肤色过滤，获得人脸检测结果。相应地，本专利技术实施例还提供了一种人脸检测装置，所述装置包括人脸区域检测模块，用于基于灰度统计模型对视频当前帧中的人脸进行检 测，获得候选人脸区域；肤色过滤模块，用于基于单通道肤色模型对所述人脸区域检测模块所获得 的候选人脸区域进行肤色过滤，获得人脸4企测结果。采用上述技术方案，由于人脸的灰度结构本身存在与其它事物相区分的特 殊性，利用灰度信息进行人脸检测较为可靠；采用基于单通道肤色模型对候选 人脸区域进行肤色过滤，去掉非肤色区域的假正样本，可排除大部分假正人脸。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施 例或现有技术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 出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图l是本专利技术实施例的人脸检测方法的流程示意图2a、图2b、图2c、图2d、图2e、图2f是本专利技术实施例的各色彩通道肤 色与非肤色样本归一化的分布直方图3是本专利技术实施例的肤色过滤的流程示意图4是本专利技术实施例的使用基于二阶自回归的运动模型的流程示意图；图5是本专利技术的人脸^r测方法的一个具体实施例的流程示意图6是本专利技术的人脸检测方法的另一个具体实施例的流程示意图;图7是本专利技术实施例的人脸检测装置的结构示意图8是本专利技术实施例的肤色过滤模块的结构示意图9是本专利技术实施例的肤色模型建立模块的结构示意图10是本专利技术的人脸检测装置的一个具体实施例的结构示意图11是本专利技术实施例的预测定位模块的结构示意图。具体实施例方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是 全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在监控视频中，序列中的人脸清晰度和分辨率比静态人脸图像低，可以采 用先验知识和目标跟踪算法弥补这些不足，以提高人脸^r测的准确率。基于多 源信息融合的人脸检测算法充分利用先验知识，结合灰度信息、肤色信息进行 视频中的人脸检测。利用灰度信息进行人脸检测最为可靠，因为人脸的灰度结 构本身存在与其它事物相区分的特殊性，对于肤色信息，由于自然界很多事物 都拥有与肤色相近的颜色，因此可以利用肤色信息对人脸检测结果的进行肤色 过滤。图1是本专利技术实施例的人脸4全测方法的流程示意图，如图1所示，该方法 包括101,基于灰度统计模型对视频当前帧中的人脸进行检测，获得候选人脸区域；基于灰度统计模型的人脸检测器有很多种算法，其中Boosting算法是目前 最成功的人脸检测算法，且Boosting人脸检测器基于大规模的人脸与非人脸数 据库训练获得，能较为准确地定位存在人脸灰度结构分布的图像区域。从应用 角度说，釆用Boosting算法可以满足要求，但其它各种基于统计学习的方法， 如SVM， Bayes决策，二叉树或者神经网络都可以替代。Adaboost是Boosting 方法的一个典型特例。鉴于Adaboost方法的高效性和准确性,本专利技术采用了Adaboost算法作为初级的人脸检测器。102,基于单通道肤色模型对所述候选人脸区域进行肤色过滤，获得人脸检 测结果。基于Boosting分类器原理，其收集能反映人脸结构的灰度特征作为人脸弱 分类器，致使其检测结果可能包含与人脸结构分布类似的假正样本，这些假正 样本会为后续的分析工作带来困难，特别是在人脸聚类分析中，由于假正样本 不具备规则性特征，导致假正样本在空间中的分布较为零散，这些样本成为影 响聚类性能的噪声"Outlier"(特异点)，根据指定优化规则，聚类中心和聚类样 本分布可能与理想情况相差较大。除了人脸的灰度结构分布外，颜色是人脸表 面最为显著的特征之一，与灰度特征形成互补特征，可作为假正检测样本的过 滤器。所述单通道肤色模型的预先建立包括1 、基于Fisher准则的评价函数确定一个色彩通道作为所述单通道；具体包括获取肤色样本集和非肤色样本集；基于Fisher准则的评价函数 计算肤色样本集与非肤色样本集在各色彩通道的可分性；选择可分性较优的色 彩通道作为所述单通道。下面加以详细介绍在肤色模型建立时，首选需要选择适当的颜色表示方式，作为图像处理任 务，选择适当的颜色表示方式决定了肤色区域检测的结果。而目前色彩表示方 式的选择目标和依据多种多样，可首先通过结合直观方法和量化方法比较了多 种通用色彩空间，以获得最优肤色表示方法用于肤色区域检测。为了获得肤色 样本的先验信息指导肤色区域检测，本专利技术实施例建立了基于直方图的概率密 度模型表示肤色样本和非肤色样本的分布本文档来自技高网...

【技术保护点】
一种人脸检测方法，其特征在于，所述方法包括：　基于灰度统计模型对视频当前帧中的人脸进行检测，获得候选人脸区域；　基于单通道肤色模型对所述候选人脸区域进行肤色过滤，获得人脸检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：左坤隆，王蕴红，张永平，
申请(专利权)人：华为技术有限公司，北京航空航天大学，
类型：发明
国别省市：94[中国|深圳]