一种基于肤色分割和AdaBoost相结合的快速人脸检测方法技术
【技术实现步骤摘要】
一种基于肤色分割和AdaBoost相结合的快速人脸检测方法
本专利技术属于模式识别领域，涉及一种人脸检测方法。
技术介绍
人脸识别技术是生物特征识别的关键技术之一，其研究内容是如何利用计算机分析人脸图像，从中提取有效的识别信息，完成身份辨识。而人脸检测是人脸识别系统的第一个环节，也是后续特征提取、特征分类等环节的基础。经过多年的发展，涌现出了大量的人脸检测算法，其中具有代表性的是基于肤色分割的人脸检测方法和基于AdaBoost的人脸检测方法。基于肤色分割人脸检测的方法检测速度很快但效果一般；相反，基于AdaBoost人脸检测的方法效果很好但速度较慢。本专利提出一种基于肤色分割和AdaBoost相结合的快速人脸检测算法，利用了适当的方法把基于肤色分割人脸检测和基于AdaBoost人脸检测进行组合，使这两种方法优势互补，既加快检测速度又提高检测效果。并在此改进的基础上，引入了高斯金字塔的思想，将肤色分割人脸检测和AdaBoost人脸检测用在高斯金字塔的不同层进行处理，进一步提高了整体的人脸检测效率。
技术实现思路
技术问题：本专利技术提供一种兼顾检测速度和检测效果，检测效...
【技术保护点】
【技术特征摘要】
1.一种基于肤色分割和AdaBoost相结合的快速人脸检测方法，该方法包括以下步骤：步骤1：构建高斯金字塔：将RGB彩色空间中待检测的彩色图像I扩展为N层的高斯金字塔G(I)＝{G0,G1,…,GN-1}，其中，N≥2且N为自然数，高斯金字塔的最底层编号为0，最顶层编号为N-1，G0为高斯金字塔的最底层图像即原彩色图像I，GN-1为高斯金字塔的最顶层图像，Gl是高斯金字塔的第l层图像，0≤l≤N-1且l为自然数，每层图像的数据大小为Wl×Hl×3，其中Wl和Hl都为正整数，分别表示第l层图像Gl的列数和行数；高斯金字塔的第l层图像Gl是原彩色图像I经过l次降采样得到的图像，其像素的计算公式如下：Gl(β,γ)＝Gl-1(2β,2γ)其中，Gl(β,γ)表示高斯金字塔的第l层图像Gl的第β行第γ列的像素，且β和γ都为正整数，0≤β≤Hl-1，0≤γ≤Wl-1；步骤2：根据下式确定在高斯金字塔中进行肤色分割人脸检测的层数Ev：其中，SI(1),SI(2),…SI(N-1)分别表示在高斯金字塔的第1,2,…N-1层进行肤色分割人脸检测所要求的图像的最小尺寸，si(G1),si(G2),…si(GN-1)分别表示高斯金字塔的第1,2,…N-1层图像的实际尺寸；步骤3：对高斯金字塔的第Ev层图像进行肤色分割人脸检测，标定出矩形人脸候选区域[(xLm,yLm),(xRm,yRm)]Ev，其中，矩形人脸候选区域的两边分别和第Ev层图像的两边平行，(xLm,yLm)和(xRm,yRm)分别为该层中标定出的第m个矩形人脸候选区域[(xLm,yLm),(xRm,yRm)]Ev的左上角和右下角的坐标，其中m为矩形人脸候选区域的编号，1≤m≤S，m为正整数，S为该层中标定出的矩形人脸候选区域的个数；步骤4：根据下式确定在高斯金字塔中进行AdaBoost人脸检测的层数Ev'：其中，Sstd表示预设定的矩形人脸区域标准尺寸，w和h分别表示高斯金字塔第Ev层上标定出的最大矩形人脸候选区域的高和宽，表示不大于的最大整数；步骤5：对高斯金字塔的第Ev'层图像进行AdaBoost人脸检测：高斯金字塔第Ev层中的第m个矩形人脸候选区域对应到第Ev'层中，得到第Ev'层中的矩形人脸候选区域为[(x'Lm,y'Lm),(x'Rm,y'Rm)]Ev'，其中(x'Lm,y'Lm)和(x'Rm,y'Rm)分别为根据下式计算得到的矩形人脸候选区域[(x'Lm,y'Lm),(x'Rm,y'Rm)]Ev'在第Ev'层图像中的左上角坐标和右下角坐标：在高斯金字塔第Ev'层中，采用AdaBoost算法训练得到的人脸检测级联分类器，分别对所有的矩形人脸候选区域[(x'Lm,y'Lm),(x'Rm,y'Rm)]Ev'进行人脸检测，检测到Q个矩形人脸区域，记为集合{[（x′Lθ，y′Lθ)，(x′Rθ，y′...
【专利技术属性】
技术研发人员：路小波，季赛平，曾维理，陆立颖，刘春雪，徐千州，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。