一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法技术

本发明专利技术公开了一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法。所述方法，首先对输入的视频图像采用级联强决策树的方式检测出候选人脸区域；然后采用人脸的肤色和轮廓特性筛选出候选人脸区域中的有效人脸区域；将筛选后的有效人脸区域进行基于灰度的均值漂移向量的匹配以实现人脸快速跟踪，并采用取均值与加权的方式自适应调整人脸跟踪窗口。采用此方法进行视频人脸检测与跟踪，在保证快速性的同时，具有更低的误检率和漏检率。

An adaptive face detection and tracking method based on skin color and contour selection

The invention discloses an adaptive face detection and tracking method integrating skin color and contour screening. The first level decision tree method, Synnex by video image on the input way to detect candidate face region; then the color and contour characteristic of face screen effective candidate face regions in the face region; effective face region screening after matching the mean shift vector gray level to implement the fast face tracking based on and the average and weighted way adaptive face tracking window. This method is used for video face detection and tracking, and it has lower false detection rate and missed detection rate while ensuring high speed.

【技术实现步骤摘要】
一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法
本专利技术属于视觉目标检测与跟踪
，尤其涉及到一种融合人脸肤色与轮廓特征的人脸自适应检测与跟踪方法。
技术介绍
随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在几十年中得到了飞速的发展。人脸作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，成为了自动身份验证的最理想依据之一。人脸的检测与跟踪技术是近年来图像处理领域研究比较热门的课题之一。随着研究的不断深入，该领域的研究取得了长足的发展。与其他识别方法相比，人脸具有直接、友好、方便的特点，又由于使用者无任何心理障碍，易于为用户所接受，故得到了广泛的研究与应用。当前的人脸识别技术主要被应用到了刑侦破案、证件验证、视频监控、人流量统计及表情分析等方面。此外，人脸识别技术在医学、档案管理、人脸动画、人脸建模、视频会议等方面也有着巨大的应用前景。人脸检测是指在输入图像中确定所有人脸位置以及对其尺度信息进行参数化描述，是人脸识别、人机交互和人像摄影等应用中的重要环节。现有的人脸检测方法大致可分为基于人脸特征的人脸检测以及基于统计学习的人脸检测两本文档来自技高网...

【技术保护点】
一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法，其特征在于，包括以下步骤：(1)获取视频图像；(2)基于级联强决策树从所述视频图像中检测出人脸区域；(3)基于肤色特性从所述人脸区域中筛选候选人脸；(4)基于轮廓特性从步骤(2)输出的候选人脸图像中进一步筛选候选人脸；(5)对步骤(4)输出的候选人脸图像进行灰度处理，得到运动人脸的直方图模板，根据所述运动人脸的直方图模板确定跟踪的人脸区域图像；(6)基于所述步骤(5)确定跟踪的人脸区域图像，自适应调整人脸跟踪窗口。

【技术特征摘要】
1.一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法，其特征在于，包括以下步骤：(1)获取视频图像；(2)基于级联强决策树从所述视频图像中检测出人脸区域；(3)基于肤色特性从所述人脸区域中筛选候选人脸；(4)基于轮廓特性从步骤(2)输出的候选人脸图像中进一步筛选候选人脸；(5)对步骤(4)输出的候选人脸图像进行灰度处理，得到运动人脸的直方图模板，根据所述运动人脸的直方图模板确定跟踪的人脸区域图像；(6)基于所述步骤(5)确定跟踪的人脸区域图像，自适应调整人脸跟踪窗口。2.根据权利要求1所述的人脸自适应检测与跟踪方法，其特征在于，所述步骤(2)包括以下过程：(2.1)选定n个输入训练样本集合：S＝{(F1,e1),(F2,e2),…,(Fn,en)}，Fi是指第i个输入图像，ei表示图像样本的结构标识，ei∈{0,1}，当ei＝0时，表示Fi为反比例样本向量，即非人脸样本；当ei＝1时，表示Fi为正比例样本向量，即为人脸样本；(2.2)针对训练样本S上的任意样本图像Fi构建特征k的弱决策树dk(Fi)，k∈[1，K]，K为特征总数，则有当dk(Fi)＝1时，弱决策树判断样本图像Fi为人脸，否则判断为非人脸；其中，gk(Fi)表示第k个特征在图像Fi上的特征值，Thk是第k个特征的阈值，NT，NF分别表示人脸和非人脸样本数目，vT和vF为当前特征在所有人脸及非人脸样本图像上的平均特征值，Ck的作用是控制不等式的方向，当vT<Thk时，Ck＝-1，当vT≥Thk时，Ck＝+1；(2.3)初始化训练样本S的权重πz(z＝1)，并进行Z轮训练，且(2.4)在第z轮训练中，对于任意特征k，k∈[1，K]，训练一个只使用该特征的弱决策树dk(Fi)，并计算该决策树产生的分类错误(2.5)选出第z轮训练中分类错误最小的弱决策树dz(Fi)，并将其最小分类错误记为更新各个样本的权值πz+1(Fi)，其中，(2.6)z＝z+1，归一化样本权重πz：判定z是否小于等于Z，当z小于等于Z时，转(2.4)，当z大于Z时，转(2.7)；(2.7)基于对正反比例样本的分析，选出误差最小的Z个弱决策树，最终优化成一个强决策树D(Fi)：当D(Fi)＝1时，强决策树判断样本图像Fi为人脸，否则判断为非人脸；(2.8)经过一级一级的强决策树的决策，输出候选人脸区域图像Fc。3.根据权利要求2所述的人脸自适应检测与跟踪方法，其特征在于，所述步骤(3)包括以下过程：(3.1)输入所述步骤(2.8)输出的候选人脸区域图像Fc；(3.2)采用映射关系将所述候选人脸区域图像Fc从RGB颜色空间转换到YIQ颜色空间，获得YIQ候选人脸区域彩色图像；(3.3)提取所述YIQ候选人脸区域彩色图像的各个像素点的色度分量信息I和Q；(3.4)依据置信区间对所述YIQ候选人脸区域彩色图像进行二值化，将在置信区间内的像素的值置为1，为肤色像素，否则，置为0，为非肤色像素，得到肤色区域与非肤色区域；(3.5)剔除所述YIQ候选人脸区域彩色图像中不含肤色像素点的区域，并输出候选人脸的二值化图像Fb。4.根据权利要求3所述的人脸自适应检测与跟踪方法，其特征在于，所述步骤(4)包括以下过程：(4.1)输入所述二值化图像Fb；(4.2)对所述二值化图像Fb进行M次膨胀运算再进行N次腐蚀运算，还原受光...

【专利技术属性】
技术研发人员：袁明新，华晓彬，张丽民，王彬彬，申燚，朱友帅，谢丰，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏,32