实时检测人脸的系统及其方法技术方案

本发明专利技术公开了一种实时检测人脸的系统及其方法。人脸检测系统包括主检测器和支路检测器。进一步地，主检测器包括前端主分类器和后端主分类器，前端主分类器和后端主分类器都是二类分类器，前端主分类器的人脸输出端与后端主分类器的输入端相连接，后端主分类器的非人脸输出端与支路检测器的输入端相连接。进一步地，支路检测器包括前端支路分类器和后端支路分类器。相应地，本发明专利技术还提供了一种人脸检测方法。由本发明专利技术公开的人脸检测系统及方法，不仅能够保证检测速度足够快，还能使召回率足够高、误检率足够低。

System and method for detecting human face in real time

The invention discloses a system for real-time detecting human face and a method thereof. The face detection system includes the main detector and the branch detector. Further, the main detector includes a front end of the main classifier and the back-end classifier, the front end of the main classifier and the back-end classifier is two class classifier, the input end of the front end of the main face classifier output end and back-end classifier connection, the input end of the output end of the main non face classifier and branch connection detector. Further, the branch detector includes a front-end branch classifier and a back-end branch classifier. Correspondingly, the invention also provides a face detection method. The face detection system and method disclosed by the invention can not only ensure that the detection speed is fast enough, but also that the recall rate is high enough and the false detection rate is low enough.

【技术实现步骤摘要】
实时检测人脸的系统及其方法
本专利技术涉及数字图像处理领域，尤其涉及人脸检测技术。
技术介绍
近些年来，人脸检测技术是数字图像处理领域中的一个研究热点之一，因为它在多种应用中都发挥着重要的作用。比如，在用数码相机拍照片时，通过实时检测人脸可以实现相机的自动对焦，进而使得在拍摄的照片中人脸部分比较清晰。此外，人脸检测技术也是人脸识别中必须使用的一种技术。因为只有在图像中准确定位了包含人脸的区域，才能从中提取到人脸器官的特征信息，进而实现人脸的识别。“CVPR2001”国际会议论文集中“RapidObjectDetectionusingaBoostedCascadeofSimpleFeatures”一文介绍了一种利用级联分类器检测人脸的方法，该方法是由PaulViola和MichaelJones提出的。级联分类器是一种由多个强分类器串联在一起而构成的分类器，其中的每级强分类器是利用AdaBoost方法由弱分类器训练而成。这种人脸检测方法的检测速度比较快，因为在检测人脸时，大多数的检测窗口被级联分类器中最初的几级分类器过滤掉了。此外在计算Harr特征的数值时，该方法还使用了积分图像技术，使Haar特征数值的计算效率也较高。但是，这种人脸检测方法的召回率不够高，尤其检测那些部分被遮挡的人脸和侧脸的效果不理想。自从PaulViola和MichaelJones提出这种人脸检测方法后，人们试图从两个方面对它做进一步的改进：(1)采用不同的图像特征；(2)改变级联分类器的结构。“ICB2007”国际会议论文集中“FaceDetectionBasedonMulti-BlockLBPRepresentation”一文介绍了一种人脸检测方法，该方法把MB-LBP图像特征引入级联分类器中。“CVPR2008”国际会议论文集中“LocallyAssembledBinary(LAB)featurewithfeature-centriccascadeforfastandaccuratefacedetection”一文中也介绍了一种人脸检测方法，该方法把LAB图像特征引入级联分类其中。相对而言，这两种人脸检测方法的召回率有所提高，但是仍然不够理想。《IEEETRANSACTIONSONPATTERNANALYSISANDMACHINEINTELLIGENCE》学术期刊2016年第2期中“AFastandAccurateUnconstrainedFaceDetector”一文中介绍的人脸检测方法，也是一种基于级联分类器的人脸检测方法。在这种方法中，采用了NPD图像特征，同时对级联分类器中的决策树也作了改进。这种方法的检测速度和召回率都比较理想，但是它的误报率相对较高。中国专利公告号CN105718868A，公告日是2016年06月29日，名称为“一种针对多姿态人脸的人脸检测系统及方法”中公开了一种人脸检测方法，该方法把基于LAB图像特征的级联分类器和基于SURF图像特征的多层感知机相结合，构造了一种漏斗式结构的人脸检测器。这种方法的召回率和误报率都比较理想，但是它的检测速度较慢。除了基于级联分类器的人脸检测方法之外，人们也探索了其他类型的人脸检测方法。比如，“CVPR2015”国际会议论文集中“AConvolutionalNeuralNetworkCascadeforFaceDetection”一文介绍了一种基于卷积神经网络的(CNN)的人脸检测方法。“BTAS2015”国际会议论文集中“ADeepPyramidDeformablePartModelforFaceDetection”一文介绍了一种基于可变形器官模型的人脸检测方法。这两种方法都是影响力较大的方法，它们的召回率很高、误报率很低，但是检测速度非常慢，使它们的实用价值受到限制。综上所述，在现有的人脸检测方法中，还没有绝对令人满意的方法。有些方法检测速度慢；有些方法召回率不够理想；有些方法误检率较高。
技术实现思路
本专利技术的目的是提供一种能够克服上述技术问题的人脸检测系统及其方法。实现本专利技术目的之一采用的技术方案是：一种人脸检测系统，包括主检测器和支路检测器，所述主检测器包括前端主分类器和后端主分类器，所述前端主分类器和后端主分类器都是二类分类器，所述前端主分类器的人脸输出端与后端主分类器的输入端相连接，所述后端主分类器的非人脸输出端与支路检测器的输入端相连接。优选地，所述支路检测器包括前端支路分类器和后端支路分类器，所述前端支路分类器和后端支路分类器都是二类分类器，所述前端支路分类器的人脸输出端与后端支路分类器的输入端相连接。优选地，所述前端主分类器的正确拒绝率大于等于98.00％且小于等于99.98％、正确识别率大于等于98.50％且小于等于99.5％，所述后端主分类器的正确拒绝率大于等于99.60％且小于等于99.99％、正确识别率大于等于86.00％且小于等于99.20％，所述支路检测器的正确拒绝率和正确识别率都大于等于99.9％。优选地，所述前端支路分类器的正确拒绝率大于等于80.00％且小于等于99.50％、正确识别率大于等于99.20％且小于等于99.80％，所述后端支路分类器的正确拒绝率和正确识别率都大于等于99.9％。优选地，所述主检测器是一个n阶深级联分类器，其中第1至第m阶分类器被用作所述前端主分类器，第m+1至第n阶分类器被用作所述后端主分类器，所述m和n是两个整数，而且m＜n。优选地，所述主检测器是一个n阶深级联分类器，其中第1至第m阶分类器被用作所述前端主分类器，第m+1至第n阶分类器被用作所述后端主分类器，所述m和n是两个整数，而且m＜n，所述前端支路分类器包括1个浅级联分类器，或者包括2个以上的串联在一起的浅级联分类器。优选地，所述前端主分类器和后端主分类器采用能快速计算的图像特征，所述能快速计算的图像特征包括Haar特征、LBP特征、LAB特征或全局二进制特征。优选地，所述前端主分类器、后端主分类器和前端支路分类器采用能快速计算的图像特征，所述能快速计算的图像特征包括Haar特征、LBP特征、LAB特征或全局二进制特征，所述前端主分类器和前端支路分类器采用不同类型的图像特征。优选地，所述全局二进制特征是一种基于灰度图像像素灰度值的图像特征，它的数值计算步骤为：步骤1，从灰度图像中，获取1个阈值像素和2个以上二值化像素的灰度值，所述阈值像素是图像中的任意一个像素，所述二值化像素是图像中依次相连的像素；步骤2，按照以下公式，计算全局二进制特征的数值：式中：GBF表示全局二进制特征的数值，m表示二值化像素的个数，Ibk表示第k个二值化像素的灰度值，It表示阈值像素的灰度值；实现本专利技术目的之二采用的技术方案是：一种人脸检测方法，包括以下步骤：步骤1101，缩放图像，形成图像金字塔；步骤1102，在图像金字塔的每个图像中，按照指定的步长移动检测窗口，建立检测窗口集合；步骤1103，利用本专利技术的人脸检测系统，判断检测窗口集合中的每个检测窗口是否包含人脸；步骤1104，把包含人脸的检测窗口放在人脸窗口集合中；步骤1105，合并人脸窗口集合中的检测窗口，所述步骤1103包括以下步骤：步骤1201，由前端主分类器判断检测窗口中是否包含人脸；步骤1202，如本文档来自技高网...

【技术保护点】
一种实时检测人脸的系统，其特征在于，包括主检测器和支路检测器，所述主检测器包括前端主分类器和后端主分类器，所述前端主分类器和后端主分类器都是二类分类器，所述前端主分类器的人脸输出端与后端主分类器的输入端相连接，所述后端主分类器的非人脸输出端与支路检测器的输入端相连接。

【技术特征摘要】
1.一种实时检测人脸的系统，其特征在于，包括主检测器和支路检测器，所述主检测器包括前端主分类器和后端主分类器，所述前端主分类器和后端主分类器都是二类分类器，所述前端主分类器的人脸输出端与后端主分类器的输入端相连接，所述后端主分类器的非人脸输出端与支路检测器的输入端相连接。2.根据权利要求1所述的实时检测人脸的系统，其特征在于，所述支路检测器包括前端支路分类器和后端支路分类器，所述前端支路分类器和后端支路分类器都是二类分类器，所述前端支路分类器的人脸输出端与后端支路分类器的输入端相连接。3.根据权利要求1或2所述的实时检测人脸的系统，其特征在于，所述前端主分类器的正确拒绝率大于等于98.00％且小于等于99.98％、正确识别率大于等于98.50％且小于等于99.5％，所述后端主分类器的正确拒绝率大于等于99.60％且小于等于99.99％、正确识别率大于等于86.00％且小于等于99.20％，所述支路检测器的正确拒绝率和正确识别率都大于等于99.9％。4.根据权利要求2所述的实时检测人脸的系统，其特征在于，所述前端支路分类器的正确拒绝率大于等于80.00％且小于等于99.50％、正确识别率大于等于99.20％且小于等于99.80％，所述后端支路分类器的正确拒绝率和正确识别率都大于等于99.9％。5.根据权利要求1所述的实时检测人脸的系统，其特征在于，所述主检测器是一个n阶深级联分类器，其中第1至第m阶分类器被用作所述前端主分类器，第m+1至第n阶分类器被用作所述后端主分类器，所述m和n是两个整数，而且m＜n。6.根据权利要求2所述的实时检测人脸的系统，其特征在于，所述主检测器是一个n阶深级联分类器，其中第1至第m阶分类器被用作所述前端主分类器，第m+1至第n阶分类器被用作所述后端主分类器，所述m和n是两个整数，而且m＜n，所述前端支路分类器包括1个浅级联分类器，或者包括2个以上的串联在一起的浅级联分类器。7.根据权利要求1所述的实时检测人脸的系统，其特征在于，所述前端主分类器和后端主分类器采用能快速计算的图像特征，所述能快速计算的图像特征包括Haar特征、LBP特征、LAB特征或全局二进制特征。8.根据权利要求2所述的实时检测人脸的系统，其特征在...

【专利技术属性】
技术研发人员：陈杰春，赵丽萍，田景，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林,22