一种人脸算法脸部图像提取方法和装置制造方法及图纸

本发明专利技术提供了一种人脸算法脸部图像提取方法，包括获取首帧图像；对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域；获取所提取的第一人脸区域的第一人脸视窗大小；预设视窗增量，在第一人脸视窗的基础上增加视窗增量以获得搜索视窗的大小，搜索视窗与基础人脸视窗同中心；在后续帧图中在搜索视窗的范围内进行人脸检测，并提取第二人脸区域，对第二人脸区域进行特征提取以获得人脸信息。该人脸算法脸部图像提取方法具有计算量小、追踪实时性强的优点。

【技术实现步骤摘要】
一种人脸算法脸部图像提取方法和装置
本专利技术涉及了一种人脸算法脸部图像提取方法和装置。
技术介绍
序列图像如视频等，对其进行人脸检测与特征提取时,序列图像中人脸检测是特征提取的前期工作,它通常作为一个单独的功能模块,目的就是判断输入的序列图像中是否包含有人脸区域,如果有,给出其位置、大小，然后对该人脸区域进行脸部特种提取以获取人脸信息。由于序列图像内目标多为移动状态，因此在后续的序列图内需要对人脸区域进行追踪，追踪后再进行人脸区域定位，之后再对人脸区域进行特征提取。在跟踪过程中,不仅跟踪目标人脸是运动的,背景以及其他目标也是不断变化的,另外还受到环境因素如光照影,提高跟踪的鲁棒性是设计重点，更为重要的是人脸跟踪所处理的是视频图像,需处理的图像数量巨大。目前采用的追踪方式如主动轮廓或变形模板、瞳孔等特征识别追踪等方法，计算量巨大,对序列图像的处理效率低，实时性差。
技术实现思路
为了解决
技术介绍
中所存在的问题，本专利技术提出了一种人脸算法脸部图像提取方法。一种人脸算法脸部图像提取方法，包括获取首帧图像；对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域；获取所提取的第一人脸区域的第一人脸视窗大小；预设视窗增量，在第一人脸视窗的基础上增加视窗增量以获得搜索视窗的大小，搜索视窗与基础人脸视窗同中心；在后续帧图中在搜索视窗的范围内进行人脸检测，并提取第二人脸区域，对第二人脸区域进行特征提取以获得人脸信息。。基于上述，在对首帧图像进行人脸检测时，把整幅图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布,去除误检的人脸区域，以获得范围更精确的第一人脸区域。基于上述，在对后续帧图进行人脸检测时，把搜索视窗内的图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布,去除误检的人脸区域，以获得范围更精确的追踪人脸区域。基于上述，建立摄像区域的空间坐标系和摄像图像的图像坐标系，根据摄像头在摄像区域内的坐标位置，建立空间坐标系与图像坐标系的映射关系；根据目标在空间坐标系内的位置计算目标在空间坐标系内与摄像头的距离关系，预设空间坐标系内的人首视窗大小，根据人首视窗大小、所述距离关系和映射关系计算视窗增量。基于上述，所述视窗增量为近似增量，所述近似增量为：n＝2*a*b/m，其中，a为摄像图像与摄像区域的比例值，b为人移动速度，m为摄像视频的每秒帧数。一种人脸算法脸部图像提取装置，包括处理器、存储设备及存储在所述存储设备上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至5中任一项人脸算法脸部图像提取方法。本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体的说，本专利技术通过对首帧图像进行全图人脸检测，并根据检测出的人脸区域建立合适大小的视窗，由于人的运动是连续的，在后续帧图中，以上一帧图中人脸区域为基准，将人脸视窗增大一定的增量，仅对该增大的人脸视窗内进行人脸检测，即可快速识别并定位人脸区域。通过该方式有效缩小了后续帧图中人脸检测的范围，同时该增大人脸视窗作为搜索框的方式算法较为简单，整体有效的减少了计算量，提高了人脸检测追踪的实时性。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是本专利技术的流程示意图。具体实施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付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。如图1所示，一种人脸算法脸部图像提取方法，包括获取首帧图像；对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域；获取所提取的第一人脸区域的第一人脸视窗大小；预设视窗增量，在第一人脸视窗的基础上增加视窗增量以获得搜索视窗的大小，搜索视窗与基础人脸视窗同中心；在后续帧图中在搜索视窗的范围内进行人脸检测，并提取第二人脸区域，对第二人脸区域进行特征提取以获得人脸信息。。具体的，在对序列图像进行人脸检测和识别提取时，首先获取首帧图像，在对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域，把整幅图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布,去除误检的人脸区域，以获得范围更精确的第一人脸区域。实际中，获取精确的人脸区域后，通过现有的人脸识别方法对脸部图像特种进行识别和提取，以获取人脸信息。首帧处理完后，再对后续帧图进行人脸检测时，需要先追踪人脸区域，本实施例中采用视窗增量的方式，也即在获取首帧图像中的人脸区域也即第一人脸区域后，对应第一人脸区域的大小建立视窗，该视窗为方形，在后续帧图中以该视窗为中心，在该视窗的基础上增加视窗增量，也即对该方形视窗的每个边长，都在两个方向上增加二分之一的视窗增量值，以扩大视窗的大小，获得搜索视窗，由于人的移动是连续的，合适的视窗增量使得搜索视窗足够大，也即人不论往哪个方向移动，人脸都会出现在该帧图的搜索视窗内，以该搜索视窗为范围进行人脸检测，由基于Haar特征的检测方法提取第二人脸区域，把搜索视窗内的图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布,去除误检的人脸区域，以获得范围更精确的追踪人脸区域，然后再进行人脸特种识别和提取，获取人脸信息。该追踪方式除了首帧图像外，后续帧图的搜索范围都大大减少，有效减少了计算量，提高了追踪效率。在后续帧图处理时，均以上一帧图的人脸区域为基础增加视窗增量作为搜索视窗进行处理。实际中，由于人的实际头部大小不变，也即人在现实空间坐标中的人首视窗大小不会变，但是随着人与摄像头的距离改变时，拍摄图像内的人脸区域会发生变化，也即离摄像头近时图像内的人脸区域就大，离的远时图像内的人脸区域就小。因此，建立摄像区域的空间坐标系和摄像图像的图像坐标系，根据摄像头在摄像区域内的坐标位置，建立空间坐标系与图像坐标系的映射关系；根据目标在空间坐标系内的位置可计算目标在空间坐标系内与摄像头的距离关系。根据多帧序列图之间的距离关系的变化，可预计算目标的移动方向和速度。预设空间坐标系内的人首视窗大小，根据人首视窗大小、所述距离关系和映射关系，即可计算合适的视窗增量，以获得准确和合适的搜索视窗大小。但是该计算量略大。本实施例中，还提供一种优选的视窗增量计算方式。实际中人在空间内的移动，在二维图像内只反映为上下左右的移动，视频图像一秒内的帧数至少为25帧，一般不超过60帧，而人的移动是连续的，且人的移动速度有限，因此根据摄像每秒帧数、所摄像区域目标的移动速度和图像与所摄像区域的比例关系，即可预估一个近似的视窗增量。预设摄像图像与摄像区域的本文档来自技高网...

【技术保护点】
1.一种人脸算法脸部图像提取方法，其特征在于：包括/n获取首帧图像；/n对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域；/n获取所提取的第一人脸区域的第一人脸视窗大小；/n预设视窗增量，在第一人脸视窗的基础上增加视窗增量以获得搜索视窗的大小，搜索视窗与基础人脸视窗同中心；/n在后续帧图中在搜索视窗的范围内进行人脸检测，并提取第二人脸区域，对第二人脸区域进行特征提取以获得人脸信息。/n

【技术特征摘要】
1.一种人脸算法脸部图像提取方法，其特征在于：包括
获取首帧图像；
对首帧图像进行人脸检测，由基于Haar特征的检测方法提取第一人脸区域；
获取所提取的第一人脸区域的第一人脸视窗大小；
预设视窗增量，在第一人脸视窗的基础上增加视窗增量以获得搜索视窗的大小，搜索视窗与基础人脸视窗同中心；
在后续帧图中在搜索视窗的范围内进行人脸检测，并提取第二人脸区域，对第二人脸区域进行特征提取以获得人脸信息。


2.根据权利要求1所述的人脸算法脸部图像提取方法，其特征在于：在对首帧图像进行人脸检测时，把整幅图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布,去除误检的人脸区域，以获得范围更精确的第一人脸区域。


3.根据权利要求2所述的人脸算法脸部图像提取方法，其特征在于：在对后续帧图进行人脸检测时，把搜索视窗内的图像转换到HSV色彩空间,计算H分量；利用人脸肤色在H分量上的概率分布...

【专利技术属性】
技术研发人员：桂洪洋，陈志忠，万军杰，赵强，高波，付保庆，郭浩杰，李典，王志，徐超，杨军峰，聂保春，蒋凯，桑万里，王晓柯，
申请(专利权)人：河南铭视科技股份有限公司，
类型：发明
国别省市：河南;41