一种人脸检测速度优化方法及系统技术方案

本发明专利技术公开了一种人脸检测速度优化方法及系统，包括获取视频图像；针对视频图像提取人脸区域；和验证提取的人脸区域，本发明专利技术通过AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域，又采用面积阈值法验证提取的人脸区域的方法，不仅保留了原图像的重要特征信息而且加快了运算速度，维持了较好的运算精度。本发明专利技术适用于图像检测领域。本发明专利技术适用于图像检测领域。

【技术实现步骤摘要】
一种人脸检测速度优化方法及系统


[0001]本公开涉及人脸检测、图像处理
，具体涉及一种人脸检测速度优化方法及系统。

技术介绍

[0002]人脸检测是计算机视觉领域的热点研究课题，其目的在于确定图像中是否有人脸的存在。在涉及人脸处理的系统中确定人脸的位置是首要操作，可以为人脸处理的问题缩小检测范围，如何提高人脸检测的速度，对于减少人脸处理中的数据量，提高人脸处理系统的整体速度，满足实时人脸处理具有重要的意义，传统的人脸检测技术，存在训练分类器速度很慢，或者精度较差等问题。

技术实现思路

[0003]为解决上述问题，本公开提供一种人脸检测速度优化方法及系统的技术方案，根据本公开的一方面，提供一种人脸检测速度优化方法，所述方法包括以下步骤：
[0004]S100，获取视频图像；
[0005]S200，针对视频图像提取人脸区域；
[0006]S300，验证提取的人脸区域。
[0007]具体的，S100中，所述视频图像采用近红外摄像机获得,所述近红外摄像机的红外光的波长范围为[700,1100]nm本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检测速度优化方法，其特征在于，所述方法包括以下步骤：S100，获取视频图像；S200，针对视频图像提取人脸区域；S300，验证提取的人脸区域。2.根据权利要求1所述的一种人脸检测速度优化方法，其特征在于，S100中，所述视频图像采用近红外摄像机获得，所述近红外摄像机的红外光的波长范围为[700，1100]nm。3.根据权利要求1所述的一种人脸检测速度优化方法，其特征在于，S200中，根据视频图像提取人脸区域的方法为：S111，将视频图像转换为灰度图像；S112，针对灰度图像进行预处理；S113，对预处理过的灰度图像进行检测以提取人脸区域。4.根据权利要求3所述的一种人脸检测速度优化方法，其特征在于，S112中，针对灰度图像进行预处理的方法为直方图均衡化法、中值滤波法、归一化法、基于肤色的预处理法、边缘检测法和方差预处理法中的一种。5.根据权利要求3所述的一种人脸检测速度优化方法，其特征在于，S113中，对预处理过的灰度图像进行检测以提取人脸区域的方法为采用AdaBoost算法对预处理过的灰度图像进行检测以提取人脸区域，具体步骤为：S1131，增加45
°
矩形特征形成新的Haar
‑
like特征；S1132，采用新的Haar
‑
like特征对正、负样本进行训练，得到AdaBoost分类器：S1132
‑
1，将每个Haar
‑
like特征生成1个分类器：其中，x为样本，f
i
(x)为第i个Haar
‑
like特征在样本x上的取值，p
i
为分类符号，h
i
为由f
i
(x)构成的分类器，θ
i
为分类器h
i
的方法阈值，i为大于1的自然数；S1132
‑
2，设输入的训练样本图像为(x1，y1)，(x2，y2)，
…
，(x
n
，y
n
)，其中，y
n
＝0对应负样本，y
n
＝1对应正样本，(x
n
，y
n
)为训练样本图像的像素，n为大于0的自然数；S1132
‑
3，对于负样本，设权值w
1，t
＝1/2m，对于正样本，设权值w
1，t
＝1/2l，其中，m和1分别为正样本和负样本的数量，t为迭代数；S1132
‑
4，归一化权重...

【专利技术属性】
技术研发人员：卢仕辉，
申请(专利权)人：广东奥珀智慧家居股份有限公司，
类型：发明
国别省市：