一种移动端人脸检测方法技术

本发明专利技术涉及一种移动端人脸检测方法，包括步骤：获取人脸图像，并对人脸图像进行光照补偿预处理，得到预处理图像；对所述预处理图像进行肤色分割处理，得到肤色区域；对所述肤色区域进行区域筛选，得到人脸检测框；为所述人脸检测框构造Adaboost弱分类器，进一步进行人脸区域筛选，得到人脸候选窗口；将输出的所述人脸候选窗口归一化，并输入进改进的AlexNet网络，得到人脸检测结果。本发明专利技术采用的方法基于肤色分割、Adaboost、以及改进的AlexNet网络，通过Adaboost对人脸图像进行筛选，再通过改进的网络进一步准确提取人脸特征，减少了大量的网络参数，在人脸检测中具有无可比拟的准确率和速度，因此可以更好地应用于移动端的人脸检测。脸检测。脸检测。

【技术实现步骤摘要】
一种移动端人脸检测方法


[0001]本专利技术涉及模式识别
，更具体的，涉及一种移动端人脸检测方法。

技术介绍

[0002]随着网络的迅速普及和信息化技术的高速发展，传统的身份认证技术存在易被遗忘或丢失，甚至被恶意盗用、伪造等安全隐患，可靠性不断降低。生物特征，作为人的一种内在属性，并且具有很强的稳定性和个体差异性，逐步被各国科学家认为是最理想的自动身份验证的依据。典型的生物识别技术包括指纹、虹膜、掌纹、签名、声音、步态、人脸等等。其中签名、声音和步态等生物特征具有容易伪装、稳定性较差的性质，应用范围较小。目前指纹、虹膜等生物识别技术发展比较成熟，但是这类特征往往需要采集人配合或者专业的刑侦人员才能有效采集，在采集性上存在限制，不易伪装。相比之下，人脸检测作为生物特征识别领域的一个重要组成部分，在普遍性、独特性和可采集性等方面都有一定的优势，具有广泛的市场应用前景。相比于传统的身份证、签字、密码等身份鉴别方法，以及其他生物特征，人脸检测具有自然性、方便性和非接触性等优点。
[0003]人脸检测有一种基于先验知识的器官分布方法，用马赛克方法首先找到人脸五官分布的几何规则，然后建立嘴巴、眼睛等人脸器官的模版，根据模版找出器官的位置，并筛选出人脸。这种基于知识的传统方法对人脸依赖度高，所以该方法无法检测出复杂的人脸，精确度较低，并不能满足实际的需求。
[0004]人脸检测还有一种建立于统计理论的Adaboost机器学习方法，该方法根据哈尔特征构造出一个代表人脸的弱分类器，通过加权投票，多次迭代训练出强分类器，并将一些强分类器级联。同时，Viola和Jones将Adaboost方法应用于手机端，该方法只对正位人脸有较高的准确率，无法快速捕捉人脸，进而无法对旋转的人脸进行检测。
[0005]邓锋等提出利用CNN来模拟大脑的学习机制，构造一个多层网络结构模型，利用网络的权值共享、拓扑结构学习和组织，利用卷积层、池化层自适应提取人脸特征，可以检测出遮挡、昏暗和强光情况下的人脸、任意姿态的人脸。但是CNN网络结构复杂，在进行检测时，会产生大量网络参数，因此CNN不能在手机端直接运行。
[0006]现在需要一种新的移动端人脸检测方法，来提高人脸检测设备的准确性，快捷性，便携性。

技术实现思路

[0007]本专利技术目的在于提供了一种基于机器学习的移动端人脸检测方法，旨在提高移动端人脸检测的准确率和速度。本专利技术提出的方法有较高的精度，并有较快的检测速度。同时，该方法在人脸检测的表现具有很强的稳健性。
[0008]本申请提供了一种移动端人脸检测方法，包括：
[0009]获取人脸图像，并对人脸图像进行光照补偿预处理，得到预处理图像；
[0010]对所述预处理图像进行肤色分割处理，得到肤色区域；
[0011]对所述肤色区域进行区域筛选，得到人脸检测框；
[0012]为所述人脸检测框构造Adaboost弱分类器，去除所述肤色区域中肤色分割误检的区域，得到人脸候选窗口；
[0013]将输出的所述人脸候选窗口归一化处理后输入到改进AlexNet网络，得到人脸检测结果。
[0014]在一些实施例中，所述去除所述肤色区域中肤色分割误检的区域的步骤包括：
[0015]利用哈尔特征构建所述Adaboost弱分类器；
[0016]提取所述肤色区域中按预设规则分割的各个子区域的特征值；
[0017]将所述特征值输入Adaboost弱分类器，得到各个子区域的检测结果，所述检测结果包括检测正确或误检；
[0018]将检测结果为误检的子区域从所述肤色区域中剔除。
[0019]在一些实施例中，所述改进AlexNet网络保留前五层卷积层，利用支持向量机SVM和非极大值抑制算法替换传统AlexNet网络的全部全连接层。
[0020]在一些实施例中，所述归一化处理包括：
[0021]将所述人脸候选窗口内的图像归一化为227
×
227的图像。
[0022]在一些实施例中，所述输入到改进AlexNet网络的步骤包括：
[0023]将经归一化处理的图像卷积得到256个13
×
13的特征图；
[0024]构造多个窗口g
ij
，i为窗口的长，j为窗口的宽；
[0025]将每个窗口对应采用SVM标记；
[0026]将特征图输入进标记后的SVM窗口，再输入到非极大值抑制中，输出人脸检测结果。
[0027]本专利技术利用SVM和非极大值抑制算法替换传统的AlexNet网络全连接层，简化了网络结构，从而减少了网络的计算时间，进一步加快了人脸检测的速度。
[0028]本专利技术采用的方法基于肤色分割、Adaboost、以及改进的AlexNet网络，通过Adaboost对人脸图像进行筛选，再通过改进的网络进一步准确提取人脸特征，减少了大量的网络参数，在人脸检测中具有无可比拟的准确率和速度，因此可以更好地应用于移动端的人脸检测。
附图说明
[0029]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本申请一种移动端人脸检测方法流程图；
[0031]图2为本申请方法中改进Alexnet网络处理图像过程示意图。
具体实施方式
[0032]如图1所示，本申请提供了一种移动端人脸检测方法，具体包括以下步骤：
[0033]S1:获取人脸图像，并对人脸图像进行光照补偿预处理，得到预处理图像：由于图像的色彩信息经常受到光源、采集设备的色彩的偏差等因素的影响从而导致整体上色彩向
某一方向移动，图像出现偏冷、偏黄等现象。因此，本专利技术对原人脸图像进行光照补偿预处理。
[0034]其中，光照补偿算法可以有多种，例如，在一种可行性实施例中光照补偿的算法可以是参考白的算法。进行参考白算法的出发点有两点：
[0035]①
白色像素存在很多的图片中，在人脸图像中尤其明显，在眼球外围等处通常就是纯白色。因此可以将亮度最大的色彩的像素值调整为255。
[0036]②
需要进行光线补偿的存在的图像在原来是白色的区域中有着最直接的体现，因此将光线补偿扩充到整张图像区域并不会影响到图片的特征信息，对肤色检测不会有本质的影响。
[0037]S2:对所述预处理图像进行肤色分割处理，得到肤色区域。
[0038]进行光照补偿处理后就需要对肤色进行建模，建模的目的是为了让肤色能够与照片中的其他像素点区分开，进而划分不同区域。
[0039]建模的方向一是投射到一种色彩空间上，在某些色彩空间下，肤色具有一定的聚类型，一般常见的的色彩空间有RGB、YCrCb以及HSI色彩空间。其中性能表现最好的就是YCrCb色彩空间，其性能主要表现在肤色的聚类型，从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动端人脸检测方法，其特征在于，所述方法包括：获取人脸图像，并对人脸图像进行光照补偿预处理，得到预处理图像；对所述预处理图像进行肤色分割处理，得到肤色区域；对所述肤色区域进行区域筛选，得到人脸检测框；为所述人脸检测框构造Adaboost弱分类器，去除所述肤色区域中肤色分割误检的区域，得到人脸候选窗口；将输出的所述人脸候选窗口归一化处理后输入到改进AlexNet网络，得到人脸检测结果。2.根据权利要求1所述的一种移动端人脸检测方法，其特征在于，所述去除所述肤色区域中肤色分割误检的区域的步骤包括：利用哈尔特征构建所述Adaboost弱分类器；提取所述肤色区域中按预设规则分割的各个子区域的特征值；将所述特征值输入Adaboost弱分类器，得到各个子区域的检测结果，所述检测结果包括检测正确或误检；将检测结果为误检的子区域从所述肤色区...

【专利技术属性】
技术研发人员：邹阅培，彭庆军，王浩州，唐立军，
申请(专利权)人：云南电网有限责任公司昆明供电局，
类型：发明
国别省市：