半监督在线学习人脸检测方法技术

本发明专利技术公开一种半监督在线学习人脸检测方法，主要解决现有技术中离线人脸检测需要采集大量样本和不能在检测过程中进行调整、提高检测率的问题。其方法步骤为：(1)获取待检测图像；(2)建立在线人脸分类器；(3)在线人脸检测；(4)判定最差检测结果是否类似人脸；(5)更新在线人脸分类器；(6)筛选分类器结果；(7)输出检测结果。本发明专利技术采用在线人脸分类器进行人脸检测，不需要采集样本和离线训练，节省了大量资源和时间，可以简单、快速的进行人脸检测；并且通过线学习方法对人脸分类器进行更新，使本发明专利技术可以在人脸检测过程中不断调整检测器参数，逐步提高人脸检测的正确率。

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及一种模式识别领域中的。本专利技术首先手工标记出一幅具有多张人脸的图像中无遮挡的一张人脸作为学习正样本，然后通过在线学习方法来定位图像中其它具有相同姿态人脸的位置和所占的区域，可应用于人机交互，人脸识别与跟踪等。
技术介绍
人脸检测是判断指定图像中所有人脸(如果存在)的位置和大小的过程，最初作为自动人脸识别系统的定位环节被提出来，近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值，已经成为人脸信息处理中的一项关键技术。中国船舶重工业集团公司第七〇九研究所提出的专利申请“复杂背景下彩色图像人脸的快速检测方法”(专利申请号200910063147. 4，公开号CN101630363A)，公开了一种复杂背景下高分辨率彩色图像人脸的快速检测方法。该方法首先根据采集的大量肤色样本数据建立由RGB和YCbCr两种色彩空间约束组成的人脸肤色混合模型来确定肤色像素，并采用整体肤色像素比率快速跳过非人脸区域，以提高人脸候选区域的定位效率；然后使用改进的基于正向特征选择的人脸快速检测算法实现人脸候选区域的人脸初步判定；最后利用基于空间约束和几何约束的虚警抑制方法进一步降低误检率，从而完成人脸检测。该方法虽然能在很低虚警率情况下以很高的检测率实现图像中多个正面人脸的快速定位，但是仍然存在的不足是该方法建立的人脸肤色混合模型需要大量的肤色样本，而获得这些样本需要拍摄大量的图像，再通过人工或机器标记的方法从图像中选择出合适的样本，这样会消耗较长时间和大量的资源。上海交通大学提出的专利申请“特征简化的人脸检测方法”(专利申请号 200910050445. X，公开号CN101546375A)公开了一种人脸检测方法。该方法实施步骤是第一步，简化类Haar特征，首先对正、负样本用积分图计算每一个类Haar特征的灰度值，然后得到正、负样本灰度值累计直方图的峰值，由正、负样本累积直方图峰值的相对位置，来判断该特征对人脸和非人脸的区分能力，并决定是剔除还是保留该特征；第二步，对简化的类 Haar特征进行训练，选出满足条件的最优弱分类器；第三步，利用训练得到的最优弱分类器，对人脸图片进行检测。该方法虽然在保证人脸检测的精度的同时，较好解决了 AdaBoost 法耗时的问题，但是仍然存在的不足是该方法采用的AdaBoost法是一种离线分类器建立方法，不能在检测过程中根据检测结果进行更新以提高检测正确率，缺乏灵活性和适应性。
技术实现思路
本专利技术针对上述现有技术的不足，提出一种一幅有多张人脸的图像中，可以通过学习一幅有多张人脸图像中的一幅具有代表性姿态的人脸定位出该图像中的其他人脸，这样既不需要采集大量样本建立离线分类器，又能够通过在线学习不断提高人脸分类器检测的正确率。实现本专利技术的具体思路是采用半监督方式从一幅具有多张人脸的图像中手工标记出一张人脸作为正样本，对正样本进行特征提取，建立在线人脸分类器。由于缺乏样本， 在线人脸分类器建立初期检测错误率较高，本专利技术采用一种负反馈的在线学习方式来逐步提高该分类器检测的正确率。在检测过程中，首先用建立的在线人脸分类器进行人脸检测， 再将检测结果中相似度低于设定阈值的结果作为负样本对在线人脸分类器进行训练和更新，然后重新进行人脸检测，重复以上过程，不断提高在线分类器的正确率，直到其所有检测结果都与正样本相似度大于设定阈值。最后通过计算在线人脸分类器检测结果两两之间的相似度排除掉可能存在的非人脸图像，获得人脸检测结果。为了实现上述目的，本专利技术方法包括如下步骤(1)获取待检测图像la)输入一幅具有多张人脸的图像；lb)根据图像的色彩空间采用相应转换算法，将具有多张人脸的图转换为灰度图像；Ic)将转换后的灰度图像作为待检测图像。(2)建立在线人脸分类器2a)检测人员在待检测图像中手工标记出与需要检测的姿态相同的一张人脸作为正样本；2b)对正样本提取矩形特征，采用on-line boosting方法建立在线人脸分类器。(3)在线人脸检测3a)将待检测图像连续缩小；3b)穷举缩小后的图像中与正样本同样大小的子窗口 ；3c)找出通过在线人脸分类器检测的子窗口，获得在线人脸检测结果。(4)判定最差检测结果是否类似人脸4a)采用相关法计算步骤3c)中在线人脸检测结果与正样本的相似度；4b)从步骤3c)的在线人脸检测结果中找出与正样本相似度最低的结果，获得最差检测结果；4c)如果最差检测结果与正样本相似度在设定阈值以下，则认为该检测结果为非人脸，将其作为负样本，执行步骤(5)；否则，判定在线分类器已经检测出待检测图像中所有与正样本姿态相同的人脸，获得分类器最终检测结果，执行步骤(6)。(5)更新在线人脸分类器5a)对步骤4c)中的负样本提取矩形特征；5b)用提取的特征对在线人脸分类器的每个弱分类器进行训练，将每个选择器中正确率最低的弱分类器由随机生成的新弱分类器替代，并将每个选择器中正确率最高的弱分类器级联构成强分类器，获得更新后的在线人脸分类器，执行步骤(3)。(6)筛选分类器结果6a)采用相关法计算分类器最终检测结果两两之间的相似度；6b)统计与每个检测结果相似度在设定阈值以下的检测结果的数量，如果数量大于检测结果总数量的一半，则将该结果删除；否则，将该结果保留；6c)收集所有保留的检测结果，获得最终检测结果。(7)输出检测结果。本专利技术与现有技术相比有以下优点第一，本专利技术采用在线人脸分类器进行人脸检测，克服了现有技术中使用离线方法需要采集大量样本和较长训练时间的缺点，使本专利技术可以不需要样本库，简单、快速的进行人脸检测。第二，本专利技术通过线学习方法对人脸分类器进行更新，克服了现有技术中人脸检测器不能在检测过程中进行调整的缺点，使本专利技术可以在人脸检测过程中不断调整检测器参数，逐步提高人脸检测的正确率。附图说明图1为本专利技术方法的流程图；图2为本专利技术的仿真效果图。具体实施措施下面结合附图对专利技术做进一步描述。结合附图1对本专利技术方法的具体步骤描述如下步骤1，获取待检测图像输入一幅具有多张人脸的图像，根据图像的色彩空间采用相应转换算法，将该图转换为灰度图像；将转换后的灰度图像作为待检测图像。步骤2，建立在线人脸分类器检测人员在待检测图像中手工标记出与需要检测的姿态相同的一张人脸作为正样本。将矩形作为人脸检测的特征向量对正样本进行特征提取，采用on-line boosting 方法建立在线人脸分类器，所建立的分类器包含多个级联的选择器，每个选择器包含多个并联的弱分类器，将每个选择器中正确率最高的弱分类器级联组成强分类器进行分类检测。由于样本缺乏，在线人脸分类器建立的前期检测结果的错误率会比较高，随着样本的增加，在线人脸分类器能够不断更新，其检测正确率也会逐步提高。本专利技术实例中，建立的在线人脸分类器包含300个选择器，每个选择器包含100个弱分类器。步骤3，在线人脸检测将待检测图像连续缩小，穷举缩小后的图像中与正样本同样大小的子窗口，利用在线人脸分类器对将这些窗口进行人脸检测。找出通过在线人脸分类器检测的子窗口，这些子窗口为在线人脸检测的结果。在线人脸分类器建立初期检测结果中存在较多非人脸图像，随着分类器不断更新，检测结果中非人脸图像会逐步减少。步骤4，判定本文档来自技高网...

【技术保护点】
１．一种半监督在线学习人脸检测方法，包括以下步骤：（１）获取待检测图像１ａ）输入一幅具有多张人脸的图像；１ｂ）根据图像的色彩空间采用相应转换算法，将具有多张人脸的图转换为灰度图像；１ｃ）将转换后的灰度图像作为待检测图像；（２）建立在线人脸分类器２ａ）检测人员在待检测图像中手工标记出与需要检测的姿态相同的一张人脸作为正样本；２ｂ）对正样本提取矩形特征，采用ｏｎ－ｌｉｎｅ　ｂｏｏｓｔｉｎｇ方法建立在线人脸分类器；（３）在线人脸检测３ａ）将待检测图像连续缩小；３ｂ）穷举缩小后的图像中与正样本同样大小的子窗口；３ｃ）找出通过在线人脸分类器检测的子窗口，获得在线人脸检测结果；（４）判定最差检测结果是否类似人脸４ａ）采用相关法计算步骤３ｃ）中在线人脸检测结果与正样本的相似度；４ｂ）从步骤３ｃ）的在线人脸检测结果中找出与正样本相似度最低的结果，获得最差检测结果；４ｃ）如果最差检测结果与正样本相似度在设定阈值以下，则认为该检测结果为非人脸，将其作为负样本，执行步骤（５）；否则，判定在线分类器已经检测出待检测图像中所有与正样本姿态相同的人脸，获得分类器最终检测结果，执行步骤（６）；（５）更新在线人脸分类器５ａ）对步骤４ｃ）中的负样本提取矩形特征；５ｂ）用提取的特征对在线人脸分类器的每个弱分类器进行训练，将每个选择器中正确率最低的弱分类器由随机生成的新弱分类器替代，并将每个选择器中正确率最高的弱分类器级联构成强分类器，获得更新后的在线人脸分类器，执行步骤（３）；（６）筛选分类器结果６ａ）采用相关法计算分类器最终检测结果两两之间的相似度；６ｂ）统计与每个检测结果相似度在设定阈值以下的检测结果的数量，如果数量大于检测结果总数量的一半，则将该结果删除；否则，将该结果保留；６ｃ）收集所有保留的检测结果，获得最终检测结果；（７）输出检测结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：田小林，焦李成，任艳朋，张小华，王桂婷，朱虎明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87