人脸检测方法和人脸检测设备技术

本发明专利技术提供一种人脸检测方法，包括：导入步骤，导入待处理图像；子图像提取步骤，利用不同尺度的窗口分别遍历待处理图像，提取窗口中的待处理图像的部分，作为子图像；预处理步骤，针对所述子图像，利用水平Sobel模板计算得到该子图像的Sobel图像，如果该Sobel图像中预定区域的Sobel响应值之和相对于该子图像的总Sobel响应值之比小于预定比例阈值，则排除该子图像；检测步骤，针对通过预处理步骤的子图像，利用Adaboost级联分类器排除非人脸子图像，获得候选人脸子图像；验证步骤，针对所述候选人脸子图像，利用基于Haar-Sobel特征建立的Adaboost分类器，对候选人脸子图像进行验证，排除非人脸子图像，其余作为人脸子图像。本发明专利技术还相应地提供一种人脸检测设备。

【技术实现步骤摘要】

本专利技术涉及ー种人脸检测方法和人脸检测设备。
技术介绍
随着计算机技术特别是模式识别技术的发展，人脸检测作为ー个技术方向出现在人们的视野。人脸检测技术可以作为图像处理和视频分析领域中多种应用项目的基础性エ作，比如人脸识别、人脸图像检索以及驾驶员疲劳状态检测等等。在人脸检测技术的外围技术中，例如，专利文件1(US 6415053B1)提出了计算并存储代表方向的梯度信息的技木。在该专利中，采用许多方向性模板，以提升边缘区域的提取精确度。应当指出，该专利的目的在于定位图像中的边缘区域，并不能直接用于人脸检測。现在，关于人脸检测技木本身也已经取得了一定成就，例如，专利文件2(US7171025B2)提出了一种可以选择来自图像或者视频内容中的人脸的检测模块。该检测模块采用了由粗到精的策略。在粗糙层级中，一些候选点通过颜色模型而被选择。在精细层级中，采用人脸检测器来从具有肤色的图像点中选择人脸位置。该专利技术的主要局限在干，由于该专利技术的实施依赖于颜色模型，而颜色模型对于光照并不鲁棒，因此严重限制了其性倉^:。传统的人脸检测手段的设计思路虽然是要使人脸检测器同时保证检测性能、检测速度和低误本文档来自技高网...

【技术保护点】
一种人脸检测方法，包括：导入步骤，导入待处理图像；子图像提取步骤，利用不同尺度的窗口分别遍历待处理图像，提取窗口中的待处理图像的部分，作为子图像；预处理步骤，针对所述子图像，利用水平Sobel模板计算得到该子图像的Sobel图像，如果该Sobel图像中预定区域的Sobel响应值之和相对于该子图像的总Sobel响应值之比小于预定比例阈值，则排除该子图像；检测步骤，针对通过预处理步骤的子图像，利用Adaboost级联分类器排除非人脸子图像，获得候选人脸子图像；验证步骤，针对所述候选人脸子图像，利用基于Haar?Sobel特征建立的Adaboost分类器，对候选人脸子图像进行验证，排除非人脸子图像，...

【技术特征摘要】
1.一种人脸检测方法，包括 导入步骤，导入待处理图像； 子图像提取步骤，利用不同尺度的窗口分别遍历待处理图像，提取窗口中的待处理图像的部分，作为子图像； 预处理步骤，针对所述子图像，利用水平Sobel模板计算得到该子图像的Sobel图像，如果该Sobel图像中预定区域的Sobel响应值之和相对于该子图像的总Sobel响应值之比小于预定比例阈值，则排除该子图像； 检测步骤，针对通过预处理步骤的子图像，利用Adaboost级联分类器排除非人脸子图像，获得候选人脸子图像； 验证步骤，针对所述候选人脸子图像，利用基于Haar-Sobel特征建立的Adaboost分类器，对候选人脸子图像进行验证，排除非人脸子图像，其余作为人脸子图像。2.按照权利要求1所述的人脸检测方法，其中，通过针对样本人脸图像，利用水平Sobel模板计算得到样本人脸Sobel图像，对样本人脸Sobel图像应用Haar特征，来获得所述 Haar-Sobel 特征。3.按照权利要求2所述的人脸检测方法，其中，对样本人脸Sobel图像进行积分处理得到样本人脸积分Sobel图像，针对样本人脸积分Sobel图像，对与该样本人脸积分Sobel图像对应的样本人脸Sobel图像上的Haar特征进行计算,来获得所述Haar-Sobel特征。4.按照权利要求1所述的人脸检测方法，还包括决策步骤，根据待处理图像中人脸子图像的密度，排除密度低于预定密度阈值的位置处的人脸子图像。5.按照权利...

【专利技术属性】
技术研发人员：钟诚，刘殿超，刘童，师忠超，王刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：