專利名稱：一種移動(dòng)終端及其人臉檢測(cè)方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于移動(dòng)終端技術(shù)領(lǐng)域，具體涉及一種移動(dòng)終端及其人臉檢測(cè)方法和裝置。
背景技術(shù)：
近年來(lái)，隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展和移動(dòng)多媒體商業(yè)應(yīng)用需求的推動(dòng)，面向嵌 入式應(yīng)用的人臉檢測(cè)與跟蹤技術(shù)得到了很大的發(fā)展，譬如手機(jī)人臉識(shí)別，手機(jī)拍照人臉特 效，人臉替換，手機(jī)拍照人臉對(duì)焦，人臉識(shí)別門禁等應(yīng)用場(chǎng)景，都需要對(duì)特定人臉目標(biāo)進(jìn)行 檢測(cè)，這些應(yīng)用的體驗(yàn)水平與人臉檢測(cè)方法的性能密切相關(guān)。國(guó)內(nèi)外研究者提出了許多有效的人臉檢測(cè)方法，綜合國(guó)內(nèi)外文獻(xiàn)大體上可以概括 為兩大類基于知識(shí)的方法和基于學(xué)習(xí)的方法其中，基于知識(shí)的方法主要是利用人臉特征來(lái)檢測(cè)人臉，這些特征主要包括灰度 特征、幾何特征、結(jié)構(gòu)特征、紋理特征和膚色特征，其中基于膚色模型的方法應(yīng)用比較多，該 方法具有算法簡(jiǎn)單、搜索速度快等優(yōu)點(diǎn)，但是精確性方面欠佳；基于學(xué)習(xí)的方法主要包括基于特征空間的方法、基于人工神情網(wǎng)絡(luò)的方法、基于 概率模型的方法、基于支持向量機(jī)的方法和基于AdaBoost等方法。其中，Viola等在文獻(xiàn) 中提出的基于AdaBoost的方法，不僅檢測(cè)效果好，而且檢測(cè)速度快，得到了廣泛的應(yīng)用。雖 然Viola等建立了世界上第一個(gè)基于PC平臺(tái)的實(shí)時(shí)人臉檢測(cè)系統(tǒng)，但是對(duì)于手機(jī)等資源配 置有限的嵌入式平臺(tái)而言，實(shí)時(shí)性體驗(yàn)水準(zhǔn)還有待改善。如何提供一種能夠方便的嵌入手持終端，減少搜索時(shí)間，降低誤識(shí)率的人臉檢測(cè) 拍攝方法，是手持終端技術(shù)領(lǐng)域研究的方向之一。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種人臉檢測(cè)方法，目的在于提供一種能夠方便的嵌入手 持終端，減少搜索時(shí)間，降低誤識(shí)率的人臉檢測(cè)拍攝方法。本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種人臉檢測(cè)方法，所述方法包括以下步驟對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域；對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪廓；計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果調(diào)整層次分類器的大 小和步長(zhǎng)；根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪廓進(jìn)行確認(rèn)。本發(fā)明實(shí)施例的另一目的在于提供一種人臉檢測(cè)裝置，所述裝置包括圖像分割模塊，用于對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域；幾何檢測(cè)模塊，用于對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪 廓；預(yù)估目標(biāo)計(jì)算模塊，用于計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果調(diào)整層次分類器的大小和步長(zhǎng)；圖像輪廓確認(rèn)模塊，用于根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪 廓進(jìn)行確認(rèn)。本發(fā)明實(shí)施例的還一目的在于提供一種具有拍攝功能的移動(dòng)終端，所述終端包括 本發(fā)明實(shí)施例提供的人臉檢測(cè)裝置。本發(fā)明實(shí)施例通過(guò)對(duì)圖像進(jìn)行分割獲取人臉膚色區(qū)域，然后進(jìn)行幾何檢測(cè)獲取人 臉圖像輪廓，并獲取對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)獲取的窗口大小和步長(zhǎng) 對(duì)獲取的圖像輪廓進(jìn)行確認(rèn)，不僅能對(duì)復(fù)雜背景下的彩色視頻序列進(jìn)行人臉檢測(cè)，而且具 有檢測(cè)速度比原始經(jīng)典算法快，檢測(cè)精度高等優(yōu)點(diǎn)，非常適合手機(jī)等嵌入式系統(tǒng)應(yīng)用。


圖1為本發(fā)明實(shí)施例提供的人臉檢測(cè)方法的流程圖；圖2為本發(fā)明實(shí)施例提供的人臉檢測(cè)裝置的結(jié)構(gòu)圖。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不 用于限定本發(fā)明。圖1示出了本發(fā)明實(shí)施例提供的人臉檢測(cè)方法的流程。在步驟SlOl中，對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域。在具體實(shí)施過(guò)程中，在對(duì)圖像進(jìn)行分割處理時(shí)，首先選擇HSV顏色空間對(duì)圖像進(jìn) 行分割，由于人臉膚色在HSV空間具有良好的聚類性，便于后續(xù)進(jìn)行膚色建模。之后，在分 割后的區(qū)域內(nèi)，通過(guò)第一膚色分布模型獲取人臉對(duì)應(yīng)的膚色區(qū)域。其中，所述第一膚色分布模型為 其中，h(i，j)表示(i，j)像素點(diǎn)的H值。由于人臉膚色色度在顏色空間中對(duì)應(yīng)一定的分布區(qū)域，因此通過(guò)統(tǒng)計(jì)大量的膚色 樣本可以建立膚色分布模型。本發(fā)明的發(fā)明人對(duì)80幅彩色人臉圖像進(jìn)行直方圖統(tǒng)計(jì)分析，結(jié)果表明在HSV色 彩空間，通過(guò)公式(1)可以得到比較完整的膚色區(qū)域。在步驟S102中，對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪廓。經(jīng)過(guò)膚色分割后，可以濾掉大部分非膚色和類膚色區(qū)域，但是還有一些噪聲、類膚 色區(qū)域和非人臉膚色區(qū)域。人臉是一個(gè)有典型特征的模型，利用人臉的幾何特征可以排除 掉一些具有膚色特征但是不具備形狀特征的區(qū)域。其中，在對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)時(shí)，包括對(duì)膚色區(qū)域通過(guò)第一濾波公式 進(jìn)行面積濾波；對(duì)膚色區(qū)域通過(guò)第二濾波公式進(jìn)行圓度檢測(cè)；對(duì)膚色區(qū)域通過(guò)第三濾波公 式進(jìn)行高寬檢測(cè)其中，所述對(duì)膚色區(qū)域進(jìn)行面積濾波的第一濾波公式為
對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的所有像素灰度和· 然后進(jìn)行面積濾波 其中，ie (1，Ν)，Se 為閥值;Si = {(xj, yk)}, j = [1，N]，k = [1，M]是區(qū)域中 像素坐標(biāo)集，MXN代表像素的個(gè)數(shù)；x(j，k)表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口中像素的 灰度值；對(duì)彩色人臉圖像進(jìn)行統(tǒng)計(jì)實(shí)驗(yàn)，結(jié)果表明取S0 = k*100，k = {0,1}是一個(gè)經(jīng)驗(yàn) 系數(shù)，能濾掉絕大部分類膚色噪點(diǎn)和小塊類膚色區(qū)域。所述對(duì)膚色區(qū)域進(jìn)行圓度檢測(cè)的第二濾波公式為 其中，
表示預(yù)估目標(biāo)數(shù)，λ θ是閥值，Pi是標(biāo)識(shí)符號(hào)；Si表示對(duì)所述圖
像輪廓進(jìn)行檢測(cè)的窗口的面積，Ci表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的周長(zhǎng)；本發(fā)明發(fā)明人通過(guò)對(duì)80幅彩色人臉圖像的圓度進(jìn)行統(tǒng)計(jì)實(shí)驗(yàn)，結(jié)果表明取λ 0 =0. 0637能取得較好的效果，能濾掉絕大部分非人臉區(qū)域。所述對(duì)膚色區(qū)域進(jìn)行高寬檢測(cè)的第三濾波公式為 其中，
表示預(yù)估目標(biāo)數(shù)；β e是閥值Ji為標(biāo)識(shí)符號(hào)汛表示對(duì)所述圖
像輪廓進(jìn)行檢測(cè)的窗口的高度；Wi表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的寬度Ai是比例 因子。本發(fā)明發(fā)明人通過(guò)對(duì)ORL人臉數(shù)據(jù)庫(kù)中的100幅人臉圖像的長(zhǎng)寬比例因子進(jìn)行統(tǒng) 計(jì)分析，結(jié)果表明取β 0 =
能取得較好的效果，能濾掉部分類人臉膚色的非人 臉區(qū)域。通過(guò)膚色、面積、圓度和長(zhǎng)寬檢測(cè)后，基本上能準(zhǔn)確檢測(cè)出普通環(huán)境下大部分人臉。在步驟S103中，計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果調(diào)整 層次分類器的大小和步長(zhǎng)；在具體實(shí)施過(guò)程中，在計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)時(shí)，使用以下 公式窗口大小中的高度Η = β Xff ；窗口步長(zhǎng)λ = η XSmax/Smin ；其中，Smin表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的最小面積，β表示對(duì)所述圖像輪 廓進(jìn)行檢測(cè)的窗口的長(zhǎng)寬比例因子，k表示修正系數(shù)；Smax為對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗 口的最大面積。在步驟S104中，根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪廓進(jìn)行 確認(rèn)。改進(jìn)算法中有兩個(gè)修正系數(shù)η和k，是結(jié)合具體應(yīng)用場(chǎng)景通過(guò)大量統(tǒng)計(jì)實(shí)驗(yàn)得到 的優(yōu)化經(jīng)驗(yàn)值。本發(fā)明結(jié)合了人臉膚色特征檢測(cè)、人臉幾何特征檢測(cè)和基于AdaBoost的檢測(cè)方 法，只需結(jié)合膚色和形狀特征的復(fù)合人臉膚色檢測(cè)方法就能取得較好的識(shí)別效果。通過(guò)大 量的實(shí)驗(yàn)表明，本發(fā)明實(shí)施例具有檢測(cè)速度快、算法簡(jiǎn)單等優(yōu)點(diǎn)，非常適合手機(jī)等嵌入式系 統(tǒng)應(yīng)用。圖2示出了本發(fā)明實(shí)施例提供的人臉檢測(cè)裝置的結(jié)構(gòu)，所述裝置包括圖像分割模 塊21、幾何檢測(cè)模塊22、預(yù)估目標(biāo)計(jì)算模塊23以及圖像輪廓確認(rèn)模塊24。其中，圖像分割模塊21，用于對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū) 域；幾何檢測(cè)模塊22，用于對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪 廓；預(yù)估目標(biāo)計(jì)算模塊23，用于計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì) 算結(jié)果調(diào)整層次分類器的大小和步長(zhǎng)；圖像輪廓確認(rèn)模塊24，用于根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像 輪廓進(jìn)行確認(rèn)。在具體實(shí)施過(guò)程中，所述圖像分割模塊21，還用于選擇HSV顏色空間對(duì)圖像進(jìn)行 分割，并在分割后的區(qū)域內(nèi)，通過(guò)第一膚色分布模型獲取人臉對(duì)應(yīng)的膚色區(qū)域，其中，所述 第一膚色分布模型為其中，h(i，j)表示(i，j)像素點(diǎn)的H值。在具體實(shí)施過(guò)程中，所述幾何檢測(cè)模塊22，還用于對(duì)膚色區(qū)域通過(guò)第一濾波公式 進(jìn)行面積濾波，對(duì)膚色區(qū)域通過(guò)第二濾波公式進(jìn)行圓度檢測(cè)，以及，對(duì)膚色區(qū)域通過(guò)第三濾 波公式進(jìn)行高寬檢測(cè)其中，所述第一濾波公式為 對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的所有像素灰度和:smx、j,k、其中，i e (1，N)，S0 為閥值成={(xj, yk)}, j = [1，N]，k = [1，Μ]是區(qū)域中
Q ….else像素坐標(biāo)集，MXN代表像素的個(gè)數(shù)；x(j，k)表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口中像素的 灰度值；所述第二濾波公式為
D fi………Λ ^ Λ 其中，i表示預(yù)估目標(biāo)數(shù)，λ θ是閥值,Pi是標(biāo)識(shí)符號(hào)成表示對(duì)所述圖像輪廓進(jìn)行 檢測(cè)的窗口的面積，Ci表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的周長(zhǎng)；所述第三濾波公式為 r /1…擴(kuò)……β^βθ Pi ~ ^T其中，i表示預(yù)估目標(biāo)數(shù)；β θ是閥值Ji為標(biāo)識(shí)符號(hào)汛表示對(duì)所述圖像輪廓進(jìn)行 檢測(cè)的窗口的高度％表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的寬度；β i是比例因子。在具體實(shí)施過(guò)程中，所述預(yù)估目標(biāo)計(jì)算模塊23使用以下公式計(jì)算對(duì)圖像輪廓進(jìn) 行檢測(cè)的窗口大小和步長(zhǎng)
剛.微窗口大小中的高度Η = β Xff ；窗口步長(zhǎng)λ = nxsfflax/sfflin ；其中，Smin表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的最小面積，β表示對(duì)所述圖像輪 廓進(jìn)行檢測(cè)的窗口的長(zhǎng)寬比例因子，k表示修正系數(shù)；Smax為對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗 口的最大面積。本發(fā)明實(shí)施例還提供一種拍攝終端，所述終端包括本發(fā)明實(shí)施例提供的人臉檢測(cè) 裝置，鑒于該裝置在上文已有詳細(xì)的描述，此處不再贅述。本發(fā)明實(shí)施例通過(guò)對(duì)圖像進(jìn)行分割獲取人臉膚色區(qū)域，然后進(jìn)行幾何檢測(cè)獲取人 臉圖像輪廓，并獲取對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)獲取的窗口大小和步長(zhǎng) 對(duì)獲取的圖像輪廓進(jìn)行確認(rèn)，不僅能對(duì)復(fù)雜背景下的彩色視頻序列進(jìn)行人臉檢測(cè)，而且具 有檢測(cè)速度比原始經(jīng)典算法快，檢測(cè)精度高等優(yōu)點(diǎn)，非常適合手機(jī)等嵌入式系統(tǒng)應(yīng)用。應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來(lái)說(shuō)，可以根據(jù)上述說(shuō)明加以改進(jìn)或變換， 而這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。
權(quán)利要求
一種人臉檢測(cè)方法，其特征在于，所述方法包括以下步驟對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域；對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪廓；計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口的大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果調(diào)整層次分類器的大小和步長(zhǎng)；根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪廓進(jìn)行確認(rèn)。
2.如權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，在計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗 口的大小和步長(zhǎng)時(shí)，使用以下公式窗口大小中的高度Η= β Xff ；窗口 步長(zhǎng)入=nxsfflax/sfflin ；其中，Smin表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的最小面積，β表示對(duì)所述圖像輪廓進(jìn) 行檢測(cè)的窗口的長(zhǎng)寬比例因子，k表示修正系數(shù)；Smax為對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的 最大面積。
3.如權(quán)利要求1所述的人臉檢測(cè)方法，其特征在于，在對(duì)圖像進(jìn)行分割處理時(shí)，具體包括選擇HSV顏色空間對(duì)圖像進(jìn)行分割；在分割后的區(qū)域內(nèi)，通過(guò)第一膚色分布模型獲取人臉對(duì)應(yīng)的膚色區(qū)域，其中，所述第一 膚色分布模型為，
,k= [1，M]是區(qū)域中像素 坐標(biāo)集，MXN代表像素的個(gè)數(shù)；x(j，k)表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口中像素的灰度 值；所述第二濾波公式為 其中，i表示預(yù)估目標(biāo)數(shù)，λ θ是閥值,Pi是標(biāo)識(shí)符號(hào)；Si表示對(duì)所述圖像輪廓進(jìn)行檢測(cè) 的窗口的面積，Ci表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的周長(zhǎng)； 所述第三濾波公式為 其中，i表示預(yù)估目標(biāo)數(shù)；β e是閥值Ji為標(biāo)識(shí)符號(hào)汛表示對(duì)所述圖像輪廓進(jìn)行檢測(cè) 的窗口的高度；Wi表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的寬度；β i是比例因子。
5.一種人臉檢測(cè)裝置，其特征在于，所述裝置包括圖像分割模塊，用于對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域； 幾何檢測(cè)模塊，用于對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪廓； 預(yù)估目標(biāo)計(jì)算模塊，用于計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果 調(diào)整層次分類器的大小和步長(zhǎng)；圖像輪廓確認(rèn)模塊，用于根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪廓進(jìn) 行確認(rèn)。
6.如權(quán)利要求5所述的人臉檢測(cè)裝置，其特征在于，所述預(yù)估目標(biāo)計(jì)算模塊使用以下 公式計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)窗口大小中的高度 ；窗口 步長(zhǎng)入=nxsfflax/sfflin ；其中，Smin表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的最小面積，β表示對(duì)所述圖像輪廓進(jìn) 行檢測(cè)的窗口的長(zhǎng)寬比例因子，k表示修正系數(shù)；Smax為對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的 最大面積。
7.如權(quán)利要求5所述的人臉檢測(cè)裝置，其特征在于，所述圖像分割模塊，還用于， 選擇HSV顏色空間對(duì)圖像進(jìn)行分割；在分割后的區(qū)域內(nèi)，通過(guò)第一膚色分布模型獲取人臉對(duì)應(yīng)的膚色區(qū)域，其中，所述第一 膚色分布模型為 其中，h(i，j)表示(i，j)像素點(diǎn)的H值。
8.如權(quán)利要求5所述的人臉檢測(cè)裝置，其特征在于，所述幾何檢測(cè)模塊，還用于， 對(duì)膚色區(qū)域通過(guò)第一濾波公式進(jìn)行面積濾波；對(duì)膚色區(qū)域通過(guò)第二濾波公式進(jìn)行圓度 檢測(cè)；對(duì)膚色區(qū)域通過(guò)第三濾波公式進(jìn)行高寬檢測(cè) 其中，所述第一濾波公式為 對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的所有像素灰度和 其中，i e (1，N)，S0 為閥值而 是區(qū)域中像素 坐標(biāo)集，MXN代表像素的個(gè)數(shù)；x(j，k)表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口中像素的灰度 值；所述第二濾波公式為 其中，i表示預(yù)估目標(biāo)數(shù)，λ θ是閥值,Pi是標(biāo)識(shí)符號(hào)；Si表示對(duì)所述圖像輪廓進(jìn)行檢測(cè) 的窗口的面積，Ci表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的周長(zhǎng)； 所述第三濾波公式為 其中，i表示預(yù)估目標(biāo)數(shù)；β e是閥值Ji為標(biāo)識(shí)符號(hào)汛表示對(duì)所述圖像輪廓進(jìn)行檢測(cè) 的窗口的高度％表示對(duì)所述圖像輪廓進(jìn)行檢測(cè)的窗口的寬度；β i是比例因子。
9. 一種具有拍攝功能的移動(dòng)終端，其特征在于，所述移動(dòng)終端包括權(quán)利要求5至8任一 項(xiàng)所述的人臉檢測(cè)裝置。
全文摘要
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，公開(kāi)了一種移動(dòng)終端終端及其人臉檢測(cè)方法和裝置，所述方法包括對(duì)人臉圖像進(jìn)行分割處理，獲取人臉對(duì)應(yīng)的膚色區(qū)域；對(duì)獲取的膚色區(qū)域進(jìn)行幾何檢測(cè)，獲取人臉圖像的圖像輪廓；計(jì)算對(duì)圖像輪廓進(jìn)行檢測(cè)的窗口大小和步長(zhǎng)，根據(jù)計(jì)算結(jié)果調(diào)整層次分類器的大小和步長(zhǎng)；根據(jù)調(diào)整后的層次分類器的大小和步長(zhǎng)對(duì)獲取的圖像輪廓進(jìn)行確認(rèn)。本發(fā)明提供的人臉檢測(cè)方式能夠方便的結(jié)合手持終端進(jìn)行使用，而且本發(fā)明不僅減少了搜索時(shí)間，而且還降低了誤識(shí)率，利于手持終端的推廣。
文檔編號(hào)G06K9/00GK101923637SQ201010233049
公開(kāi)日2010年12月22日 申請(qǐng)日期2010年7月21日 優(yōu)先權(quán)日2010年7月21日
發(fā)明者楊衛(wèi)國(guó), 董蜀峰 申請(qǐng)人:康佳集團(tuán)股份有限公司