一種基于敏感區(qū)域的正面人臉檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于敏感區(qū)域的正面人臉檢測(cè)方法，該方法包括以下步驟：設(shè)置虛擬線圈，確定敏感區(qū)域的位置和大??；通過(guò)背景建模檢測(cè)跟蹤敏感區(qū)域內(nèi)的運(yùn)動(dòng)前景；根據(jù)Haar-like特征的Adaboost檢測(cè)算法檢測(cè)出人臉的候選區(qū)域；根據(jù)人臉的顏色特征以及簡(jiǎn)化的形狀特征，設(shè)置一定的限制條件來(lái)排除非正面人臉圖像。本發(fā)明通過(guò)敏感區(qū)域的設(shè)置以及運(yùn)動(dòng)前景檢測(cè)，提高了后續(xù)Adaboost檢測(cè)算法的效率，并通過(guò)后期的膚色以及形狀驗(yàn)證，提高了檢測(cè)準(zhǔn)確率。
【專(zhuān)利說(shuō)明】—種基于敏感區(qū)域的正面人臉檢測(cè)方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及模式識(shí)別【技術(shù)領(lǐng)域】，具體涉及一種基于敏感區(qū)域的正面人臉檢測(cè)方法。
【背景技術(shù)】
[0002]人臉檢測(cè)問(wèn)題最初來(lái)源于人臉識(shí)別。最初人臉研究主要集中在人臉識(shí)別領(lǐng)域，而且早期的人臉識(shí)別算法都是在認(rèn)為已經(jīng)得到了一個(gè)正面人臉的前提下進(jìn)行的。但是隨著人臉應(yīng)用范圍的不斷擴(kuò)大和開(kāi)發(fā)實(shí)際系統(tǒng)需求的不斷提高，這種假設(shè)下的研究不再能滿足需求。人臉檢測(cè)開(kāi)始作為獨(dú)立的研究?jī)?nèi)容發(fā)展起來(lái)。
[0003] 人臉檢測(cè)的方法研究最初可以追溯到20世紀(jì)70年代，早期的研究主要致力于模板匹配、子空間方法、變形模板匹配等。近期人臉檢測(cè)的研究主要集中在基于數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)方法，如統(tǒng)計(jì)模型方法、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法、統(tǒng)計(jì)知識(shí)理論和支持向量機(jī)方法，基于馬爾可夫隨機(jī)域的方法，以及基于膚色的人臉檢測(cè)。2001年Viola和Jones提出的基于Haar特征，使用Adaboost方法得到的瀑布型分類(lèi)器，采用了層級(jí)處理方法，被公認(rèn)為近年來(lái)最好的正面人臉檢測(cè)方法，目前在實(shí)際中應(yīng)用的人臉檢測(cè)方法多為基于Adaboost學(xué)習(xí)算法的方法。
[0004]隨著近幾年視頻監(jiān)控系統(tǒng)的普及化及龐大化，在監(jiān)控視頻中的人臉檢測(cè)就成為了當(dāng)前研究的一個(gè)熱點(diǎn)問(wèn)題。由于監(jiān)控視頻中人臉檢測(cè)需要考慮人臉檢測(cè)的實(shí)時(shí)性，也就是人臉檢測(cè)的速度問(wèn)題。而傳統(tǒng)的檢測(cè)流程主要策略是按比例逐層縮小待檢測(cè)圖像形成“圖像金字塔”，檢測(cè)窗口大小不變，然后用檢測(cè)窗口遍歷整個(gè)圖像，檢測(cè)包含人臉的子窗口。如果待檢測(cè)圖像較大，縮小圖像的變換需要占用大量時(shí)間，這將會(huì)減慢檢測(cè)速度。此外，傳統(tǒng)的基于Adaboost方法的人臉檢測(cè)所檢測(cè)到的人臉并不一定是正面的人臉，偏左或偏右的人臉都可以被檢測(cè)到，然而這些人臉并不適用于人臉比對(duì)、人臉識(shí)別等后期的應(yīng)用。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有人臉檢測(cè)技術(shù)在檢測(cè)效果以及檢測(cè)效率上所存在的問(wèn)題，而提供一種基于敏感區(qū)域的正面人臉檢測(cè)方法。該檢測(cè)方法能有效克服傳統(tǒng)Adaboost算法檢測(cè)時(shí)間長(zhǎng)的問(wèn)題，同時(shí)能夠排除不適用于人臉比對(duì)、人臉識(shí)別等后期應(yīng)用的偏左或偏右45°以上的人臉。
[0006]為了達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案:
[0007]一種基于敏感區(qū)域的正面人臉檢測(cè)方法，所述方法包括:
[0008](I)設(shè)置虛擬線圈，確定敏感區(qū)域；
[0009](2)建立混合高斯模型，檢測(cè)步驟(I)中確定的敏感區(qū)域內(nèi)的運(yùn)動(dòng)前景；
[0010](3)利用由Adaboost算法訓(xùn)練好的分類(lèi)器，對(duì)步驟(2)中檢測(cè)到的運(yùn)動(dòng)前景進(jìn)行人臉檢測(cè)，得到待定人臉區(qū)域；
[0011](4)根據(jù)人臉特征，進(jìn)一步驗(yàn)證待定人臉區(qū)域是否為正面人臉圖像。[0012]在本發(fā)明的優(yōu)選實(shí)例中，所述虛擬線圈是圖像序列中由人工指定的一系列區(qū)域，這些區(qū)域可以覆蓋整個(gè)圖像，也可以局限于某個(gè)區(qū)塊，并且在該區(qū)域內(nèi)按照?qǐng)D像序列之間的關(guān)系，利用有關(guān)圖像運(yùn)動(dòng)檢測(cè)算法來(lái)提取目標(biāo)對(duì)象的特征曲線，根據(jù)特征曲線判斷運(yùn)動(dòng)對(duì)象的類(lèi)型。
[0013]進(jìn)一步的，所述步驟(3)中利用Adaboost檢測(cè)算法得到的待定人臉區(qū)域?yàn)閺陌l(fā)際線到下巴尖的正方形人臉截圖。
[0014]進(jìn)一步的，所述步驟(4)中驗(yàn)證待定人臉區(qū)域是否為正面人臉圖像的方法具體包括:
[0015]步驟4-1、對(duì)待定人臉區(qū)域中人臉圖像進(jìn)行整體的膚色檢測(cè)，并根據(jù)膚色分割結(jié)果將待定人臉圖像二值化；
[0016]步驟4-2、局部驗(yàn)證，分別統(tǒng)計(jì)待定人臉圖像的左上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比和右上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比，若左上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比和右上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比都大于閾值a，則進(jìn)入步驟4-3 ;否則，判定該待定人臉圖像為非正面人臉圖像；
[0017]步驟4-3、全局驗(yàn)證，統(tǒng)計(jì)待定人臉圖像整體的膚色像素個(gè)數(shù)與非膚色像素個(gè)數(shù)之t匕，若其大于閾值b，則判定該待定人臉圖像為正面人臉圖像；否則，判定該待定人臉圖像為非正面人臉圖像。
[0018]再進(jìn)一步的，所述步驟(4-2)中所述的左上角和右上角為正方形區(qū)域，其大小是根據(jù)待定人臉區(qū)域按照一定比例縮小后得到的。
[0019]根據(jù)上述方案，本發(fā)明實(shí)時(shí)地檢測(cè)視頻中敏感區(qū)域的正面人臉，檢測(cè)到的正面人臉可用于人臉比對(duì)、人臉識(shí)別等后續(xù)應(yīng)用，且本方案的判斷精度高、檢測(cè)速度快，能夠大大提高人臉比對(duì)、人臉識(shí)別等應(yīng)用的運(yùn)行速度以及識(shí)別準(zhǔn)確度，提升了用于軍事禁區(qū)、門(mén)禁等報(bào)警設(shè)備的安全性，具有極強(qiáng)的實(shí)用性。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0020]以下結(jié)合附圖和【具體實(shí)施方式】來(lái)進(jìn)一步說(shuō)明本發(fā)明。
[0021]圖1為本發(fā)明的流程圖；
[0022]圖2為Adaboost檢測(cè)算法檢測(cè)出來(lái)的待定人臉區(qū)域的示意圖；
[0023]圖3為待定人臉區(qū)域的左上角和右上角區(qū)域的示意圖；
[0024]圖4為感興趣運(yùn)動(dòng)前景檢測(cè)的實(shí)例示意圖；
[0025]圖5為正面人臉驗(yàn)證的實(shí)例示意圖。
【具體實(shí)施方式】
[0026]為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體圖示，進(jìn)一步闡述本發(fā)明。
[0027]本發(fā)明通過(guò)提取人臉的Haar-1ike特征、形狀特征、皮膚顏色特征以及空間特征來(lái)檢測(cè)人臉，并以此來(lái)確定得到的人臉圖像是否為正面人臉圖像。
[0028]參見(jiàn)圖1，其所示為本發(fā)明提出的基于敏感區(qū)域的正面人臉檢測(cè)方法的流程圖，由圖可知該檢測(cè)方法包括如下步驟:[0029]步驟1，設(shè)置敏感區(qū)域，敏感區(qū)域設(shè)置根據(jù)視頻場(chǎng)景的實(shí)際情況，采用人工手動(dòng)的方式選取。具體的通過(guò)手動(dòng)設(shè)置虛擬線圈的方式，以此確定相應(yīng)的敏感區(qū)域，這樣能夠極大地縮短了視頻自動(dòng)檢索的時(shí)間，有效地提高了檢測(cè)精度，同時(shí)實(shí)現(xiàn)簡(jiǎn)單、成本低。
[0030]這里所述的虛擬線圈是圖像序列中由人工指定的一系列區(qū)域，這些區(qū)域可以覆蓋整個(gè)圖像，也可以局限于某個(gè)區(qū)塊。就像在出入口埋設(shè)檢測(cè)器一樣。它是在視頻圖像檢測(cè)中用來(lái)代替物理檢測(cè)線圈功能的一種方法。物理檢測(cè)線圈是通過(guò)壓力、磁感應(yīng)等方式來(lái)檢測(cè)是否有運(yùn)動(dòng)對(duì)象經(jīng)過(guò)而產(chǎn)生的特征曲線，虛擬線圈則是在指定的區(qū)域內(nèi)按照?qǐng)D像序列之間的關(guān)系，利用有關(guān)圖像運(yùn)動(dòng)檢測(cè)算法來(lái)提取目標(biāo)對(duì)象的特征曲線，根據(jù)特征曲線判斷運(yùn)動(dòng)對(duì)象的類(lèi)型。
[0031]在本實(shí)例中，虛擬線圈是在視頻圖像檢測(cè)中確定的一個(gè)矩形檢測(cè)區(qū)域，根據(jù)現(xiàn)場(chǎng)實(shí)際所需要重點(diǎn)監(jiān)控和檢測(cè)的區(qū)域，確定虛擬線圈的位置和大小，確保虛擬線圈內(nèi)包含該監(jiān)控區(qū)域，但虛擬線圈不可過(guò)大，以免增加不必要的算法執(zhí)行時(shí)間，降低了算法的執(zhí)行效率。虛擬線圈的選取關(guān)系到檢測(cè)算法的精度和速度，并且受到攝像頭安裝的高度和傾角，以及攝像頭景深的影響。虛擬線圈越靠近圖像底部的位置，檢測(cè)對(duì)象的間距越大，便于檢測(cè)；虛擬線圈越大，相對(duì)檢測(cè)精度就越高，相應(yīng)的算法執(zhí)行時(shí)間也會(huì)越長(zhǎng)。由于整個(gè)系統(tǒng)要適應(yīng)各種出入口，所以虛擬線圈的位置大小選取交給了用戶。故在本具體實(shí)施例中，采用VS開(kāi)發(fā)了 PC軟件，通過(guò)串口，對(duì)各個(gè)出入口的虛擬線圈的大小和位置進(jìn)行設(shè)置。
[0032]對(duì)于敏感區(qū)域的選取，根據(jù)實(shí)際需求可選取的敏感區(qū)域包括卡口、出入口、警戒線附近等需要重點(diǎn)監(jiān)控的區(qū)域。
[0033]步驟2，檢測(cè)步驟I中設(shè)置的敏感區(qū)域中的感興趣運(yùn)動(dòng)前景，得到感興趣的運(yùn)動(dòng)前景區(qū)域。
[0034]在通常應(yīng)用中，涉及的感興趣的運(yùn)動(dòng)前景主要指人。具體可通過(guò)建立監(jiān)控視頻背景的混合高斯模型，檢測(cè)運(yùn)動(dòng)前景目標(biāo)，再進(jìn)一步通過(guò)成熟的行人檢測(cè)技術(shù)，判斷該運(yùn)動(dòng)前景目標(biāo)是否為人。該步驟最終檢測(cè)出來(lái)的感興趣運(yùn)動(dòng)前景將作為后續(xù)Adaboost算法檢測(cè)的范圍，這樣將大大的減少了 Adaboost算法的計(jì)算量，有效的提高整個(gè)檢測(cè)方法的效率。
[0035]步驟3，采用預(yù)先訓(xùn)練出來(lái)的Haar-1ike特征人臉數(shù)據(jù)庫(kù)(即分類(lèi)器)，使用成熟的Adaboost檢測(cè)算法對(duì)步驟2中得到的感興趣的運(yùn)動(dòng)前景區(qū)域的重疊部分進(jìn)行檢測(cè)，得到從發(fā)際線到下巴尖的正方形待定人臉區(qū)域(如圖2所示)，并將該待定人臉區(qū)域截圖以便后續(xù)操作。
[0036]參見(jiàn)圖2，其所示為利用Adaboost檢測(cè)算法檢測(cè)出來(lái)的待定人臉區(qū)域的示意圖。
[0037]步驟4、根據(jù)人臉的顏色、形狀等特征，進(jìn)一步驗(yàn)證步驟3中檢測(cè)得到的待定人臉區(qū)域是否為正面人臉圖像。其具體的驗(yàn)證過(guò)程如下:
[0038]步驟4-1，對(duì)待定人臉區(qū)域的截圖進(jìn)行膚色檢測(cè)，并根據(jù)檢測(cè)結(jié)果得到二值圖像。膚色檢測(cè)的方法可以采用基于YCbCr色彩空間的膚色檢測(cè)方法，該方法的具體步驟為:
[0039]1、將待定人臉區(qū)域的截圖由RGB色彩空間轉(zhuǎn)換到Y(jié)CbCr色彩空間，其投影公式如下:[0040]
【權(quán)利要求】
1.一種基于敏感區(qū)域的正面人臉檢測(cè)方法，其特征在于，所述方法包括: (1)設(shè)置虛擬線圈，確定敏感區(qū)域； (2)建立混合高斯模型，檢測(cè)步驟(I)中確定的敏感區(qū)域內(nèi)的運(yùn)動(dòng)前景； (3)利用由Adaboost算法訓(xùn)練好的分類(lèi)器，對(duì)步驟(2)中檢測(cè)到的運(yùn)動(dòng)前景進(jìn)行人臉檢測(cè)，得到待定人臉區(qū)域； (4)根據(jù)人臉特征，進(jìn)一步驗(yàn)證待定人臉區(qū)域是否為正面人臉圖像。
2.根據(jù)權(quán)利要求1所述的一種基于敏感區(qū)域的正面人臉檢測(cè)方法，其特征在于，所述虛擬線圈是圖像序列中由人工指定的一系列區(qū)域，該區(qū)域可以覆蓋整個(gè)圖像，也可以局限于某個(gè)區(qū)塊，并且在該區(qū)域內(nèi)按照?qǐng)D像序列之間的關(guān)系，利用有關(guān)圖像運(yùn)動(dòng)檢測(cè)算法來(lái)提取目標(biāo)對(duì)象的特征曲線，根據(jù)特征曲線判斷運(yùn)動(dòng)對(duì)象的類(lèi)型。
3.根據(jù)權(quán)利要求1所述的一種基于敏感區(qū)域的正面人臉檢測(cè)方法，其特征在于，所述步驟(3)中利用Adaboost檢測(cè)算法得到的待定人臉區(qū)域?yàn)閺陌l(fā)際線到下巴尖的正方形人臉截圖。
4.根據(jù)權(quán)利要求1所述的一種基于敏感區(qū)域的正面人臉檢測(cè)方法，其特征在于，所述步驟(4)中驗(yàn)證待定人臉區(qū)域是否為正面人臉圖像的方法具體包括: 步驟4-1、對(duì)待定人臉區(qū)域中人臉圖像進(jìn)行整體的膚色檢測(cè)，并根據(jù)膚色分割結(jié)果將待定人臉圖像二值化； 步驟4-2、局部驗(yàn)證，分別統(tǒng)計(jì)待定人臉圖像的左上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比和右上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比，若左上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比和右上角的非膚色像素點(diǎn)個(gè)數(shù)與膚色像素點(diǎn)個(gè)數(shù)之比都大于閾值a，則進(jìn)入步驟4-3 ;否則，判定該待定人臉圖像為非正面人臉圖像； 步驟4-3、全局驗(yàn)證，統(tǒng)計(jì)待定人臉圖像整體的膚色像素個(gè)數(shù)與非膚色像素個(gè)數(shù)之比，若其大于閾值b，則判定該待定人臉圖像為正面人臉圖像；否則，判定該待定人臉圖像為非正面人臉圖像。
5.根據(jù)權(quán)利要求4所述的一種基于敏感區(qū)域的正面人臉檢測(cè)方法，其特征在于，所述步驟(4-2)中所述的左上角和右上角為正方形區(qū)域，其大小是根據(jù)待定人臉區(qū)域按照一定比例縮小后得到的。
【文檔編號(hào)】G06K9/62GK103473564SQ201310455693
【公開(kāi)日】2013年12月25日 申請(qǐng)日期:2013年9月29日 優(yōu)先權(quán)日:2013年9月29日
【發(fā)明者】胡傳平, 楊慧, 梅林 , 齊力, 劉云淮, 鄭旭平, 譚懿先, 尚巖峰, 王文斐 申請(qǐng)人:公安部第三研究所