人脸检测的训练方法、检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106874825A(43)申请公布日2017.06.20(21)申请号201510921985.6(22)申请日2015.12.10(71)申请人展讯通信（天津）有限公司地址300456天津市塘沽区天津港保税区通达广场1号A2-408(72)发明人刘阳陈敏杰潘博阳郭春磊林福辉(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张凤伟吴敏(51)Int.Cl.G06K9/00(2006.01)权利要求书6页说明书14页附图4页(54)发明名称人脸检测的训练方法、检测方法和装置(57)摘要一种人脸检测的训练方法、检测方法和装置。所述人脸检测器包括第一分类器及第二分类器，所述训练方法包括：采集人脸和非人脸图像作为训练样本集；提取所述训练样本集中各个训练样本的亮度比较特征；根据所述亮度比较特征获得对应的蕨特征；利用所述蕨特征及贝叶斯定理进行训练，得到所述第一分类器；利用所述亮度比较特征及最小化加权均方差准则进行P轮训练，得到P个决策树分类器，P≥1，且P为整数；将所述P个决策树分类器级联形成所述第二分类器。应用所述训练方法得到的人脸检测器进行人脸检测时，可以降低人脸检测的复杂度及计算量，提高检测效率。CN106874825ACN106874825A权利要求书1/6页1.一种人脸检测器的训练方法，其特征在于，所述人脸检测器包括第一分类器及第二分类器，所述方法包括：采集人脸和非人脸图像作为训练样本集；提取所述训练样本集中各个训练样本的亮度比较特征；根据所述亮度比较特征获得对应的蕨特征；利用所述蕨特征及贝叶斯定理进行训练，得到所述第一分类器；利用所述亮度比较特征及最小化加权均方差准则进行P轮训练，得到P个决策树分类器，P≥1，且P为整数；将所述P个决策树分类器级联形成所述第二分类器。2.如权利要求1所述的人脸检测器的训练方法，其特征在于，所述第一分类器分类方法如下：其中，Fj是所述训练样本集中第k个训练样本的第j个蕨特征；Cq是第q个类别，P(Fm|C＝Cq)是第k个训练样本的类别为Cq时，第j个蕨特征的似然度，J为第k个训练样本的蕨特征的总数；为第一分类器对第k个训练样本的分类结果；所述第k个训练样本为所述训练样本集中任一训练样本。3.如权利要求1所述的人脸检测器的训练方法，其特征在于，所述决策树为回归树。4.如权利要求3所述的人脸检测器的训练方法，其特征在于，所述利用所述亮度比较特征及最小化加权均方差准则进行P轮训练，得到P个决策树分类器，包括：对已获得的p-1个决策树分类器误分类的训练样本的权重进行更新，1≤p≤P，并根据更新后的训练样本的权重，进行第p轮的训练，获得第p个决策树分类器，其中，采用如下步骤获得第p个决策树分类器：从待划分的训练样本的亮度比较特征集合中选取部分亮度比较特征；根据所选取的所述部分亮度比较特征对所述待划分的训练样本进行分类；根据更新后的所述训练样本集中各训练样本的权重，采用最小化加权均方差准则训练所述第p个决策树的划分节点，直至达到所述第p个决策树的最大深度。5.如权利要求4所述的人脸检测器的训练方法，其特征在于，采用如下公式对第k个训练样本的权重进行更新：wk’＝wk·exp(-lkTp(Sk))；其中，Tp(Sk)是第p个决策树分类器在所述第k个训练样本的数据为Sk时，对所述第k个训练样本的输出值；wk、lk分别是所述第k个训练样本的权重、真实值；wk’为对所述第k个训练样本的权重wk更新后的权重。6.权利要求3所述的人脸检测器的训练方法，其特征在于，所述第二分类器的分类方法如下：其中，Tp(S)是第p个决策树分类器在训练样本的数据为S时，对所述训练样本的数据为S的训练样本的输出值；αp是第p个决策树分类器的权重，H(S)为所述第二分类器对所2CN106874825A权利要求书2/6页述训练样本的数据为S的训练样本的分类结果。7.如权利要求1所述的人脸检测器的训练方法，其特征在于，所述根据所述亮度比较特征获得对应的蕨特征，包括：根据条件互信息准则，从每个训练样本的亮度比较特征中选取部分亮度比较特征，并将所选取的部分亮度比较特征作为第j个蕨特征，其中，j为正整数。8.一种人脸检测方法，其特征在于，包括：遍历待检测图像，获得待检测子图像集，所述待检测子图像集中每一待检测子图像对应一窗口；将各所述待检测子图像依次带入人脸检测器的第一分类器及第二分类器中进行人脸检测，将通过所述第一分类器及第二分类器的待检测子图像判定为所述待检测图像的人脸检测结果；其中，通过采集人脸和非人脸图像作为训练样本集，提取所述训练样本集中各个训练样本的亮度比较特征，并根据所述亮度比较特征获得对应的蕨特征，利用所述蕨特征及贝叶斯定理进行训练得到所述第