预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN107341477A(43)申请公布日2017.11.10(21)申请号201710554707.0(22)申请日2017.07.10(71)申请人北京联合大学地址100101北京市朝阳区北四环东路97号(72)发明人刘宏哲袁家政杨少鹏王雪峤(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人张慧(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)权利要求书1页说明书2页附图1页(54)发明名称一种快速级联式无约束人脸检测方法(57)摘要本发明公开一种快速级联式无约束人脸检测方法,首先获取人脸图像,然后提取图像LAB特征输入到6个并联的二分类器中,6个分类器分别从6个视角检测图像是否有人脸,当6个二分类器都判断没有人脸图像时,舍弃该图像;经过上面的筛选,只留下难于识别的窗口;提取这些图像窗口的surf特征输入到3个并联的训练好的多层感知机中进行判断,得到含有人脸的窗口。本发明由粗到细的结构,兼顾人脸检测的精度和速度,在处理多视角人脸检测问题中有很好的效果,并且具有易于实现的优点。CN107341477ACN107341477A权利要求书1/1页1.一种快速级联式无约束人脸检测方法,其特征在于,包括以下步骤:步骤1:获取人脸图像,将所述人脸图像划分为20*20的小窗口;步骤2:快速LAB级联分类器人脸检测步骤2-1:提取所述小窗口的LAB特征;步骤2-2:将所述LAB特征输入到6个并联的二值分类器中,从不同视角对输入图像进行判别,当且仅当所有的二值分类器都都判定该窗口不含人脸时丢弃,否则留下该窗口;步骤3:精细的级联MLP分类器进行人脸检测步骤3-1:对二值分类器留下的窗口进行预处理,提取待检测人脸窗口的SURF特征;步骤3-2:将SURF特征分别输入到3个已经训练好的并联的MLP分类器中;步骤3-3:3个MLP分别从左侧脸、正脸、有右侧脸3个视角对待测人脸进行判定,当且仅当3个MLP人脸检测分类器都判定没有人脸时舍去;步骤4:执行完步骤3之后,将留下的窗口用20x20的矩形窗口进行标记。2.如权利要求1所述的快速级联式无约束人脸检测方法,其特征在于,,步骤3是利用MLP网络训练一个图片二分类器,该分类器分别针对3个视角下的人脸姿态可以将输入图片分类为人脸或者非人脸,每个视角的MLP网络需要用相应的样本提前训练好。2CN107341477A说明书1/2页一种快速级联式无约束人脸检测方法技术领域[0001]本发明属于计算机视觉领域,尤其涉及一种快速级联式无约束人脸检测方法。背景技术[0002]随着计算机视觉的发展,人脸识别成为最有潜力的生物身份验证手段,人脸检测是人脸识别中的第一个环节,是一项关键技术。在大力发展人工智能的今天,人脸检测技术也取得了很大的进步。虽然如此,但在实际应用中,由于成像角度的不同造成人脸的多姿态,如平面内旋转、深度旋转以及上下旋转,这些困难都为解决人脸问题造成了难度,人脸检测的正确率还是难以得到保证,因此,研究一种能够对多视角快速人脸检测的方法存在很大应用价值。[0003]现有的人脸检测研究主要针对具有较强约束条件的人脸图象,在处理多姿态人脸问题时遇到很大困难。发明内容[0004]本发明的目的是,提供一种快速级联式无约束人脸检测方法,对多姿态人脸进行检测,最小能检测到20X20大小的人脸,具有能满足精度的同时,又能达到很好的实时性。[0005]为了实现上述目的,本发明采取了如下的技术方案:[0006]一种快速级联式无约束人脸检测方法,包括以下步骤:[0007]步骤1:获取人脸图像,将所述人脸图像划分为20*20的小窗口;[0008]步骤2:快速LAB级联分类器人脸检测[0009]步骤2-1:提取所述小窗口的LAB特征;[0010]步骤2-2:将所述LAB特征输入到6个并联的二值分类器中,从不同视角对输入图像进行判别,当且仅当所有的二值分类器都都判定该窗口不含人脸时丢弃,否则留下该窗口;[0011]步骤3:精细的级联MLP分类器进行人脸检测[0012]步骤3-1:对二值分类器留下的窗口进行预处理,提取待检测人脸窗口的SURF特征;[0013]步骤3-2:将SURF特征分别输入到3个已经训练好的并联的MLP分类器中;[0014]步骤3-3:3个MLP分别从左侧脸、正脸、有右侧脸3个视角对待测人脸进行判定,当且仅当3个MLP人脸检测分类器都判定没有人脸时舍去;[0015]步骤4:执行完步骤3之后,将留下的窗口用20x20的矩形窗口进行标记。[0016]作为优选,步骤3是利用MLP网络训练一个图片二分类器,该分类器分别针对3个视角下的人脸姿态可以将输入图片分类为人脸或者非人脸,每个视角