[发明专利]一种多角度人脸检测方法

说明书

技术领域

本发明属于人物目标查询搜索技术方法领域，尤其是涉及一种多角度人脸检测方法。

背景技术

目前的研究对单张图像的人脸检测的方法分为四类：

(1)基于知识的方法。这些基于先验知识的方法对组成典型人脸的知识进行编码。通常，先验知识包含了这些人脸特征之间的相互关系。此类方法主要用于人脸定位。这种方法的一个难点是怎样把人脸知识转化为定义良好的准则。如果准则过于详细，那么有些人脸将被漏检，因为其没有通过所有的准则。如果准则过于粗略，则将可能犯很多积极错误。此外，这种方法很难被扩充到检测不同姿势的人脸，因为要枚举出所有可能的情况比较困难。另一方面，这种启发式方法对于特定场景中的正面人脸检测具有很好的效果。

(2)特征不变方法。这些算法的目标是找出存在的一些结构特征，这些特征在姿势、观察点、光照条件改变的情况下保持不变。然后使用这些特性来定位人脸。这些方法主要用于人脸定位。与基于知识的方法相对，研究者们一直在试图找到人脸的不变量，用来检测人脸。利用象皮肤颜色、大小、形状等全局特征来找出候选人脸，然后用局部特征验证这些候选人脸，例如眉毛、鼻子和头发。一个典型的方法是，开始的时候检测出像皮肤的区域，然后利用组合分析或集群算法将似人脸像素分组并联系起来。如果被联系起来的区域有椭圆形或卵形，那么该区域就成为候选人脸。

(3)模版匹配法。这种方法首先是存储一张人脸的几个标准模版，用来描述整张人脸或人脸的部分特性。然后通过计算输入图像与已经存储模版之间的相关度来进行检测。这些方法既可用于人脸检测也可用于人脸定位。

早期的时候Sakai等使用眼睛、鼻子、嘴巴和人脸轮廓的子模版建立人脸模型。Miao等提出用一种分层模版匹配法进行人脸检测。将输入图像按一定步长从进行旋转，形成图像分层，用拉普拉斯变换提取边缘。人脸模版包含六个人脸结构元的边缘：两个眉毛、两只眼睛、一个鼻子、一张嘴巴。最后使用启发式方法决定人脸的存在与否。Sinha使用一组空间图像不变量描述人脸模式的空间特性。当变量随着光照的改变而改变人脸不同部分的亮度时，这些部分的相对亮度基本保持不变。确定一些类似区域的成对亮度比，保留这些比例的大致趋势，比如一个区域比另一个区域亮更或更暗，这些比例就给我们提高供了一个很好的不变量。因此，观察到的亮度规律被编码成一个粗糙的人脸空间比例模版，这个模版中包含适当选择的对应于主要人脸特征的子区域，如眼睛、脸颊和额头。通过子区域间的一组适当的明-暗关系对获取人脸特征间的亮度限制。

4)基于外观的方法。与模版匹配不同的是，这里的模版是从一组训练图像经过学习而得来的，这些图像应该包括人脸外观的具有代表性的变化因素。这些方法主要用于人脸检测。

基于外观的方法可以通过使用概率框架来理解。令从一幅图像中获取的图像向量或特征向量为一个随机变量x，通过条件密度函数决定x的值。然后可以使用贝页斯分类法和最大似然法决定候选图像位置是人脸或不是人脸。基于外观方法的另一个实现途径是在人脸和非人脸之间找出一个判别函数。按照惯例，将图像模式映射到低维空间，然后形成判别函数用于分类，或者用多层神经网络形成一个非线性判决面。