[发明专利]一种实时人脸检测与过滤方法

说明书

技术领域

本发明涉及一种实时人脸检测与过滤方法。 

背景技术

人脸识别技术在智能安防领域得到了越来越多的应用，人脸检测是自动人脸识别系统的第一步，也是一个关键环节。人脸检测技术就是从任意一幅给定的图像或者视频序列，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的相关信息，比如位置、大小和姿态。在安防领域，监控摄像头在24小时全天监控中，大部分区域是固定不变的，这些区域并不包含人脸图像；此外，当人出现在监控区域内，摄像头可能连续检测到一个人的多张人脸图像，为了选择一张比较清晰的人脸图像，需要对多张人脸图进行过滤。常用的人脸检测是在整帧图像上进行搜索，比较耗时，而且容易产生误检。 

发明内容

本发明的目的是提供一种实时人脸检测与过滤方法，以克服目前现有技术存在的上述不足。 

本发明的目的是通过以下技术方案来实现： 

一种实时人脸检测与过滤方法，包括以下步骤：

（1） 前景检测：提取当前帧的前景区域，并二值化前景区域图像，然后去除碎片区域，填充空洞区域；

（2） 确定人脸检测区域：将二值化后的前景区域分别向水平方向和垂直方向进行直方图投影，进一步去除前景图像左右两边及上下两边噪声的干扰；

（3）人脸检测：利用级联分类器算法进行人脸检测，若检测到人脸，并提取人脸图像信息I：人脸的位置P、大小S、人脸数据Data、检测到的次数nDetect、连续丢失检测的次数nLost和人脸的清晰度Q，并对人脸图像进行清晰度评价，然后执行步骤（4）；若未检测到人脸，则直接执行步骤（5）；

（4）更新人脸图像信息链表：若人脸图像信息链表为空值，则将人脸图像信息I加入人脸图像信息链表；若人脸图像信息链表存在N个人脸图像 ，则按以下步骤更新人脸图像信息列表：a）运用面积重叠法将I的人脸位置与人脸图像信息链表中人脸图像的人脸位置进行比较，若人脸图像信息链表中存在人脸图像与I的人脸图像为同一个人的人脸，则将人脸图像信息链表中的的人脸位置更新为I的人脸位置，同时将检测到的次数加1，将连续丢失检测的次数设置为0；若人脸图像信息I是新的一个人的人脸，将I加入人脸图像信息链表，然后执行步骤（5）；b）比较人脸图像I和的清晰度，若I的清晰度大于的清晰度，则更新的人脸图像数据为I的人脸图像数据；反之，不更新人脸图像数据；以及

（5）输出人脸图像：遍历人脸图像信息链表，若人脸图像的信息在步骤（4）中未发生更新，则将连续丢失检测的次数加1，若满足：

    ，则将输出，并从人脸图像信息链表中删除。

其中，，分别为设定的检测到同一个人的人脸次数和连续丢失检测帧数的阈值。 

进一步的，步骤1）中所述的前景检测的方法为帧间差分法，具体公式如下： 

其中，为前景图像，为像素点坐标，为当前帧，为前一帧，为二值化阈值，F 为二值化前景图像的像素值。

若当前图像坐标上的像素值与上一帧图像中上的像素值的差异大于某一阈值时，则当前像素被认为是前景，否则为背景。 

进一步的，所述二值化阈值采用大律法（OSTU）自动选取。 

可选择的，所述二值化阈值采用人为设定的值。 

进一步的，步骤（1）中所述去除碎片区域的方法是形态学方法。 

进一步的，步骤2）中所述将二值化后的前景区域分别向水平方向和垂直方向进行直方图投影，其具体运算公式如下： 

             

其中，，分别为水平方向和垂直方向的直方图，分别为人脸图像的宽和高，为二值化前景图像的像素值 。

设检测区域左上角的坐标为 ，右下角的坐标为 ，则检测区域各坐标可表示为： 

    

其中，T为投影阈值。

进一步的，步骤（3）中对人脸图像进行清晰度评价的具体方法如下： 

第一步，利用Sobel算子计算人脸图像的梯度幅值。

                

其中，和分别代表水平方向和垂直方向的Sobel算子。分别用 和 对图像进行卷积计算，得到水平方向和垂直方向的梯度图 、，那么梯度幅值为：

第二步，计算人脸图像的梯度方差：

                

其中，为梯度幅值图像的平均梯度值，梯度方差越大，说明图像越锐化