[发明专利]一种基于分层过滤的人脸检测方法

权利要求书

1.一种基于分层过滤的人脸检测方法，其特征在于包含如下步骤：

步骤1：读取待检测图像，利用图像金字塔生成不同尺度的训练样本集；

步骤2：提取不同尺度的haar-like矩阵特征，在每一个尺度上，由双阈值FloatBoost来生成强分类器A；

步骤3：通过不同尺度的强分类器A来快速而精确地提取原始图像中候选的多尺度人脸区域；

步骤4：提取不同尺度的LBP和LGP纹理特征，在每一个尺度上，将两者进行融合，融合后的新特征为LBP和LGP特征总和，并由双阈值FloatBoost来训练生成强分类器B，强分类器B的形式为H(C)；

步骤5：强分类器B在候选区域中精确定位人脸，并显示。

2.如权利要求1所述的人脸检测方法，其特征在于，所述步骤2中双阈值FloatBoost是对FloatBoost的改进，以双阈值函数作为分类器函数。

3.如权利要求1所述的人脸检测方法，其特征在于，所述步骤3中选取人脸区域时，先用大尺度进行判断，再用小尺度。

4.如权利要求3所述的人脸检测方法，其特征在于，所述步骤3中选取人脸区域时，大尺度确认的候选区域，小尺度不需要再判断。

5.如权利要求1所述的人脸检测方法，其特征在于，所述步骤4中强分类器B的形式H(C)=ΣX∈STLBPhx(B(X))+ΣX∈STLGPhx(G(X)).]]>

6.如权利要求1所述的人脸检测方法，其特征在于，所述强分类器A级数小且误检率低。

7.如权利要求1所述的人脸检测方法，其特征在于，所述强分类器B级数高检测率高。

8.如权利要求1所述的人脸检测方法，其特征在于，所述步骤1中生成12种不同尺度的训练样本集；步骤2中提取6种不同尺度的haar-like矩阵特征；步骤2中为6种不同尺度的强分类器A；步骤4中提取12种不同尺度的LBP和LGP纹理特征。