[发明专利]基于随机森林的ATM终端部分遮挡人脸关键点检测方法

权利要求书

1.基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，包括下列步骤：

步骤一、当有用户插入银行卡的时候，采集人脸图像；

步骤二、将采集图像序列转化为灰度图，并归一化为480*360像素的图像；

步骤三、计算图像的方差值S，并判断其是否小于阈值ε，若S<ε，则对图像进行多尺度Retinex图像增强，提高图像的对比度；

步骤四、采用Haarcascade人脸检测算法，从图像中定位人脸具体位置；

步骤五、基于随机森林姿态估计树模型推测人脸姿态(左偏、正脸、右偏)；

步骤六、基于Viola Jones框架强分类器级联模型判断图像中人脸是否存在遮挡，并判断遮挡类型属于眼部或嘴部遮挡；

步骤七、根据步骤五估计的人脸姿态，选择相应姿态的随机森林关键点检测模型，标定未遮挡位置的人脸关键点。

2.根据权利要求1所述的基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，用户在插入银行卡的时候，系统实时采集人脸的图像。

3.根据权利要求1所述的基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，所述多尺度Retinex图像增强，所采用的图像方差S的阈值ε＝15，共采用N＝3个高斯环绕尺度，其值分别为m₁＝50，m₂＝80，m₃＝95。

4.根据权利要求1所述的基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，所述的通过随机森林方法估计ATM人脸姿态(正脸、左偏或右偏)，训练集由随机取样的人脸图像块构成。训练模型时对每个图像块I_i∈[1,100]采用特征信息P_i＝(f_i,D_i)，其中f_i＝{f_i¹,f_i²,...,f_i^a}表示图像的多种特征通道，其中f_i¹,f_i²表示的图像的灰度值和归一化灰度值，f_i³,f_i⁴,...,f_i^a表示经 过32个Gabor滤波器组后的特征图像；D_i＝{D_i,d,e_i∈{L,F,R}}，其中D_i,d表示的是图像块的中心位置到鼻子的偏移量，e_i∈{L,F,R}表示的是姿态标签。

5.根据权利要求1所述的基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，所述的通过随机森林方法估计判断ATM采集的人脸的姿态(正脸、左偏或右偏)，各节点通过在图像块I_i中随机取样两个小块R₁和R₂及某通道特征f_i^k∈{f_i¹,f_i²,...,f_i^a}，随机产生分裂池φ＝(θ,τ)，其中θ＝{R₁,R₂,f_i^k}，τ表示的是随机阈值。

6.根据权利要求1所述的基于随机森林的ATM终端部分遮挡人脸关键点检测方法，其特征在于，所述的通过随机森林方法估计判断ATM采集的人脸的姿态(正脸、左偏或右偏)，采用的节点的二值函数规则为如果t_φ(p)<τ(τ表示的是随机阈值)则输入下一层的左节点，否则输入下一层的右节点。