[发明专利]一种图像处理方法及终端

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像处理方法及终端。

背景技术

随着信息技术的快速发展，人脸识别技术在视频监控领域得到了广泛应用。在人脸识别应用领域，人脸检测作为第一个环节，其准确性对人脸识别的性能有很大影响。人脸检测需要具有很强的鲁棒性，因为在实际应用中，人脸图片会受到多种因素的影响，例如光照、遮挡、姿态变化等。人脸检测在人脸识别过程调用的频次最高，需要能够被高效地执行。人脸检测技术主要采用基于手工设计的特征实现，例如Haar特征、LBP(局部二值模式直方图)特征、HOG(梯度方向直方图)特征等，这些特征的计算时间可接受，在实际的应用中也能取得较为满意的结果，因而得到广泛的应用，但是，现有技术中，人脸检测计算算法较为复杂，因而，人脸检测效率较低。

发明内容

本发明实施例提供了一种图像处理方法及终端，以期快速检测到人脸位置。

本发明实施例第一方面提供了一种图像处理方法，包括：

获取待处理图像；

计算所述待处理图像的特征金字塔的层数，得到n层，所述n为大于或等于1的整数；

基于所述n层，构造所述特征金字塔；

在所述特征金字塔上，对K个预设检测窗口进行特征提取，得到所述K组第一目标特征，其中，每一组所述预设检测窗口对应一组第一目标特征，所述K为大于或等于1的整数；

根据所述K组第一目标特征确定所述K组第二目标特征；

采用M个指定决策树对所述K组第二目标特征进行决策，得到目标人脸框的大小和位置，其中，所述M为大于或等于1的整数。

结合第一方面，在第一方面的第一种可能的实施方式中，所述计算所述待处理图像的特征金字塔的层数，得到n层，包括：

根据所述待处理图像的尺寸和预设人脸检测模型的尺寸计算特征金字塔的层数，如下公式所示：

其中，n表示所述特征金字塔的层数，k_up是所述待处理图像上采样的倍数，w_img、h_img分别表示所述待处理图像的宽度和高度，w_m、h_m分别所述预设人脸检测模型的宽度和高度，n_octave指所述特征金字塔中每两倍尺寸之间的图像的层数。

结合第一方面或第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，所述基于所述N层，构造所述特征金字塔，包括：

确定所述N层包含P个实特征层和Q个近似特征层，所述P为大于或等于1的整数，所述Q为大于或等于0的整数；

对所述P个实特征层进行特征提取，得到第三目标特征；

根据所述P个实特征层，确定所述Q个近似特征层的第四目标特征；

将所述第三目标特征和所述第四目标特征构成所述特征金字塔。

结合第一方面或第一方面的第一种可能的实施方式，在第一方面的第三种可能的实施方式中，所述根据所述K组第一目标特征确定所述K组第二目标特征，包括：

从所述K组第一目标特征中分别提取颜色特征，得到所述K组颜色特征；

对第i组颜色特征计算像素比较特征，基于所述计算像素比较特征训练第一预设人脸模型，并从训练后的所述第一预设人脸模型提取第一目标像素比较特征，得到第五目标特征，其中，所述第i组颜色特征为所述K组颜色特征中的任一组颜色特征；

通过所述第五目标特征和所述第一目标特征训练第二预设人脸模型，并从训练后的所述第二预设人脸模型提取第二像素比较特征，得到第六目标特征；

将所述第一目标特征和所述第六目标特征组合为所述第二目标特征。

结合第一方面或第一方面的第一种可能的实施方式，在第一方面的第四种可能的实施方式中，所述采用M个指定决策树对所述K组第二目标特征进行决策，得到目标人脸框的大小和位置，包括：

在所述特征金字塔上，采用M个指定决策树对所述K组第二目标特征进行决策，得到X个人脸框，其中，所述X为大于或等于1的整数；

根据所述X个人脸框合并为所述目标人脸框的大小和位置。

本发明实施例第二方面提供了一种终端，包括：

获取单元，用于获取待处理图像；

计算单元，用于计算所述待处理图像的特征金字塔的层数，得到n层，所述n为大于或等于1的整数；

构造单元，用于基于所述n层，构造所述特征金字塔；