[发明专利]一种基于嵌入式系统的实时人脸检测方法

权利要求书

1.一种基于嵌入式系统的实时人脸检测方法，其特征在于：包括以下步骤：

(1)图像缩放：利用训练模型的尺度大小和要检测场景中最小目标的尺度大小，对拍摄原图进行缩放；

(2)前景检测：利用拍摄场景图像的情景对比确定检测热点；

(3)人脸区域融合：将前景检测和目标跟踪预测区域进行叠加融合，得到更有效的人脸检测区域；

(4)人脸个数预测：利用已检测出的人脸尺度对步骤(3)得到的人脸检测区域进行预测，得到该区域人脸个数估计值；

(5)特征提取和分类识别：对步骤(3)中得到的人脸检测区域进行特征提取和分类识别，得到人脸特征模块；

(6)识别去误与人脸跟踪：使用强分辨器对步骤(5)中得到的人脸特征模块评价打分，并将分值较低不属于人脸特征的模块去除，综合人脸特征模块输出清晰人脸图像，同时根据人脸图像在视频帧中进行人脸区域预测，并将目标跟踪预测区域数据返回步骤(3)；所述步骤(5)中的特征提取和分类识别包括以下步骤：

(5.1)对步骤(3)中得到的人脸检测区域做图像金字塔；

(5.2)通过LBP特征提取算法和BOOST分类器对步骤(5.1)中的图像金字塔进行特征提取和分类识别，将得到的人脸特征模块进行计数统计，若不小于步骤(4)中的人脸个数估计值，则进行步骤(6)，若小于步骤(4)中的人脸个数估计值，则进行步骤(5.3)；

(5.3)通过NPD特征提取算法和BOOST分类器将步骤(5.1)中得到的图像金字塔进行特征提取和分类识别，将得到的人脸特征模块与步骤(5.2)中得到的人脸特征模块进行相同区域的融合，然后进行步骤(6)。

2.根据权利要求1所述的基于嵌入式系统的实时人脸检测方法，其特征在于：所述步骤(6)中的强分辨器为神经网络分类器。

3.根据权利要求1所述的基于嵌入式系统的实时人脸检测方法，其特征在于：所述步骤(5.1)中的图像金字塔由LBP特征提取算法和BOOST分类器或NPD特征提取算法和BOOST分类器制作。