[发明专利]一种基于嵌入式系统的实时人脸检测方法

说明书

本发明创造提供了一种基于嵌入式系统的实时人脸检测方法，包括如何通过前景检测和跟踪进行检测热点的确定,人员个数预测,多种快速特征检测级联,以及如何对检测结果进行分类评价等，本发明创造保证了在嵌入式平台上进行实时视频人脸检测,满足了系统关于算法运行效率和效果的要求,本发明采取了多种算法融合,充分发挥各模块的优点,既大大减少了冗余的计算量,提高了算法的实时性,又提高了检测率.使得人脸检测算法在嵌入式上实现实时运行成为可能。

技术领域

本发明创造属于人脸检测技术领域，尤其是涉及一种基于嵌入式系统的实时人脸检测方法。

背景技术

随着半导体技术的飞速发展和新的计算法方法的不断出现，现在的智能分析算法都逐渐从后段PC设备移到前端，出现了各式各样的智能终端产品，人脸检测作为智能设备的主要功能，能够实时地对人脸进行检测、抓拍，不仅大大提高了用户体验，而且能减少后期存储压力，加快检索速度，为客户降低使用成本，提高工作效率，在当前竞争激烈的监控领域，无疑是最佳选择。

现有技术中的人脸检测方法均基于前景检测、特征提取和分类识别，前景检测即利用拍摄图像的情景对比确定目标位置，进而减少计算量，然后将确定位置的检测目标进行图像缩放操作，构成图像金字塔，在图像金字塔的各层图像中提取人脸特征，并通过分类器分类，最后进行图像融合生成人脸图像；

此种方法虽然采用了前景检测，但没有充分利用视频流中实际目标的位置反馈，以及对区域内目标个数的预测，检测实时性差；同时该方法只采用了一种特征提取方式，提升检测率智能通过样本的选择和特征围数来实现，且效果不明显；该方法没有人脸识别评价滤除机制，误检率较高。

发明内容

有鉴于此，本发明创造旨在提出一种基于嵌入式系统的实时人脸检测方法，。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种基于嵌入式系统的实时人脸检测方法，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，减少运算量；

(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)中得到的人脸检测图像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)。

进一步的，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)。

进一步的，所述步骤(6)中的强分辨器为神经网络分类器。