[发明专利]基于改进加速鲁棒特征的平面旋转人脸检测的方法

权利要求书

1.一种基于改进加速鲁棒特征的平面旋转人脸检测的方法，其特征在于包括以下步骤：

第一步，采用FAST-SURF算法提取特征点，包括以下过程：

(1)采用FAST算法对待检测图像的所有候选点进行检测；通过比较候选点周围的像素值提取所有特征点位置(x，y)集合，采用如下公式对候选点是否为特征点进行判别：

其中，I(x)为圆周上任意一点像素值，I(p)为候选点像素值，ε_d为相差阈值，若圆周上有N个点满足上述公式，则特征点为角点；

(2)采用改进SURF算法对特征点进行描述，之后进入第二步；

第二步，采用Adaboost算法对改进SURF算法提取的特征点进行分类，对特征点分类包括以下过程：

(1)确定样本的权值；

(2)将新的数据集送给下级分类器进行训练；

(3)将每次训练得到的分类器结合起来，形成最终的决策分类器；之后进入第三步；第三步，采用Adaboost算法对经分类后的特征点进行迭代、计算，得到一个包含公共人脸特征关键点集的公共人脸特征分类器，包括以下过程：

(1)通过迭代算法，计算不同样本的每个关键点欧氏距离，获取每个样本前m个最小距离的关键点；

(2)以关键点的矢量属性作为特征，构成一个满足阈值限定范围的一对多的关键点集；

(3)在训练样本中引入关键点置信权值，若部分样本没有相匹配的关键点时，则该关键点的置信权值按样本数量比例进行减少，之后进入第五步；

第四步，根据第一步提取的特征点，将通过改进SURF算法提取的检测区域的特征点与人眼区域相结合，过滤无效特征点，获得有效特征点，之后进入第五步；

第五步，判断检测区域的有效特征点与训练得到的公共人脸特征关键点集是否匹配，若匹配，则进入第六步；若不匹配，则结束；

第六步，将与公共人脸特征关键点集相匹配的图像所有有效特征点进行集中锁定，从而检测出旋转人脸区域，结束。

2.根据权利要求1所述的基于改进加速鲁棒特征的平面旋转人脸检测的方法，其特征在于第一步中，采用改进SURF算法对特征点的描述包括以下过程：

(1)以特征点为中心，选取中心点邻域范围内20S×20S的区域，将其分为4×4的子区域；

(2)采用SURF算法对子区域中5S×5S大小的空间采样点通过统计其Haar小波响应值来对特征点进行描述，每个像素点的Haar小波在X方向和Y方向的响应值表示为dx，dy，对以特征点为中心计算到的dx，dy进行高斯加权处理；

(3)对于每一个区域，将响应值统计形成4维特征向量：V＝(∑dx，∑dy，∑|dx|，∑|dy|)，形成一个64维的特征向量。

3.根据权利要求2所述的基于改进加速鲁棒特征的平面旋转人脸检测的方法，其特征在于第一步中，还包括采用高斯归一化算法对经高斯加权处理过的特征点出现过大或者过小的情况进行处理，公式如下：

其中，是特征点对比度的平均值，C_i是第n个特征点的对比度，C′_i是C_i归一化之后的值，C′_max是归一化之后对比度的最大值，ω_i是特征点权值，ω_i^con是对比度的最终值。

4.根据权利要求1或2或3所述的基于改进加速鲁棒特征的平面旋转人脸检测的方法，其特征在于第一步中，特征点提取时会检测到多个相邻特征点，通过极大值抑制法剔除非局部极值点，通过采用角点响应函数M计算极值点，计算公式如下：

其中式中S_b为较亮点个数，S_d为较暗点个数，t为阈值。