[发明专利]基于人工神经网络的人脸检测识别方法

权利要求书

1.基于人工神经网络的人脸检测识别方法，其特征在于，包括以下步骤：

（1）位置和姿态估计：用神经网络分析图像中潜在的脸部区域并确定脸部姿态；

（2）预处理：图像进行预处理来改善图像的亮度和对比度；

（3）检测：在前两步对图像作位置、姿态和预处理后，由面检测器检测是否存在人脸；

（4）决断：通过利用启发式算法，将面检测器的检测结果合并在一起作决断，来增强人脸检测的正确率。

2.根据权利要求1所述的基于人工神经网络的人脸检测方法，其特征在于，还包括人脸检测训练，训练方法如下：

（1）窗口输入图像样本；

（2）训练神经网络，对人脸图像样本输出1，非人脸图像样本输出-1；在循环的第一次迭代时，随即初始化网络的权重；

（3）使用上一次训练计算的权重做为下一次训练的起点。

3.根据权利要求2所述的基于人工神经网络的人脸检测方法，其特征在于，在（1）还包括图像样本的处理，处理方法为：在20×20像素的窗口中，将图像调整为统一的大小、位置和方位；图像的扩缩率为与之间的随机因子，平移量为0.5像素以内的随机值。

4.根据权利要求2或3所述的基于人工神经网络的人脸检测方法，其特征在于，所述人脸训练所需的图像样本的生成方法如下：

（1）选择初始人脸图像；

（2）依据头部的三维姿态，在每张人脸图样上标记特征点；

（3）不同人脸上的标记特征点组合；

（4）多次组合后，形成多个人脸图像样本。

5.根据权利要求4所述的基于人工神经网络的人脸检测方法，其特征在于，所述标记特征点组合的原理为：相关特征点对之间的距离平方和为最小。

6.根据权利要求1所述的基于人工神经网络的人脸检测方法，其特征在于，所述标记特征点组合的计算方法如下：当存在旋转、伸缩和移动时，相关特征点对之间的距离平方和为最小，即在二维形式下，坐标变换可以写为：

。

7.根据权利要求6所述的基于人工神经网络的人脸检测方法，其特征在于，有多对相关的坐标集，上述公式扩展为：

用伪逆方法解此线形方程系统：命名左边的矩阵为A，矢量形式的变量为T，右边为B，此方程的伪逆解为：

伪逆解产生变换T是我们的初始目标，T最小化了坐标集与改造前的之间差的平方和；

在知道如何组合两组标记了的特征点后，按如下的过程不断组合特征点：

（1）初始化，这是一些初始特征位置的向量，也是所有脸部每一个被标记特征的平均位置；

对于正面脸的组合，这些特征可以为输入窗口中两个眼睛的期望位置，其它姿态的人脸，这些位置应该来自头部的平均3D模型；

（2）对每一个人脸，使用组合程序来计算最合适的旋转、平移和伸缩来组合脸部特征，得到平均特征位置，已组合的特征位置记为；

（3）对每一人脸，通过已组合的特征位置的平均，更新；

（4）旋转、平移和伸缩特征坐标，使得最大限度地匹配一些标准的坐标，这些标准坐标像用于初始值一样的使用；

（5）转第2步；

（6）迭代多次后收敛，产生每一人脸与其它人脸组合的变换。

8.根据权利要求1所述的基于人工神经网络的人脸检测方法，其特征在于，所述步骤（2）中预处理包括光照补偿。

9.根据权利要求8所述的基于人工神经网络的人脸检测方法，其特征在于，所述光照补偿包括线性光照模型补偿。

10.根据权利要求8所述的基于人工神经网络的人脸检测方法，其特征在于，所述光照补偿还包括商图像补偿。