[发明专利]人脸检测方法、装置及电子设备

说明书

技术领域

本发明涉及人脸检测技术领域，尤其涉及一种人脸检测方法、装置及电子设备。

背景技术

人脸检测是视觉领域的一个非常基础的研究方向，应用范围非常广泛，如安防、智慧商业、机器人、人机交互等领域。由于人脸是一个非刚性的物体，容易受到外界环境的干扰，如天气、光照、表情、姿态、相机畸变等因素的影响，检测难度是显而易见的。

传统的人脸检测算法主要分为两大模块，模型训练部分和检测部分，训练部分主要是准备大量正负样本，使用不同特征描述算法对人脸进行描述，训练分类器；检测部分主要依靠滑动窗口对图像中不同尺度和不同位置的子窗口进行分类，最后再将候选窗口进行合并。由于人脸和背景变化都比较复杂，可能出现的尺度也多种多样。有些特征具有尺度不变性，如HAAR特征、PICO特征等；另外一部分特征不具有尺度不变性，如HOG特征，ICF特征等，由于特征不具备尺度不变性，为了模拟人脸在各个尺度空间中的变化，在对图像进行扫描时需要对整个尺度空间进行遍历。

传统的人脸检测算法采用的是单一模板，这存在很大的弊端，第一，单一模板是通过尺度近似来模拟人脸在不同尺度中的变化，这样会和实际的人脸变化存在误差；第二，单一模板本身很难对人脸和背景的复杂多变进行表达。

发明内容

鉴于以上内容，有必要提供一种人脸检测方法、装置及电子设备，能够有效地对人脸和背景的复杂多变进行表达，同时，提高人脸检测的精度。

一种人脸检测方法，所述方法包括：

获取需要进行人脸检测的待检测图像；

按照预设的多个尺度的模板的要求，依次对所述待检测图像进行归一化处理，获得多个归一化图像；

针对每个所述归一化图像，提取所述归一化图像的多个通道特征；

使用预先训练好的二类分类模型，对多个所述归一化图像的多个通道特征进行分类，以对人脸进行检测。

在一种可能的实现方式中，所述多个尺度的模板分别为24*24的模板、32*32的模板、48*48的模板、64*64的模板以及96*96的模板，所述二类分类模型为Boosting模型。

在一种可能的实现方式中，所述针对每个所述归一化图像，提取所述归一化图像的多个通道特征包括：

针对每个所述归一化图像，提取所述归一化图像中每个像素点的亮度特征以及色度特征；

确定每个所述像素点的水平梯度分量以及垂直梯度分量；

根据所述水平梯度分量以及所述垂直梯度分量，确定梯度幅值以及梯度方向；

根据所述梯度方向，将所述梯度幅值划分为多个区间，并生成梯度直方图特征；

将所述亮度特征、所述色度特征、所述梯度幅值以及所述梯度直方图特征确定为所述归一化图像的多个通道特征。

在一种可能的实现方式中，所述获取需要进行人脸检测的待检测图像之前，所述方法还包括：

获取需要进行人脸训练的多个正样本人脸图像以及多个负样本非人脸图像；

按照所述多个尺度的模板的要求，依次对所述多个正样本人脸图像进行归一化处理，获得多个正样本归一化图像，以及依次对所述多个负样本人脸图像进行归一化处理，获得多个负样本归一化图像；

针对每个所述正样本归一化图像以及每个所述负样本归一化图像，提取所述正样本归一化图像的多个通道特征以及提取所述负样本归一化图像的多个通道特征；

对所述正样本归一化图像的多个通道特征以及所述负样本归一化图像的多个通道特征进行训练，获得二类分类模型。

在一种可能的实现方式中，所述方法还包括：

使用第一标识对所述正样本归一化图像的多个通道特征进行标记；

使用第二标识对所述负样本归一化图像的多个通道特征进行标记；

所述对所述正样本归一化图像的多个通道特征以及所述负样本归一化图像的多个通道特征进行训练，获得二类分类模型包括：

对标记后的所述正样本归一化图像的多个通道特征以及标记后的所述负样本归一化图像的多个通道特征进行训练，获得二类分类模型。

在一种可能的实现方式中，所述使用预先训练好的二类分类模型，对多个所述归一化图像的多个通道特征进行分类，以对人脸进行检测包括：

使用预先训练好的二类分类模型，对多个所述归一化图像的多个通道特征进行分类，获得分类结果；

若所述分类结果为所述第一标识，则确定所述待检测图像中存在人脸，并输出人脸位置信息；

若所述分类结果为所述第二标识，则确定所述待检测图像中不存在人脸。