[发明专利]一种加速的人脸检测方法及存储介质

说明书

一种加速的人脸检测方法及存储介质，该方法为通过带有彩色图捕捉和深度图捕捉的设备，获取不少于一帧的2D图像和其对应的深度图，根据获取的视频帧进行背景建模，获得背景图；接着计算得到前景图；对前景图进行去噪处理，查找连通区域，根据连通区域大小判断是否存在运动物体；获取运动物体的外轮廓，以及该区域所对应的深度值，将外轮廓映射到彩色图中，得到人脸检测器作用区域；根据深度值确定人脸检测器尺度参数，进行人脸检测，定位人脸位置，根据人脸区域的深度值判断当时人脸为3D立体人脸还是平面人脸，同时根据深度值校正人脸框位置；将得到的人脸位置映射回原始图像坐标系中，得到人脸位置。

技术领域

本发明涉及图像领域，具体的，涉及一种加速的人脸检测方法，以及存储介质，基于深度信息和彩色信息融合的人脸检测方法，同时结合背景建模技术，能够快速准确地定位人脸。

背景技术

随着信息科技以及图像识别技术的不断发展，人脸技术越来越多地应用到各个领域中，如智能手机、视频监控、新零售、智能家居、金融支付等。这些人脸应用一般包括人脸检测、人脸识别(比对)、人脸属性识别、活体检测等基础算法，其中人脸检测是定位图像(视频)中人脸的位置，是所有人脸算法的入口，提升人脸检测的精度和速度对整个人脸应用算法性能的提升有着重要的意义。现有的人脸检测算法大多数只是基于2D图像信息(即，RGB或灰度)进行检测，这些做法仅依赖于图像像素值信息，抗干扰能力较弱，当人脸姿态变化较大、光照不均或不理想时，定位往往不够准确；现有人脸检测方法为了尽可能检测出不同大小的人脸，往往采用多尺度的方式遍历整张图像定位人脸，这样往往比较耗时。

中国专利申请CN201710386007.5“一种基于监控视频多目标跟踪和人脸识别的隐私保护方法”提出了一种基于多目标跟踪和人脸识别的隐私保护方法，该方法：根据实时监控录像建立和更新背景模型，运用新背景模型分割出前景目标区域；基于前景目标区域进行行人检测，接着在行人区域进行人脸识别，通过卡尔曼滤波器跟踪预测目标的状态，使用Kuhn-Munkres算法进行上一帧图像中的预测目标与当前帧检测目标之间的目标关联；利用信息隐藏对社区内部人员的视频信息进行保护。虽然该专利申请采用了背景建模的方式，却只在前景区域进行行人检测，然后在行人区域进行人脸检测和识别，且因为没有深度信息，需要采用多尺度的方式定位人脸位置，即需要在多尺度图像上进行滑窗检测，检测时间较长。

且现有技术依赖于2D图像信息的人脸识别，抗干扰能力弱，当人脸姿态角度较大、光照不理想，定位准确度往往不高，没有深度信息，很难区分是否是真实人脸还是照片。

发明内容

本发明的目的在于提出一种作用在视频帧序列上的基于图像像素值和深度信息的人脸检测方法及存储介质，首先通过背景建模的方式查找运动物体，然后利用运动物体深度信息确定人脸检测器尺度参数，最后结合跟踪技术，定位出视频帧中人脸位置。

为达此目的，本发明采用以下技术方案：

一种加速的人脸检测方法，包括如下步骤：

图像获取步骤S110：通过带有彩色图捕捉和深度图捕捉的图像采集设备，获取不少于一帧的2D图像I_i(x,y)和其对应的深度图D_i(x,y)；

背景图建模步骤S120：利用所获取的不少于一帧的深度视频帧，进行背景建模获得背景图像B(x,y)；

前景图获取步骤S130:获取新的视频帧，计算得到前景图F(x,y)；

运动物体判断步骤S140：去除前景图F(x,y)中的噪声，查找连通区域，根据连通区域大小或者面积判断是否存在运动物体，若连通区域面积大于设定的阈值，则认为检测到感兴趣物体，即运动物体，并继续进行下一步，否则没有感兴趣物体，回到图像获取步骤S110；

外轮廓及深度信息获取步骤S150：获取感兴趣物体，即运动物体的外轮廓ROI，并计算该外轮廓的深度值d；