[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

摘要

本发明涉及图像处理技术领域，是一种基于改进加速鲁棒特征的平面旋转人脸检测的方法，包括以下步骤：第一步，采用FAST‑SURF算法提取特征；第二步，采用Adaboost算法对特征点进行分类；第三步，采用Adaboost算法对经分类后的特征点进行迭代、计算得到公共人脸特征分类器；第四步，将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；第五步，判断有效特征点与公共人脸特征关键点集是否匹配；第六步，检测出旋转人脸区域。本发明利用人眼定位来降低人脸检测的误检率，采用Harrlike特征模板定位人眼区域，有效降低背景及其他非人脸部分对人脸检测的干扰，减少无效特征点数目，提高检测效率。

主权项

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，εd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；(3)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。