半监督在线学人脸检测方法

摘要

本发明公开一种半监督在线学人脸检测方法，主要解决现有技术中离线人脸检测需要采集大量样本和不能在检测过程中进行调整、提高检测率的问题。其方法步骤为：(1)获取待检测图像；(2)建立在线人脸分类器；(3)在线人脸检测；(4)判定最差检测结果是否类似人脸；(5)更新在线人脸分类器；(6)筛选分类器结果；(7)输出检测结果。本发明采用在线人脸分类器进行人脸检测，不需要采集样本和离线训练，节省了大量资源和时间，可以简单、快速的进行人脸检测；并且通过线学方法对人脸分类器进行更新，使本发明可以在人脸检测过程中不断调整检测器参数，逐步提高人脸检测的正确率。

主权项

一种半监督在线学习人脸检测方法，包括以下步骤：(1)获取待检测图像1a)输入一幅具有多张人脸的图像；1b)根据图像的色彩空间采用相应转换算法，将具有多张人脸的图转换为灰度图像；1c)将转换后的灰度图像作为待检测图像；(2)建立在线人脸分类器2a)检测人员在待检测图像中手工标记出与需要检测的姿态相同的一张人脸作为正样本；2b)对正样本提取矩形特征，采用on‑line boosting方法建立在线人脸分类器；(3)在线人脸检测3a)将待检测图像连续缩小；3b)穷举缩小后的图像中与正样本同样大小的子窗口；3c)找出通过在线人脸分类器检测的子窗口，获得在线人脸检测结果；(4)判定最差检测结果是否类似人脸4a)采用相关法计算步骤3c)中在线人脸检测结果与正样本的相似度；4b)从步骤3c)的在线人脸检测结果中找出与正样本相似度最低的结果，获得最差检测结果；4c)如果最差检测结果与正样本相似度在设定阈值以下，则认为该检测结果为非人脸，将其作为负样本，执行步骤(5)；否则，判定在线分类器已经检测出待检测图像中所有与正样本姿态相同的人脸，获得分类器最终检测结果，执行步骤(6)；(5)更新在线人脸分类器5a)对步骤4c)中的负样本提取矩形特征；5b)用提取的特征对在线人脸分类器的每个弱分类器进行训练，将每个选择器中 正确率最低的弱分类器由随机生成的新弱分类器替代，并将每个选择器中正确率最高的弱分类器级联构成强分类器，获得更新后的在线人脸分类器，执行步骤(3)；(6)筛选分类器结果6a)采用相关法计算分类器最终检测结果两两之间的相似度；6b)统计与每个检测结果相似度在设定阈值以下的检测结果的数量，如果数量大于检测结果总数量的一半，则将该结果删除；否则，将该结果保留；6c)收集所有保留的检测结果，获得最终检测结果；(7)输出检测结果。