一种基于可变形部件加权的多角度人脸检测方法

摘要

本发明公开了一种基于可变形部件加权的多角度人脸检测方法，该方法包括模型构建过程和人脸检测过程；根据人脸不同部件对检测效果的不同贡献，对不同的部件设置了不同的权重，保证了对重要部件作用的充分利用。该方法采用多模型融合的方法解决大角度人脸检测问题，在检测过程中采用了降低阈值的方法来降低漏检率，并且在模型结果融合过程中采用了肤色确认的方式降低误检率。该发明有效地解决了基于部件的人脸检测过程中的漏检和误检问题。可以广泛应用在安全检测，身份认证，智能交通等领域。

主权项

1.一种基于可变形部件加权的多角度人脸检测方法，其特征在于，包括模型构建过程和人脸检测过程；所述模型构建过程包括如下步骤：A1，收集人脸训练样本集和负样本集F_n，将人脸训练样本集中的训练图片进行标记，得到人脸在每个训练图片中的位置和大小；然后将人脸训练样本集分为正式训练集和辅助训练集，为了训练多个模型来实现多角度人脸检测，将正式训练集分为M个子集{oset₁，......，oset_M}，用来训练M个原始部件模型，辅助训练集也分成M个子集{aset₁，......，aset_M}，用来训练部件权重并且和正式训练集的子集一一对应，每两个对应的子集包含特定的偏转角度的人脸；A2，对于m＝1:M循环执行下面的步骤：A21，利用oset_m、oset_m的标记以及负样本集F_n训练得到第m个基于判别方法的部件模型(采用星形结构)的参数β_m。假设第m个模型包括n个部件A22，根据每个部件定位性能的好坏给其赋予适当的权重所述人脸检测过程包括如下步骤：B1，对于m＝1:M循环执行下面的步骤：B11，使用第m个模型来检测图片，对于每一个假设得到与部件相关的分数(j＝0......n-1)，进而求得此假设的得分：${\mathrm{score}}_m\left(L_m\right)={\mathrm{score}}_m^0\left(L_m\right)+\underset{j=1}{\overset{n-1}{\Sigma }}{\lambda }_m^j.{\mathrm{score}}_m^j\left(L_m\right)+b_m---\left(1\right)$如果score_m(L_m)＞db_m(db_m＝C-T，b_m为常数、C为原始阈值，T为下调幅度)，则认为此假设覆盖人脸区域(称为候选假设)，反之没有覆盖人脸区域。模型m扫描所有可能的假设，将得到候选假设集合B12，对于k＝1:Tm，循环执行步骤：读取集合中的候选假设采用肤色验证(采用YCbCr表色系统)的方法对候选假设进行肤色验证，如果不能通过验证则将其从集合中剔除；B2，将步骤B1中M个模型得到的结果合并；