專利名稱：多角度人臉檢測裝置與方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域中的一種多角度人臉檢測裝置與方法。本發(fā)明使用多角度人臉檢測方法判斷攝像頭采集的彩色圖像中是否存在人臉，如果有人臉則定位圖像中人臉的位置和所占的區(qū)域。
背景技術(shù)：
人臉檢測是判斷指定圖像中所有人臉(如果存在)的位置和大小的過程，它是一項基礎(chǔ)性工作，廣泛應(yīng)用于人機(jī)交互，人臉識別與跟蹤，圖像增強(qiáng)和檢索，基于內(nèi)容的視頻編碼等領(lǐng)域，已經(jīng)成為模式識別和計算機(jī)視覺中十分活躍的研究課題。北京智安邦科技有限公司提出的專利申請“人臉檢測方法及系統(tǒng)”(專利申請?zhí)?CN200910077430. 2，公開號CN10173卯49A)公開了一種用于駕駛員疲勞檢測的人臉檢測方法及系統(tǒng)。該方法的實施步驟是步驟一，預(yù)處理圖像，彩色圖像灰度化處理和降低圖像分辨率；步驟二，處理圖像，包括獲取連通區(qū)域和獲取積分圖像；步驟三，選定候選人臉區(qū)域， 根據(jù)獲取的連通區(qū)域及積分圖像，選定候選人臉區(qū)域；步驟四，驗證候選人臉區(qū)域，通過判決條件濾除虛假的人臉區(qū)域，并輸出人臉區(qū)域。該專利申請還公開了一種裝置，包括預(yù)處理圖像模塊、處理圖像模塊、選定候選人臉區(qū)域模塊和驗證候選人臉區(qū)域模塊。該方法雖然簡單有效的進(jìn)行了人臉檢測，較好的保證了駕駛員疲勞檢測中的人臉和人眼定位，但是仍然存在的不足是該方法首先將彩色圖像轉(zhuǎn)化為灰度圖像再進(jìn)行人臉檢測，沒有有效的利用彩色信息，增加了處理時間；另外該發(fā)明公開的裝置結(jié)構(gòu)復(fù)雜，實現(xiàn)困難。華為技術(shù)有限公司提出的專利申請“一種人臉檢測方法及裝置”(專利申請?zhí)?200810198047. 8，公開號CN101344922A)公開了一種人臉檢測方法。該方法實施步驟是步驟一，基于灰度統(tǒng)計模型對視頻當(dāng)前幀中的人臉進(jìn)行檢測，獲得候選人臉區(qū)域；步驟二，基于單通道膚色模型對候選人臉區(qū)域進(jìn)行膚色過濾，獲得人臉檢測結(jié)果。此外，該專利申請還公開了一種裝置，該裝置包括人臉區(qū)域檢測模塊，用于基于灰度統(tǒng)計模型對視頻當(dāng)前幀中的人臉進(jìn)行檢測，獲得候選人臉區(qū)域；膚色過濾模塊，用于基于單通道膚色模型對人臉區(qū)域檢測模塊所獲得的候選人臉區(qū)域進(jìn)行膚色過濾，獲得人臉檢測結(jié)果。該方法雖然利用人臉的灰度結(jié)構(gòu)本身存在與其它事物相區(qū)分的特殊性進(jìn)行人臉檢測，同時利用基于單通道膚色模型對候選人臉區(qū)域進(jìn)行膚色過濾排除大部分假正臉，但是仍然存在的不足是該方法首先采用了 boosting算法進(jìn)行人臉檢測再進(jìn)行膚色過濾，boosting方法主要對正面人臉檢測較為有效，但對水平方向其他角度人臉(如側(cè)面人臉)檢測效果較差，并不能實現(xiàn)多角度人臉檢測。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足，提出一種彩色圖像中多角度人臉檢測的裝置和方法，可以有效的利用彩色圖像中膚色信息，實現(xiàn)水平方向的多角度人臉檢測。為了實現(xiàn)上述目的，本發(fā)明裝置包括圖像采集模塊，模數(shù)轉(zhuǎn)換模塊，圖像處理模塊，數(shù)據(jù)存儲模塊和通信模塊五個模塊，各模塊之間通過總線連接；其中，圖像采集模塊采用電荷耦合器件攝像頭采集外部模擬信號彩色圖像數(shù)據(jù)，并將數(shù)據(jù)傳送給模數(shù)轉(zhuǎn)換模塊； 模數(shù)轉(zhuǎn)換模塊采用數(shù)模轉(zhuǎn)換芯片將圖像采集模塊獲取的模擬信號數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號數(shù)據(jù)，為圖像處理模塊提供數(shù)據(jù)；圖像處理模塊采用數(shù)字信號處理器對獲取的圖像數(shù)字信號進(jìn)行處理，通過多角度人臉檢測算法，實現(xiàn)圖像中人臉的檢測；數(shù)據(jù)存儲模塊完成程序和圖像數(shù)據(jù)的存儲，以及圖像處理過程中中間數(shù)據(jù)的暫存；通信模塊采用通用串行總線發(fā)送和接收裝置，實現(xiàn)與外部的串行通信，輸出人臉檢測結(jié)果。本發(fā)明裝置實現(xiàn)多角度人臉檢測方法包括如下步驟(1)建立人眼分類器la)采用手工標(biāo)記方法從包含人眼的灰度圖片中切割出人眼的雙眼和左、右單眼圖像；從不包含人眼的灰度圖片隨機(jī)切割出非人眼圖像，人眼圖像和非人眼圖像分別作為訓(xùn)練時的正樣本和負(fù)樣本；lb)將收集到的人眼雙眼和單眼圖像的正樣本和非人眼圖像的負(fù)樣本縮放為相同尺寸的樣本；Ic)用直方圖均衡法對縮放后正負(fù)樣本進(jìn)行光照補(bǔ)償，獲得補(bǔ)償后的正負(fù)樣本；Id)對補(bǔ)償后的正負(fù)樣本進(jìn)行矩形特征提取，分別建立雙眼和單眼級聯(lián)分類器。(2)建立側(cè)面人臉模板2a)收集水平方向朝右偏轉(zhuǎn)20 50度之間的半側(cè)人臉和水平方向朝右偏轉(zhuǎn)50 90度之間的全側(cè)人臉圖像作為樣本；2b)將收集到的樣本縮放為相同尺寸大小的樣本；2c)用直方圖均衡法對縮放后的樣本進(jìn)行光照補(bǔ)償，獲得補(bǔ)償后的樣本；2d)對補(bǔ)償后的樣本進(jìn)行灰度二值化處理，獲得二值化樣本；2e)分別將人臉的二值化樣本相同位置像素點的灰度值累加后求平均值，將平均值圖像分別作為朝右偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板，利用人臉對稱性得到朝左偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板。(3)獲取待處理圖像圖像采集模塊將獲取的模擬信號彩色圖像輸入到數(shù)模轉(zhuǎn)換模塊，模數(shù)轉(zhuǎn)換模塊將轉(zhuǎn)換后的數(shù)字信號彩色圖像作為后續(xù)待處理圖像。(4)獲取候選人臉區(qū)域4a)利用橢圓膚色模型法檢測待處理圖像的膚色點，獲得圖像的膚色區(qū)域；4b)對膚色區(qū)域進(jìn)行膚色二值化圖像處理，獲得二值圖像；4c)對二值圖像進(jìn)行積分投影，獲得膚色區(qū)域的長度和寬度，將長寬比例在0. 5 2之間的膚色區(qū)域定為候選人臉區(qū)域。(5)判定正面人臉5a)將候選人臉區(qū)域轉(zhuǎn)化為灰度圖像；5b)將灰度圖像連續(xù)縮小，窮舉縮小后的圖像中上半部分與步驟Ic)建立的雙眼檢測器的樣本同樣大小的子窗口，如果這些子窗口中存在通過雙眼分類器檢測的窗口，說明檢測到雙眼，則判定存在正面人臉，執(zhí)行步驟(8)；否則，執(zhí)行下一步驟。(6)判定半側(cè)人臉
6a)將步驟5a)中灰度圖像連續(xù)縮小，窮舉縮小后的圖像中上半部分與步驟lc)建立的單眼檢測器的樣本同樣大小的子窗口，如果這些子窗口中存在通過單眼分類器檢測的窗口，說明檢測到單眼，則對灰度圖像區(qū)域進(jìn)行灰度二值化處理，獲得二值圖像，執(zhí)行下一步驟；否則，執(zhí)行步驟(7)；6b)利用步驟2e)建立的半側(cè)人臉模板對二值圖像進(jìn)行模板匹配，獲得匹配的相關(guān)系數(shù)，若相關(guān)系數(shù)大于等于0.6，則判定存在半側(cè)人臉，執(zhí)行步驟(8)；否則，執(zhí)行下一步
馬聚ο(7)判定全側(cè)人臉7a)將步驟5a)的灰度圖像區(qū)域進(jìn)行灰度二值化處理，獲得二值圖像；7b)利用步驟2e)建立的全側(cè)人臉模板對二值圖像進(jìn)行模板匹配，獲得匹配的相關(guān)系數(shù)，若相關(guān)系數(shù)大于等于0. 6，則判定存在全側(cè)人臉，否則判定該圖像中無人臉，執(zhí)行步驟⑶。(8)輸出檢測結(jié)果。本發(fā)明與現(xiàn)有技術(shù)相比有以下優(yōu)點第一，本發(fā)明采用膚色模型檢測出彩色圖像中比例相對較小的膚色區(qū)域，然后在該區(qū)域進(jìn)行人臉檢測，克服了現(xiàn)有技術(shù)對整幅圖像進(jìn)行人臉檢測計算量較大的缺點，使本發(fā)明節(jié)省了計算資源，提高了處理速度。第二，本發(fā)明采用膚色檢測、人眼檢測和模板匹配相結(jié)合的方法，克服了現(xiàn)有技術(shù)只能檢測正面人臉的缺點，使本發(fā)明可以檢測水平方向多個角度的人臉，包括正面人臉和側(cè)面人臉。第三，本發(fā)明采用二值圖像建立側(cè)面人臉模板進(jìn)行側(cè)面人臉檢測，充分利用了人臉側(cè)面特征分布簡單的特點，克服了現(xiàn)有技術(shù)模板建立復(fù)雜的缺點，使本發(fā)明側(cè)面人臉模板建立容易，判定側(cè)面人臉運算簡單有效。


圖1為本發(fā)明裝置的方框圖；圖2為本發(fā)明方法的流程圖；圖3為本發(fā)明的仿真效果圖。具體實施措施下面結(jié)合附圖對發(fā)明做進(jìn)一步描述。參照附圖1，本發(fā)明裝置包括五個模塊圖像采集模塊，模數(shù)轉(zhuǎn)換模塊，圖像處理模塊，數(shù)據(jù)存儲模塊和通信模塊，各模塊之間通過總線連接。其中，圖像采集模塊采用電荷耦合器件攝像頭采集外部模擬信號彩色圖像數(shù)據(jù)，并將數(shù)據(jù)傳送給模數(shù)轉(zhuǎn)換模塊；模數(shù)轉(zhuǎn)換模塊采用數(shù)模轉(zhuǎn)換芯片將圖像采集模塊獲取的模擬信號數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號數(shù)據(jù)，為圖像處理模塊提供數(shù)據(jù)；圖像處理模塊采用數(shù)字信號處理器對獲取的圖像數(shù)字信號進(jìn)行處理，通過多角度人臉檢測算法，實現(xiàn)圖像中人臉的檢測；數(shù)據(jù)存儲模塊完成程序和圖像數(shù)據(jù)的存儲，以及圖像處理過程中中間數(shù)據(jù)的暫存；通信模塊采用通用串行總線發(fā)送和接收裝置，實現(xiàn)與外部的串行通信，輸出人臉檢測結(jié)果。本發(fā)明裝置中包括快閃存儲器和動態(tài)隨機(jī)存儲器，快閃存儲器完成程序的存儲，動態(tài)隨機(jī)存儲器完成圖像數(shù)據(jù)的暫存和提供多角度人臉檢測算法所需的內(nèi)存。在本發(fā)明實施例中，圖像采集模塊采用SONY HQl型號電荷耦合器件攝像頭，其信號制式為逐行倒相制式，分辨率(水平中心)為540電視行；模數(shù)轉(zhuǎn)換模塊采用ADV7183數(shù)模轉(zhuǎn)換芯片，它是一款包含10位模數(shù)轉(zhuǎn)換器的增強(qiáng)型視頻解碼器，內(nèi)含兩個10位精確模數(shù)轉(zhuǎn)換器和完整的自動增益控制電路，有6個模擬視頻信號輸入信道，可以將模擬信號圖像轉(zhuǎn)換為數(shù)字信號圖像；圖像處理模塊采用ADSPBF533芯片，可以提供強(qiáng)大的數(shù)字信號處理運算能力和多種接口，不但可以完成傳統(tǒng)微處理器的控制功能，還可以針對圖像特點運用二維直接內(nèi)存存取傳輸數(shù)據(jù)，大大加快圖像數(shù)據(jù)的傳送和處理；快閃存儲器采用M25P64芯片，動態(tài)隨機(jī)存儲器采用ffl~48LC32M16A2TG-75芯片；通信模塊采用MAX232芯片組成符合標(biāo)準(zhǔn)RS232協(xié)議的串口通信電路。結(jié)合附圖2對本發(fā)明方法的具體步驟描述如下步驟1，建立人眼分類器采用手工標(biāo)記方法從包含人眼的灰度圖片中切割出人眼的雙眼和左、右單眼圖像；從不包含人眼的灰度圖片隨機(jī)切割出非人眼圖像，人眼圖像和非人眼圖像分別作為訓(xùn)練時的正樣本和負(fù)樣本。將收集到的正負(fù)樣本縮放為相同尺寸，本發(fā)明實施例中將雙眼樣本圖像縮放為 22X5像素，單眼樣本圖像歸一化為18X12像素，非人眼樣本分別對應(yīng)人眼樣本縮放為相同的尺寸。為了調(diào)整正負(fù)樣本的亮度，用直方圖均衡法對縮放后的正負(fù)樣本進(jìn)行光照補(bǔ)償， 首先計算正負(fù)樣本的灰度直方圖，然后將直方圖的分布變化為均勻分布的形式，由此獲得補(bǔ)償后正負(fù)樣本。將矩形作為人眼檢測的特征向量對補(bǔ)償后的正負(fù)樣本進(jìn)行特征提取，采用 Adaboost算法分別建立雙眼和單眼級聯(lián)分類器，首先利用提取的特征訓(xùn)練弱分類器，再由弱分類器級聯(lián)構(gòu)成強(qiáng)分類器，然后由強(qiáng)分類器級聯(lián)構(gòu)成級聯(lián)分類器。級聯(lián)分類器的構(gòu)建采用由重到輕，由簡到繁的方法，這種方法可以在前面層檢測人眼的同時排除大量非人眼，而把次要的特征放在后面層，以便進(jìn)一步排除，由此能快速有效的完成人眼的檢測。步驟2，建立側(cè)面人臉模板收集水平方向朝右偏轉(zhuǎn)20 50度之間的半側(cè)人臉和水平方向朝右偏轉(zhuǎn)50 90 度之間的全側(cè)人臉圖像作為樣本，所選用的樣本都包括完整的頭發(fā)和臉部，并且這些圖像中頭發(fā)都沒有遮擋耳朵。把收集到的樣本縮放為相同尺寸大小的樣本，本發(fā)明實施例中將樣本統(tǒng)一縮放為70 X 110像素大小。為了調(diào)整樣本的亮度，用直方圖均衡法對縮放后的樣本進(jìn)行光照補(bǔ)償，首先計算樣本的灰度直方圖，然后將直方圖的分布變化為均勻分布的形式，由此獲得補(bǔ)償后樣本。對補(bǔ)償后的樣本進(jìn)行灰度二值化處理，將樣本中灰度值小于一定閾值的像素賦灰度值的一個極值，大于該閾值的像素賦相反的極值，由此獲得二值樣本。本發(fā)明實施例中， 灰度二值化處理的閾值設(shè)定為90，將灰度值大于90的像素賦值255，小于90的像素賦值0。分別將半側(cè)和全側(cè)人臉二值樣本相同位置像素點的灰度值累加后求平均值，獲得平均圖像，將平均圖像分別作為朝右偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板，利用人臉對稱性得到朝左偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板。
步驟3，獲取待處理圖像圖像采集模塊將獲取的模擬信號彩色圖像輸入到數(shù)模轉(zhuǎn)換模塊，模數(shù)轉(zhuǎn)換模塊將轉(zhuǎn)換后的數(shù)字信號彩色圖像作為后續(xù)待處理圖像。步驟4，獲取候選人臉區(qū)域利用橢圓膚色模型法檢測待處理圖像的膚色點，在色彩空間YCrCb中，對待處理圖像中每個像素點經(jīng)過下式運算，求該點在CrCb空間中的特征值
權(quán)利要求
1.一種多角度人臉檢測裝置，包括圖像采集模塊，模數(shù)轉(zhuǎn)換模塊，圖像處理模塊，數(shù)據(jù)存儲模塊和通信模塊五個模塊，各模塊之間通過總線連接；其中所述圖像采集模塊采用電荷耦合器件攝像頭采集外部模擬信號彩色圖像數(shù)據(jù)，并將數(shù)據(jù)傳送給模數(shù)轉(zhuǎn)換模塊；所述模數(shù)轉(zhuǎn)換模塊采用數(shù)模轉(zhuǎn)換芯片將圖像采集模塊獲取的模擬信號數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號數(shù)據(jù)，為圖像處理模塊提供數(shù)據(jù)；所述圖像處理模塊采用數(shù)字信號處理器對獲取的圖像數(shù)字信號進(jìn)行處理，通過多角度人臉檢測算法，實現(xiàn)圖像中人臉的檢測；所述數(shù)據(jù)存儲模塊完成程序和圖像數(shù)據(jù)的存儲，以及圖像處理過程中中間數(shù)據(jù)的暫存；所述通信模塊采用通用串行總線發(fā)送和接收裝置，實現(xiàn)與外部的串行通信，輸出人臉檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的多角度人臉檢測裝置，其特征在于，所述數(shù)據(jù)存儲模塊包括快閃存儲器和動態(tài)隨機(jī)存儲器，快閃存儲器完成程序的存儲，動態(tài)隨機(jī)存儲器完成圖像數(shù)據(jù)的暫存和提供多角度人臉檢測算法所需的內(nèi)存。
3.一種多角度人臉檢測方法，包括如下步驟(1)建立人眼分類器la)采用手工標(biāo)記方法從包含人眼的灰度圖片中切割出人眼的雙眼和左、右單眼圖像； 從不包含人眼的灰度圖片隨機(jī)切割出非人眼圖像，人眼圖像和非人眼圖像分別作為訓(xùn)練時的正樣本和負(fù)樣本；lb)將收集到的人眼雙眼和單眼圖像的正樣本和非人眼圖像的負(fù)樣本縮放為相同尺寸的樣本；Ic)用直方圖均衡法對縮放后正負(fù)樣本進(jìn)行光照補(bǔ)償，獲得補(bǔ)償后的正負(fù)樣本； Id)對補(bǔ)償后的正負(fù)樣本進(jìn)行矩形特征提取，分別建立雙眼和單眼級聯(lián)分類器；(2)建立側(cè)面人臉模板2a)收集水平方向朝右偏轉(zhuǎn)20 50度之間的半側(cè)人臉和水平方向朝右偏轉(zhuǎn)50 90 度之間的全側(cè)人臉圖像作為樣本；2b)將收集到的樣本縮放為相同尺寸大小的樣本；2c)用直方圖均衡法對縮放后的樣本進(jìn)行光照補(bǔ)償，獲得補(bǔ)償后的樣本；2d)對補(bǔ)償后的樣本進(jìn)行灰度二值化處理，獲得二值化樣本；2e)分別將人臉的二值化樣本相同位置像素點的灰度值累加后求平均值，將平均值圖像分別作為朝右偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板，利用人臉對稱性得到朝左偏轉(zhuǎn)的半側(cè)人臉模板和全側(cè)人臉模板；(3)獲取待處理圖像圖像采集模塊將獲取的模擬信號彩色圖像輸入到數(shù)模轉(zhuǎn)換模塊，模數(shù)轉(zhuǎn)換模塊將轉(zhuǎn)換后的數(shù)字信號彩色圖像作為后續(xù)待處理圖像；(4)獲取候選人臉區(qū)域4a)利用橢圓膚色模型法檢測待處理圖像的膚色點，獲得圖像的膚色區(qū)域； 4b)對膚色區(qū)域進(jìn)行膚色二值化圖像處理，獲得二值圖像；4c)對二值圖像進(jìn)行積分投影，獲得膚色區(qū)域的長度和寬度，將長寬比例在0. 5 2之間的膚色區(qū)域定為候選人臉區(qū)域；(5)判定正面人臉5a)將候選人臉區(qū)域轉(zhuǎn)化為灰度圖像；5b)將灰度圖像連續(xù)縮小，窮舉縮小后的圖像中上半部分與步驟lc)建立的雙眼檢測器的樣本同樣大小的子窗口，如果這些子窗口中存在通過雙眼分類器檢測的窗口，說明檢測到雙眼，則判定存在正面人臉，執(zhí)行步驟(8)；否則，執(zhí)行下一步驟；(6)判定半側(cè)人臉6a)將步驟5a)中灰度圖像連續(xù)縮小，窮舉縮小后的圖像中上半部分與步驟lc)建立的單眼檢測器的樣本同樣大小的子窗口，如果這些子窗口中存在通過單眼分類器檢測的窗口，說明檢測到單眼，則對灰度圖像區(qū)域進(jìn)行灰度二值化處理，獲得二值圖像，執(zhí)行下一步驟；否則，執(zhí)行步驟(7)；6b)利用步驟2e)建立的半側(cè)人臉模板對二值圖像進(jìn)行模板匹配，獲得匹配的相關(guān)系數(shù)，若相關(guān)系數(shù)大于等于0.6，則判定存在半側(cè)人臉，執(zhí)行步驟(8)；否則，執(zhí)行下一步驟；(7)判定全側(cè)人臉7a)將步驟5a)的灰度圖像區(qū)域進(jìn)行灰度二值化處理，獲得二值圖像；7b)利用步驟2e)建立的全側(cè)人臉模板對二值圖像進(jìn)行模板匹配，獲得匹配的相關(guān)系數(shù)，若相關(guān)系數(shù)大于等于0. 6，則判定存在全側(cè)人臉，否則判定該圖像中無人臉，執(zhí)行步驟 ⑶；(8)輸出檢測結(jié)果。
4.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟Id)所述的矩形特征是指將矩形作為人眼檢測的特征向量。
5.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟Id)所述的級聯(lián)分類器采用Adaboost算法建立，該方法先訓(xùn)練弱分類器，由弱分類器級聯(lián)構(gòu)成強(qiáng)分類器，再由強(qiáng)分類器級聯(lián)構(gòu)成的分類器。
6.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟2d)、步驟6a)和步驟7a)所述的灰度二值化處理是將灰度圖像中灰度值小于一定閾值的像素賦灰度值的一個極值，大于該閾值的像素賦相反的極值。
7.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟4a)所述的橢圓膚色模型法是在色彩空間YCrCb中，對圖像中一個像素點經(jīng)過下式運算，求該點在CrCb空間中的特征值
8.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟4b)所述的膚色二值化處理是將圖像中膚色區(qū)域在另一幅同樣大小的灰度圖像中的對應(yīng)位置賦灰度值的一個極值，非膚色區(qū)域的對應(yīng)位置賦相反的極值。
9.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟如)所述的積分投影方法是將二值圖像進(jìn)行水平投影和垂直投影得到投影圖，垂直投影圖中膚色分布集中區(qū)域的寬度為膚色區(qū)域的長度，水平投影圖中膚色分布集中區(qū)域的寬度為膚色區(qū)域?qū)挾取?br> 10.根據(jù)權(quán)利要求3所述的多角度人臉檢測方法，其特征在于，步驟6b)和步驟7b)所述的相關(guān)系數(shù)通過下式計算獲得
全文摘要
本發(fā)明公開一種多角度人臉檢測裝置與方法，主要解決現(xiàn)有技術(shù)中不能有效利用圖像中彩色信息和主要針對單個角度檢測人臉的問題。其裝置包括圖像采集模塊、模數(shù)轉(zhuǎn)換模塊、圖像處理模塊、數(shù)據(jù)存儲模塊和通信模塊。其方法步驟為(1)建立人眼檢測器；(2)建立側(cè)面人臉模板；(3)獲取待處理圖像；(4)獲取互選人臉區(qū)域；(5)判定正面人臉；(6)判定側(cè)面人臉；(7)判定全側(cè)人臉；(8)輸出檢測結(jié)果。本發(fā)明有效的利用了圖像中的膚色信息，節(jié)省了計算資源，提高了處理速度；采用二值圖像建立模板，可以簡單有效的判定側(cè)面人臉；將膚色檢測、人眼檢測和模板匹配方法結(jié)合，能夠準(zhǔn)確的檢測水平方向多個角度的人臉。
文檔編號G06K9/00GK102426646SQ20111032667
公開日2012年4月25日 申請日期2011年10月24日 優(yōu)先權(quán)日2011年10月24日
發(fā)明者任艷朋, 張小華, 焦李成, 王桂婷, 田小林, 緱水平 申請人:西安電子科技大學(xué)