一種基于Haar分類器和ORB特征的人臉檢索方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于Haar分類器和ORB特征的人臉檢索方法及系統(tǒng)。在本發(fā)明中，通過對分類器進行訓(xùn)練得到強分類器，篩選、級聯(lián)所有強分類器得到Haar分類器，然后可用Haar分類器檢測待檢索圖像是否存在人臉。其中，篩選式級聯(lián)方式提高了分類器的準(zhǔn)確率，積分圖算法的使用加速了算法的速度；之后，對檢測出的人臉區(qū)域圖像提取ORB特征并進行聚類及匹配，ORB特征采用中心點和周圍領(lǐng)域像素點的灰度值直接比較來檢測特征點。本發(fā)明能快速檢測出待檢索圖像是否存在人臉并進行精準(zhǔn)匹配，可廣泛應(yīng)用于海量視頻或圖像庫中快速檢索目標(biāo)人臉，在公安監(jiān)控系統(tǒng)快速查詢犯罪目標(biāo)行蹤等實際應(yīng)用中具有很高的市場應(yīng)用價值。
【專利說明】—種基于Haar分類器和ORB特征的人臉檢索方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人臉檢索【技術(shù)領(lǐng)域】，尤其涉及一種基于Haar分類器和ORB特征的人臉檢索方法及系統(tǒng)。
【背景技術(shù)】
[0002]隨著各種攝像器材和顯示媒體技術(shù)的快速發(fā)展，視頻圖像廣泛應(yīng)用于安防、門禁識別、視頻會議等領(lǐng)域，圖像和視頻已經(jīng)成為人類信息傳播和存儲的主要載體之一。然而，面對如今海量的、甚至還在呈指數(shù)級增長的圖片和視頻信息，如何快速、有效地檢索出所需要的圖片或視頻信息已成迫切需要。
[0003]由于圖片和視頻內(nèi)容的非結(jié)構(gòu)化和語義鴻溝問題的存在，讓基于內(nèi)容的圖片/視頻分析和檢索的研究十分復(fù)雜且困難重重。但是，近年來，隨著人臉識別技術(shù)取得了重大突破并獲得廣泛應(yīng)用，一些研究者已經(jīng)開始嘗試將人臉識別應(yīng)用于圖像/視頻檢索中，并將基于人臉的圖像/視頻檢索發(fā)展為視頻檢索的一個重要分支；此外，人臉是人類個體最明顯也是最重要的區(qū)分特征，人臉圖像特征的提取和應(yīng)用比虹膜、指紋等生物特征更容易被人類接受，利用人臉特征代表人類個體進行圖像/視頻分析和檢索具有廣闊的應(yīng)用空間和巨大的市場價值。但是，現(xiàn)有的人臉檢索方法普遍存在的檢索不精確、檢索速度慢的問題，因此，一種適于海量圖庫快速進行人臉檢索定位的方法亟待開發(fā)。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種基于Haar分類器和ORB特征的人臉檢索方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中人臉檢索圖像不精確、檢索速度慢等問題。
[0005]本發(fā)明是這樣實現(xiàn)的，一種基于Haar分類器和ORB特征的人臉檢索方法，包括以下步驟:
[0006]應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉；
[0007]獲取包含有目標(biāo)人臉的數(shù)字圖像，對所述目標(biāo)人臉以及待檢索人臉的區(qū)域圖像進行規(guī)定化預(yù)處理后再用ORB特征方法分別提取ORB特征點；
[0008]對所述目標(biāo)人臉以及待檢索人臉的ORB特征點分別進行聚類處理后得到相應(yīng)的目標(biāo)人臉ORB特征集以及待檢索人臉ORB特征集；
[0009]將所述目標(biāo)人臉ORB特征集與待檢索人臉ORB特征集進行匹配，匹配結(jié)果一致則將包含有所述待檢索人臉的圖像或視頻片段標(biāo)記出來。
[0010]優(yōu)選地，所述應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉包括以下具體步驟:
[0011]應(yīng)用AdaBoost算法訓(xùn)練樣本的Haar特征后得到區(qū)分人臉和非人臉的強分類器，篩選級聯(lián)所有強分類器為Haar分類器；
[0012]應(yīng)用所述Haar分類器的Haar特征進行人臉檢測；
[0013]在檢測過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速。[0014]優(yōu)選地，所述在檢測人臉過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速包括以下具體步驟:
[0015]計算像素點行方向的累加；
[0016]逐行掃描圖像，遞歸計算每個所述像素點行方向的累加得到積分圖像的值；
[0017]根據(jù)所述積分圖像的值掃描圖像構(gòu)造出積分圖像；
[0018]通過所述積分圖像對Haar分類器的Haar特征計算。
[0019]優(yōu)選地，所述區(qū)域圖像進行規(guī)定化預(yù)處理包括:人臉轉(zhuǎn)正、固定分辨率以及直方圖均衡化。
[0020]優(yōu)選地，所述ORB特征方法包括:ORB特征點定位和ORB特征點描述。
[0021]一種基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，包括:
[0022]Haar分類器人臉檢測模塊，用于通過應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉；
[0023]ORB特征點提取模塊，用于獲取包含有目標(biāo)人臉的數(shù)字圖像，對所述目標(biāo)人臉以及待檢索人臉的區(qū)域圖像進行規(guī)定化預(yù)處理后再用ORB特征方法分別提取ORB特征點；
[0024]ORB特征集聚類模塊，用于對所述目標(biāo)人臉以及待檢索人臉的ORB特征點分別進行聚類處理后得到相應(yīng)的目標(biāo)人臉ORB特征集以及待檢索人臉ORB特征集；
[0025]匹配檢索模塊，用于將所述目標(biāo)人臉ORB特征集與待檢索人臉ORB特征集進行匹配，匹配結(jié)果一致則將包含有所述待檢索人臉的圖像或視頻片段標(biāo)記出來。
[0026]優(yōu)選地，所述Haar分類器檢索模塊包括:
[0027]Haar分類器訓(xùn)練模塊，用于通過應(yīng)用AdaBoost算法訓(xùn)練樣本的Haar特征后得到區(qū)分人臉和非人臉的強分類器，篩選級聯(lián)所有強分類器為Haar分類器；
[0028]人臉檢測模塊，用于通過應(yīng)用所述Haar分類器的Haar特征進行人臉檢測；
[0029]加速檢測模塊，用于在檢測過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速。
[0030]優(yōu)選地，所述加速檢測模塊包括:
[0031]像素累加模塊，用于計算像素點行方向的累加；
[0032]像素點累加模塊，用于逐行掃描圖像，遞歸計算每個所述像素點行方向的累加得到積分圖像的值；
[0033]積分圖像構(gòu)造模塊，用于根據(jù)所述積分圖像的值掃描圖像構(gòu)造出積分圖像；
[0034]加速計算模塊，用于通過所述積分圖像對Haar分類器的Haar特征計算。
[0035]優(yōu)選地，所述ORB特征點提取模塊中區(qū)域圖像進行規(guī)定化預(yù)處理包括:人臉轉(zhuǎn)正、固定分辨率以及直方圖均衡化。
[0036]優(yōu)選地，所述ORB特征點提取模塊中ORB特征方法包括:0RB特征點定位和ORB特征點描述
[0037]本發(fā)明克服現(xiàn)有技術(shù)的不足，提供一種基于Haar分類器和ORB特征的人臉檢索方法，采用了 Haar分類器進行人臉檢測、ORB特征進行人臉匹配。其中，通過對分類器進行訓(xùn)練得到強分類器，篩選、級聯(lián)所有強分類器得到Haar分類器，然后可用Haar分類器檢測待檢索圖像是否存在人臉。其中，篩選式級聯(lián)方式提高了分類器的準(zhǔn)確率，積分圖算法的使用加速了算法的速度；之后，對檢測出的人臉區(qū)域圖像提取ORB特征并進行聚類及匹配，ORB特征采用中心點和周圍領(lǐng)域像素點的灰度值直接比較來檢測特征點，其特征點檢測速度更快，且ORB描述子采用二進制比特串組成，所需存儲空間更小，在匹配時可應(yīng)用漢明距離進行快速匹配。本發(fā)明能快速檢測出待檢索圖像是否存在人臉并進行精準(zhǔn)匹配，從而實現(xiàn)精準(zhǔn)、快速人臉檢索，可廣泛應(yīng)用于海量視頻或圖像庫中快速檢索目標(biāo)人臉，在公安監(jiān)控系統(tǒng)快速查詢犯罪目標(biāo)行蹤等實際應(yīng)用中具有很高的市場應(yīng)用價值。
【專利附圖】

【附圖說明】
[0038]圖1是本發(fā)明中基于Haar分類器和ORB特征的人臉檢索方法一實施例的流程示意圖；
[0039]圖2是本發(fā)明中基于Haar分類器和ORB特征的人臉檢索方法又一實施例的流程示意圖；
[0040]圖3是本發(fā)明中基于Haar分類器和ORB特征的人臉檢索系統(tǒng)一實施例的結(jié)構(gòu)示意圖；
[0041]圖4是本發(fā)明中基于Haar分類器和ORB特征的人臉檢索系統(tǒng)又一實施例的結(jié)構(gòu)示意圖。
【具體實施方式】
[0042]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0043]如圖1所示，本發(fā)明的一種基于Haar分類器和ORB特征的人臉檢索方法，包括以下步驟:
[0044]S1、應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉。
[0045]S2、獲取包含有目標(biāo)人臉的數(shù)字圖像，對所述目標(biāo)人臉以及待檢索人臉的區(qū)域圖像進行規(guī)定化預(yù)處理后再用ORB特征方法分別提取ORB特征點。
[0046]在步驟S2中，區(qū)域圖像進行規(guī)定化預(yù)處理包括:人臉轉(zhuǎn)正、固定分辨率以及直方圖均衡化。
[0047]在步驟S2中，ORB特征是繼SIFT之后又一經(jīng)典的局部特征方法，ORB特征用于人臉匹配，相比于傳統(tǒng)的SIFT等局部特征方法速度更快、特征描述子復(fù)雜度更低以及匹配速度也更快，此外，ORB特征采用的中心點和周圍領(lǐng)域像素點的灰度值直接比較來檢測特征點，其特征點檢測速度更快；而ORB特征采用二進制比特串組成，所需存儲空間更小，且在匹配時可應(yīng)用漢明距離進行快速匹配。其中，ORB特征方法包括:(1)0RB特征點定位和(2)ORB特征點描述。
[0048](I) ORB特征點定位
[0049]①應(yīng)用FAST檢測算子對預(yù)處理后的人臉區(qū)域圖像進行特征點檢測，其中，檢測以候選特征點為圓心、r=3為半徑的圓周上點的灰度值，若圓周上有足夠多的連續(xù)點與候選點的灰度值差值大于閾值d，則該候選點為一個特征點。
[0050]②確定特征點方向
[0051]ORB中方向的生成使用了簡單而有效的角向量測量方法，即強度圖心，根據(jù)Rosin的定義圖像塊的矩Hlij可表示成:
[0052]rny =^xlyJI(x,y)其中
X y.?
[0053]I (x, y)表示像素點(X, y)的灰度值，1、j分別表示在x、y方向上的權(quán)重。
[0054]利用距矩的定義可以得到圖心P。的表示方法:
W10 W01 I
[0055]Pa =-，-其中，
1^00 ^ooJ-
[0056]中心點到點P。的矢量方向就是特征點的方向，特征點主方向的角度可以表示成:Θ =arctan2 (m10, m01)。
[0057](2) ORB特征點描述:
[0058]先在以特征點為中心、31X31的區(qū)域中選取η個有序的點對(Pi，Qi)，并按照特征點的主方向角度對點對進行旋轉(zhuǎn)。再挑選那些相互距離平均值為0.5的測試對，組成一個容器T ;最后進行貪婪檢索:具體挑選出256對測試點對，保證區(qū)分度。點對的比較可以用如下公式表示:

Jl ifl(p)<l(q)廿山
[0059]T(^；A") = l0 otherwise ?’其中，
[0060]Se表示在Θ方向上的點對。
[0061]那么ORB描述子就是256個有序比較結(jié)果組成的比特序列:
[0062]fAse) = Σ η (ρ., P ,，q


i<, 256






O
[0063]S3、對所述目標(biāo)人臉以及待檢索人臉的ORB特征點分別進行聚類處理后得到相應(yīng)的目標(biāo)人臉ORB特征集以及待檢索人臉ORB特征集；
[0064]在步驟S3中，對ORB特征點聚類處理，可以將特征點匯聚成特征集合，特征集合不僅更具有目標(biāo)的表征性，在匹配時效率更高，具體包括以下步驟:
[0065]①給定原始聚類中心點?？紤]到獲取的人臉圖像大部分都沒有傾斜，原始中心點可指定在人臉圖的雙眼、鼻子、嘴巴大致區(qū)域，以提高聚類效率。
[0066]②計算每個特征點與中心點的歐氏距離，并將該特征點分配到離其最近的中心點子集中。
[0067]③計算每個子集中全部特征點的平均位置，并以該平均位置為該子集新的中心點。
[0068]④重復(fù)步驟①②③，直至所有中心點的位置不再變化，至此聚類處理結(jié)束，各中心點為特征集合的中心。
[0069]通過對特征點聚類處理，獲得的特征集合將主要是以眼睛、鼻子、嘴巴區(qū)域，這些五官區(qū)域也是人臉圖像中特征最明顯的地方，區(qū)分能力更強，保證了后續(xù)匹配效率更高。
[0070]S4、將所述目標(biāo)人臉ORB特征集與待檢索人臉ORB特征集進行匹配，匹配結(jié)果一致則將包含有所述待檢索人臉的圖像或視頻片段標(biāo)記出來。
[0071]在步驟S4中，人臉特征匹配特征點X: /； =(xl5x2,...x?)與特征點Y:// =(U2，…凡)之間的距離可以用下面公式表示:[0072]
【權(quán)利要求】
1.一種基于Haar分類器和ORB特征的人臉檢索方法，其特征在于包括以下步驟: 應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉； 獲取包含有目標(biāo)人臉的數(shù)字圖像，對所述目標(biāo)人臉以及待檢索人臉的區(qū)域圖像進行規(guī)定化預(yù)處理后再用ORB特征方法分別提取ORB特征點； 對所述目標(biāo)人臉以及待檢索人臉的ORB特征點分別進行聚類處理后得到相應(yīng)的目標(biāo)人臉ORB特征集以及待檢索人臉ORB特征集； 將所述目標(biāo)人臉ORB特征集與待檢索人臉ORB特征集進行匹配，匹配結(jié)果一致則將包含有所述待檢索人臉的圖像或視頻片段標(biāo)記出來。
2.如權(quán)利要求1所述的基于Haar分類器和ORB特征的人臉檢索方法，其特征在于，所述應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉包括以下具體步驟: 應(yīng)用AdaBoost算法訓(xùn)練樣本的Haar特征后得到區(qū)分人臉和非人臉的強分類器，篩選級聯(lián)所有強分類器為Haar分類器； 應(yīng)用所述Haar分類器的Haar特征進行人臉檢測； 在檢測過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速。
3.如權(quán)利要求2所述的基于Haar分類器和ORB特征的人臉檢索方法，其特征在于，所述在檢測人臉過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速包括以下具體步驟: 計算像素點行方向的累加； 逐行掃描圖像，遞歸計算每個所述像素點行方向的累加得到積分圖像的值； 根據(jù)所述積分圖像的值掃描圖像構(gòu)造出積分圖像； 通過所述積分圖像對Haar分類器的Haar特征計算。
4.如權(quán)利要求3所述的基于Haar分類器和ORB特征的人臉檢索方法，其特征在于，所述區(qū)域圖像進行規(guī)定化預(yù)處理包括:人臉轉(zhuǎn)正、固定分辨率以及直方圖均衡化。
5.如權(quán)利要求4所述的基于Haar分類器和ORB特征的人臉檢索方法，其特征在于，所述ORB特征方法包括:0RB特征點定位和ORB特征點描述。
6.一種基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，其特征在于，包括: Haar分類器人臉檢測模塊，用于通過應(yīng)用Haar分類器算法對待檢索數(shù)字圖像進行檢測獲取待檢索人臉； ORB特征點提取模塊，用于獲取包含有目標(biāo)人臉的數(shù)字圖像，對所述目標(biāo)人臉以及待檢索人臉的區(qū)域圖像進行規(guī)定化預(yù)處理后再用ORB特征方法分別提取ORB特征點； ORB特征集聚類模塊，用于對所述目標(biāo)人臉以及待檢索人臉的ORB特征點分別進行聚類處理后得到相應(yīng)的目標(biāo)人臉ORB特征集以及待檢索人臉ORB特征集； 匹配檢索模塊，用于將所述目標(biāo)人臉ORB特征集與待檢索人臉ORB特征集進行匹配，匹配結(jié)果一致則將包含有所述待檢索人臉的圖像或視頻片段標(biāo)記出來。
7.如權(quán)利要求6所述的基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，其特征在于，所述Haar分類器檢索模塊包括: Haar分類器訓(xùn)練模塊，用于通過應(yīng)用AdaBoost算法訓(xùn)練樣本的Haar特征后得到區(qū)分人臉和非人臉的強分類器，篩選級聯(lián)所有強分類器為Haar分類器； 人臉檢測模塊，用于通過應(yīng)用所述Haar分類器的Haar特征進行人臉檢測；加速檢測模塊，用于在檢測過程中利用積分圖算法對所述Haar分類器的Haar特征的計算進行加速。
8.如權(quán)利要求7所述的基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，其特征在于，所述加速檢測模塊包括: 像素累加模塊，用于計算像素點行方向的累加； 像素點累加模塊，用于逐行掃描圖像，遞歸計算每個所述像素點行方向的累加得到積分圖像的值； 積分圖像構(gòu)造模塊，用于根據(jù)所述積分圖像的值掃描圖像構(gòu)造出積分圖像； 加速計算模塊，用于通過所述積分圖像對Haar分類器的Haar特征計算。
9.如權(quán)利要求8所 述的基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，其特征在于，所述ORB特征點提取模塊中區(qū)域圖像進行規(guī)定化預(yù)處理包括:人臉轉(zhuǎn)正、固定分辨率以及直方圖均衡化。
10.如權(quán)利要求9所述的基于Haar分類器和ORB特征的人臉檢索系統(tǒng)，其特征在于，所述ORB特征點提取模塊中ORB特征方法包括:0RB特征點定位和ORB特征點描述。
【文檔編號】G06K9/66GK103745240SQ201310704462
【公開日】2014年4月23日 申請日期:2013年12月20日 優(yōu)先權(quán)日:2013年12月20日
【發(fā)明者】許雪梅, 周立超, 丁家峰, 尹林子, 丁一鵬, 曹粲 申請人:許雪梅