本發(fā)明屬于人臉檢測(cè)技術(shù)領(lǐng)域，尤其是涉及一種基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法。

背景技術(shù)：

隨著半導(dǎo)體技術(shù)的飛速發(fā)展和新的計(jì)算法方法的不斷出現(xiàn)，現(xiàn)在的智能分析算法都逐漸從后段PC設(shè)備移到前端，出現(xiàn)了各式各樣的智能終端產(chǎn)品，人臉檢測(cè)作為智能設(shè)備的主要功能，能夠?qū)崟r(shí)地對(duì)人臉進(jìn)行檢測(cè)、抓拍，不僅大大提高了用戶體驗(yàn)，而且能減少后期存儲(chǔ)壓力，加快檢索速度，為客戶降低使用成本，提高工作效率，在當(dāng)前競(jìng)爭(zhēng)激烈的監(jiān)控領(lǐng)域，無(wú)疑是最佳選擇。

現(xiàn)有技術(shù)中的人臉檢測(cè)方法均基于前景檢測(cè)、特征提取和分類(lèi)識(shí)別，前景檢測(cè)即利用拍攝圖像的情景對(duì)比確定目標(biāo)位置，進(jìn)而減少計(jì)算量，然后將確定位置的檢測(cè)目標(biāo)進(jìn)行圖像縮放操作，構(gòu)成圖像金字塔，在圖像金字塔的各層圖像中提取人臉特征，并通過(guò)分類(lèi)器分類(lèi)，最后進(jìn)行圖像融合生成人臉圖像；

此種方法雖然采用了前景檢測(cè)，但沒(méi)有充分利用視頻流中實(shí)際目標(biāo)的位置反饋，以及對(duì)區(qū)域內(nèi)目標(biāo)個(gè)數(shù)的預(yù)測(cè)，檢測(cè)實(shí)時(shí)性差；同時(shí)該方法只采用了一種特征提取方式，提升檢測(cè)率智能通過(guò)樣本的選擇和特征圍數(shù)來(lái)實(shí)現(xiàn)，且效果不明顯；該方法沒(méi)有人臉識(shí)別評(píng)價(jià)濾除機(jī)制，誤檢率較高。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明旨在提出一種基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，包括以下步驟：

(1)圖像縮放：利用訓(xùn)練模型的尺度大小和要檢測(cè)場(chǎng)景中最小目標(biāo)的尺度大小，對(duì)拍攝原圖進(jìn)行縮放，減少運(yùn)算量；

(2)前景檢測(cè)：利用拍攝場(chǎng)景圖像的情景對(duì)比確定檢測(cè)熱點(diǎn)；

(3)人臉區(qū)域融合：將前景檢測(cè)和目標(biāo)跟蹤預(yù)測(cè)區(qū)域進(jìn)行疊加融合，得到更有效的人臉檢測(cè)區(qū)域；

(4)人臉個(gè)數(shù)預(yù)測(cè)：利用已檢測(cè)出的人臉尺度對(duì)步驟(3)得到的人臉檢測(cè)圖像預(yù)測(cè)，得到該區(qū)域人臉個(gè)數(shù)估計(jì)值；

(5)特征提取和分類(lèi)識(shí)別：對(duì)步驟(3)中得到的人臉檢測(cè)圖像進(jìn)行特征提取和分類(lèi)識(shí)別，得到人臉特征模塊；

(6)識(shí)別去誤與人臉跟蹤：使用強(qiáng)分辨器對(duì)步驟(5)中得到的人臉特征模塊評(píng)價(jià)打分，并將分值較低不屬于人臉特征的模塊去除，綜合人臉特征模塊輸出清晰人臉圖像，同時(shí)根據(jù)人臉圖像在視頻幀中進(jìn)行人臉區(qū)域預(yù)測(cè)，并將目標(biāo)跟蹤預(yù)測(cè)區(qū)域數(shù)據(jù)返回步驟(3)。

進(jìn)一步的，所述步驟(5)中的特征提取和分類(lèi)識(shí)別包括以下步驟：

(5.1)對(duì)步驟(3)中得到的人臉檢測(cè)圖像做圖像金字塔；

(5.2)通過(guò)LBP特征提取算法和BOOST分類(lèi)器對(duì)步驟(5.1)中的圖像金字塔進(jìn)行特征提取和分類(lèi)識(shí)別，將得到的人臉特征模塊進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，若不小于步驟(4)中的人臉個(gè)數(shù)估計(jì)值，則進(jìn)行步驟(6)，若小于步驟(4)中的人臉個(gè)數(shù)估計(jì)值，則進(jìn)行步驟(5.3)；

(5.3)通過(guò)NPD特征提取算法和BOOST分類(lèi)器將步驟(5.1)中得到的圖像金字塔進(jìn)行特征提取和分類(lèi)識(shí)別，將得到的人臉特征模塊與步驟(5.2)中得到的人臉特征模塊進(jìn)行相同區(qū)域的融合，然后進(jìn)行步驟(6)。

進(jìn)一步的，所述步驟(6)中的強(qiáng)分辨器為神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

進(jìn)一步的，所述步驟(5.1)中的圖像金字塔由LBP特征提取算法和BOOST分類(lèi)器或NPD特征提取算法和BOOST分類(lèi)器制作。

相對(duì)于現(xiàn)有技術(shù)，本發(fā)明所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法具有以下優(yōu)勢(shì)：

(1)本發(fā)明所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，在前景檢測(cè)的基礎(chǔ)上，采用跟蹤預(yù)測(cè)人臉區(qū)域與前景檢測(cè)區(qū)域融合，在確定了真實(shí)目標(biāo)區(qū)域，增強(qiáng)檢測(cè)圖像清晰度的同時(shí)，進(jìn)一步減少了計(jì)算量，同時(shí)根據(jù)檢測(cè)出的人臉?lè)答伣Y(jié)果，通過(guò)位置、比例信息來(lái)預(yù)測(cè)區(qū)域目標(biāo)個(gè)數(shù)，為級(jí)聯(lián)檢測(cè)器的選用提供了條件。

(2)本發(fā)明所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，實(shí)現(xiàn)了多級(jí)聯(lián)檢測(cè)算法的金字塔圖像共享，避免了前一種檢測(cè)器沒(méi)有達(dá)到預(yù)測(cè)效果時(shí)，后面的檢測(cè)算法可以共享其已運(yùn)算過(guò)的金字塔圖像，大大提升了效率。

(3)本發(fā)明所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，通過(guò)多特征分類(lèi)檢測(cè)算法(本算法主要采用LBP和NPD兩種特征預(yù)測(cè)條件)，依次對(duì)金字塔圖像進(jìn)行分類(lèi)檢測(cè)，實(shí)現(xiàn)金字塔圖像共享的同時(shí)，充分發(fā)揮每種算法的特長(zhǎng)，避免了人臉特征模塊的遺漏，在融合檢測(cè)目標(biāo)過(guò)程中提高了檢測(cè)目標(biāo)的檢測(cè)率。

(4)本發(fā)明所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法，采用了多種特征分類(lèi)，由于每種特征分類(lèi)都會(huì)有誤檢，為減少虛假目標(biāo)，提高數(shù)據(jù)準(zhǔn)確性，本方案加入了對(duì)檢測(cè)目標(biāo)進(jìn)行識(shí)別分類(lèi)并給出每個(gè)目標(biāo)評(píng)分分值的過(guò)程，對(duì)虛假目標(biāo)進(jìn)行過(guò)濾，提高了檢測(cè)的準(zhǔn)確性。

附圖說(shuō)明

構(gòu)成本發(fā)明的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1為本發(fā)明實(shí)施例所述的基于嵌入式系統(tǒng)的實(shí)時(shí)人臉檢測(cè)算法流程示意圖；

圖2為本發(fā)明實(shí)施例所述的常規(guī)人臉?biāo)惴鞒淌疽鈭D。

具體實(shí)施方式

需要說(shuō)明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相互組合。

在本發(fā)明的描述中，需要理解的是，術(shù)語(yǔ)“中心”、“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語(yǔ)“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”等的特征可以明示或者隱含地包括一個(gè)或者更多個(gè)該特征。在本發(fā)明的描述中，除非另有說(shuō)明，“多個(gè)”的含義是兩個(gè)或兩個(gè)以上。

在本發(fā)明的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過(guò)中間媒介間接相連，可以是兩個(gè)元件內(nèi)部的連通。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以通過(guò)具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。

下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。

如圖1所示，本發(fā)明包括以下步驟：

(1)圖像縮放：利用訓(xùn)練模型的尺度大小和要檢測(cè)場(chǎng)景中最小目標(biāo)的尺度大小，對(duì)拍攝原圖進(jìn)行縮放，減少運(yùn)算量；

(2)前景檢測(cè)：利用拍攝場(chǎng)景圖像的情景對(duì)比確定檢測(cè)熱點(diǎn)；

(3)人臉區(qū)域融合：將前景檢測(cè)和目標(biāo)跟蹤預(yù)測(cè)區(qū)域進(jìn)行疊加融合，得到更有效的人臉檢測(cè)區(qū)域；

(4)人臉個(gè)數(shù)預(yù)測(cè)：利用已檢測(cè)出的人臉尺度對(duì)步驟(3)得到的人臉檢測(cè)圖像預(yù)測(cè)，得到該區(qū)域人臉個(gè)數(shù)估計(jì)值；

(5)特征提取和分類(lèi)識(shí)別：對(duì)步驟(3)中得到的人臉檢測(cè)圖像進(jìn)行特征提取和分類(lèi)識(shí)別，得到人臉特征模塊；

(6)識(shí)別去誤與人臉跟蹤：使用強(qiáng)分辨器對(duì)步驟(5)中得到的人臉特征模塊評(píng)價(jià)打分，并將分值較低不屬于人臉特征的模塊去除，綜合人臉特征模塊輸出清晰人臉圖像，同時(shí)根據(jù)人臉圖像在視頻幀中進(jìn)行人臉區(qū)域預(yù)測(cè)，并將目標(biāo)跟蹤預(yù)測(cè)區(qū)域數(shù)據(jù)返回步驟(3)。

所述步驟(5)中的特征提取和分類(lèi)識(shí)別包括以下步驟：

(5.1)對(duì)步驟(3)中得到的人臉檢測(cè)圖像做圖像金字塔；

(5.2)通過(guò)LBP特征提取算法和BOOST分類(lèi)器對(duì)步驟(5.1)中的圖像金字塔進(jìn)行特征提取和分類(lèi)識(shí)別，將得到的人臉特征模塊進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，若不小于步驟(4)中的人臉個(gè)數(shù)估計(jì)值，則進(jìn)行步驟(6)，若小于步驟(4)中的人臉個(gè)數(shù)估計(jì)值，則進(jìn)行步驟(5.3)；

(5.3)通過(guò)NPD特征提取算法和BOOST分類(lèi)器將步驟(5.1)中得到的圖像金字塔進(jìn)行特征提取和分類(lèi)識(shí)別，將得到的人臉特征模塊與步驟(5.2)中得到的人臉特征模塊進(jìn)行相同區(qū)域的融合，然后進(jìn)行步驟(6)。

所述步驟(6)中的強(qiáng)分辨器為神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

所述步驟(5.1)中的圖像金字塔由LBP特征提取算法和BOOST分類(lèi)器或NPD特征提取算法和BOOST分類(lèi)器制作。

目前大部分方案都是基于前景檢測(cè)、特征提取、分類(lèi)識(shí)別。這幾個(gè)方面，其中前景檢測(cè)主要用來(lái)確定目標(biāo)位置，減少計(jì)算量，特征提取和分類(lèi)識(shí)別用于檢測(cè)確定人臉位置。不同的特征和分類(lèi)器的選擇直接影響到算法的檢測(cè)率及運(yùn)行效率。目前常用的特征主要有HAAR、LBP、NPD、HOG等。分類(lèi)器一般選取BOOST分類(lèi)器。算法流程如圖2所示。

如圖1所示，本發(fā)明在很大程度上減少了冗余的運(yùn)算量，提高了檢測(cè)率和數(shù)據(jù)的準(zhǔn)確性，使人臉檢測(cè)算法在前端嵌入式平臺(tái)上得以運(yùn)行，實(shí)測(cè)處理幀數(shù)在10-15幀每秒，滿足實(shí)時(shí)處理的要求，而且本算法具有較高的檢測(cè)率，這也滿足了實(shí)際產(chǎn)品的需求，被廣泛應(yīng)用于智能監(jiān)控，智能考勤等領(lǐng)域，給客戶帶來(lái)了良好的體驗(yàn)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。