CN101488181A - 多方向的人脸检测方法 - Google Patents

Abstract

本发明公开了一种多方向的人脸检测方法，用以检测不同转置位置的待测图片中的人脸，人脸检测方法包括下列步骤：设定选取框，用以依序从该待测图片中选取出不同的子图像区块；计算脸部权重，根据当前选取框所选取的子图像区块中的每一像素的特征值计算脸部权重，借以判断子图像区块是否具有与人脸相似的特征；计算脸部边缘权重，根据当前所选取的选取框所选取的子图像区块中的每一像素的边界值计算待测图片此一部分区域中是否具有脸部边界；执行外形检测手段，分别将具有脸部边界的子图像区块，利用数个弧线区段分别标记出子图像区块中的脸部边界。

Description

多方向的人脸检测方法

技术领域

本发明公开了一种人脸检测方法，尤其涉及一种人脸检测方法用以检测不同转置位置的待测图片中的人脸。

背景技术

人类脸部辨识系统在近几年广泛受到研究学者与产业界的高度重视，也深切期盼其在治安或门禁系统上能有优异的表现，可是这类系统常会受到光线或复杂的纹理等外在因素所影响，因而降低其辨识的成功率。

为了能解决上述外在因素的影响，所以有人提出利用不同的图像特征如何有效地检测出待测图片中的人脸。一般来说，最常用的人脸检测方法是利用一学习模型将多笔的待测图片输入于其中，学习模型会根据所预先设定的图像特征(feature)来学习如何分辨出待测图片中是否包含有预先设定的图像特征。无论是主动式学习架构例如：类神经网络(neural network)、专家系统、模糊系统(fuzzy)或者是分类式的学习架构例如：支持向量机(Support VectorMachine，SVM)、主轴组件分析(Principal Components Analysis，PCA)、Snow法、Boosting法均需要依据所设定的图像特征才能进行学习的行为。所以要如何建立学习模型与选取适当的图像特征是影响判断人脸检测的关键。

为了区别待测图片中人脸与背景的区别，经常利用Haar-like算法来进行人脸特征的撷取。Haar-like算法为一种针对区块(pattern)的纹理方向性进行特征处理的方法。因此Haar-like算法可以有效地区别出人脸与复杂背景的不同。也因为Haar-like算法依赖待测图片中的纹理方向性，所以当待测图片被转置成不同方向时(例如，将待测图片转置90度、180度或270度)，就会造成原本Haar-like算法所得出的训练样本会无法适用在被转置后的待测图片。

为了能检测待测图片在不同转置位置中的人脸，所以就要重新利用Haar-like算法分别对不同转置位置的待测图片进行学习训练。这样一来除了需要耗费大量的内存空间外，也会耗费数倍的运算时间。

此外，为了能判断人脸的大小，一般会利用椭圆样版(Ellipse mask)选取方法来确认人脸在待测图片中所占的区域大小。因此在检测质量良好的边缘图像中，人的脸部和头部轮廓可以看作近似的椭圆形。在公知技术的椭圆样版中的长短轴比例是固定的，所以无论是用大的椭圆样版或是小的椭圆样版都会出现“所圈选的区域不完整”的问题，请参考图1a与图1b。当待测图片100中的人脸120越大的话，就使用较大椭圆样版110来选取人脸120；同理，若是待测图片100中的人脸120越小的话，就使用较小的椭圆样版110来选取。

发明内容

本发明的目的在于提供一种多方向的人脸检测方法，用以检测不同转置位置的待测图片中的人脸。

为了实现上述目的，本发明提供了一种多方向的人脸检测方法，包括下列步骤：设定选取框，用以依序从该待测图片中选取出不同的子图像区块；计算脸部权重，根据当前所选取的选取框所选取的子图像区块中的每一像素的特征值计算脸部权重；计算脸部边缘权重，根据当前所选取的选取框所选取的子图像区块中的每一像素的边界值计算待测图片此一部份区域中是否具有脸部边界；执行外形检测手段，分别将具有脸部边界的子图像区块，利用数个弧线区段分别标记出子图像区块中的脸部边界。

本发明利用各子图像区块中所包含的脸部特征与脸部边缘的权重来判断出待测图片中是否为人脸的可能性，再利用外形检测手段来标记出待测图片中人脸的外观。使得待测图片在经过转置处理后，仍然可以依据先前训练结果来套用于其中，不需重新对转置后的待测图片进行训练就可以进行检测待测图片中的人脸。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1a为公知技术的利用椭圆样版圈选人脸的示意图；

图1b为公知技术的利用椭圆样版圈选人脸的示意图；

图2为待测图片的示意图；

图3a为人脸对各子图像区块与特征值排序的对应关系图；

图3b为人脸对各子图像区块与特征值排序的对应关系图；

图4a为本发明的利用弧线区段圈选人脸的示意图；

图4b为本发明的利用弧线区段圈选人脸的示意图；

图5为本发明的运作流程图。

其中，附图标记：

100     待测图片

110     椭圆样版

120     人脸

210     人脸

220     选取框

230     子图像区块

240     待测图片

410     弧线区段

具体实施方式

本发明提供一种多方向的人脸检测方法，用以检测待测图片在不同转置(transpose)位置时的人脸所在区域。其中，待测图片的转置在本实施例中分别是将待测图片转置90度、180度与270度。在本发明的较佳实施例中包括以下步骤：

步骤a.

设定选取框，用以依序从待测图片中选取出不同的子图像区块。请参考图2，其为待测图片的示意图。为了方便说明本发明的此一步骤，所以把图2的待测图片240表示成重叠的子图像区块230，在依照选取框220所在的位置来决定当前子图像区块230的特征计算顺序。在本实施例中假设待测图片240为96*96像素大小，其中人脸210大小为24*24。而选取框220与每一个子图像区块230的大小设定为24*24像素大小，选取框220可以依据不同实施形态中作不同范围的变化。所以待测图片240在选取框220由左而右，由上而下渐进的扫描之后，将对比到一个最接近人脸210的选取框220。

步骤b.

计算脸部权重，其根据选取框220中的每一像素的特征值计算脸部特征权重。

步骤c.

计算脸部边缘权重，其根据当前所选取的选取框220中的每一像素的颜色值计算待测图片240此一部份区域中是否具有脸部边界。

其中计算脸部特征权重与脸部边缘权重此一步骤前都会进行一训练手段，其利用Boosting算法来对多份不同的待测图片的特征值进行排序训练，并且根据训练结果得到一训练样本。根据此训练样本用以对其他待测图片240进行特征值的优先级排列。

在本实施例中利用颜色作为说明，若是利用灰阶值的深浅变化作为对待测图片240的各子图像区块230的特征值的话。当前选取框220中若是具有较多的人脸210特征的话，就会得到较高的特征值排名。在每一个子图像区块230中具有24*24像素大小，也就是子图像区块230就有576个像素。若是以每一个像素颜色的深浅变化作为特征值的话，则在一个子图像区中就有576各特征值。请参考图3a与图3b所示，其为人脸对各子图像区块与特征值排序的对应关系图。图3a与图3b的左方代表的是子图像区块230；右方为特征值排序，越上方的代表对应的特征值越高，反之亦然。图3a与图3b为包含人脸210的选取框220，但因为图3a中人脸210位于选取框220的正中间，所以使得其特征值排序结果比图3b的特征值排序结果高。

步骤d.

执行外形检测手段，分别将具有脸部边界的子图像区块230，利用数个弧线区段410分别标记出子图像区块230中的脸部边界。因为人脸210可以被近似地看作椭圆形，但若以公知的椭圆样版进行圈选的话，会有部分的人脸210区域无法被圈选的。所以本发明将椭圆曲线划分为数个弧线区段410，将相邻的脸部边界的子图像区块230利用弧线区段410连接起来，请参考图4a与图4b所示。

为能更清楚说明本发明的运作流程，请参考图5，其为本发明的运作流程图。首先，输入待测图片(步骤S510)。设定选取框(步骤S520)，用以选取待测图片240的各子图像区块230。根据训练样本计算选取框中的脸部特征权重(步骤S530)。计算选取框中的脸部边缘权重(步骤S540)。执行外形检测手段(步骤S550)，用以标记子图像区块230的脸部边界。判断是否为最后一个子图像区块(步骤S560)，若是最后一个子图像区块的话，则结束计算(步骤S570)；若不为最后一个子图像区块230的话，则进行步骤S520。

本发明利用各子图像区块230中所包含的脸部特征权重与脸部边缘权重来判断出待测图片中人脸210所占的区域，再利用外形检测手段来标记出待测图片240中人脸210的外观。使得待测图片240在经过转置处理后，仍然可以依据先前训练结果来套用于其中，不需重新对转置后的待测图片240进行训练就可以进行检测待测图片240中的人脸210。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (5)

1、一种多方向的人脸检测方法，用以选取出在不同转置位置的待测图片中的人脸，其特征在于，该人脸检测方法包括下列步骤：

设定一选取框，用以依序从该待测图片中选取出不同的一子图像区块；

计算一脸部权重，根据该选取框所选取的该子图像区块中的每一像素的特征值计算该脸部特征权重，借以判断该子图像区块中是否包括有人脸；

计算一脸部边缘权重，根据当前所选取的该选取框所选取的该子图像区块中的每一像素的颜色值计算该待测图片此一部份区域中是否具有脸部边界；及

执行一外形检测手段，将具有脸部边界的该些子图像区块，利用数个弧线区段分别标记出该子图像区块中的脸部边界。

2、根据权利要求1所述的多方向的人脸检测方法，其特征在于，该脸部特征权重计算手段前包括下列步骤：

进行一训练手段，用以判断该选取框中的每一像素的特征值的优先权值。

3、根据权利要求2所述的多方向的人脸检测方法，其特征在于，该特征值学习手段为一Boosting算法。

4、根据权利要求1所述的多方向的人脸检测方法，其特征在于，该选取框的大小为m*m个像素的区域。

5、根据权利要求1所述的多方向的人脸检测方法，其特征在于，该弧线区段的组合区域构成一椭圆区域。

Images