CN101887514B - 人脸检测装置及其人脸检测方法 - Google Patents

Abstract

本发明是一种人脸检测装置及其人脸检测方法。人脸检测装置包括矩形积分影像单元、特征匹配单元及串列及评分单元。矩形积分影像根据原始影像提供矩形积分影像。特征匹配单元根据矩形人脸特征样板决定人脸候选区域，并根据矩形积分影像计算矩形人脸特征样板的特征值。串列及评分单元判断人脸候选区域是否符合串列条件，当人脸候选区域符合串列条件，根据特征值对人脸候选区域评分，若人脸候选区域的分数小于阈值时，人脸候选区域即为非人脸区域。

Description

人脸检测装置及其人脸检测方法

技术领域

本发明是有关一种人脸检测装置及其人脸检测方法，且特别是有关一种降低运算量的人脸检测装置及其人脸检测方法。

背景技术

传统人脸检测技术多先以肤色检测，将可能为人脸的区域定义出来，再通过图形比较的方式检测出人脸可能位置。然而，图形比较的方式将造成运算量相当地庞大，所以并不适合使用于如个人数字助理(Personal Digital Assistant，PDA)、数码相机或其它嵌入式系统中。不仅如此，肤色检测容易受到光源影响，而影响人脸检测结果的正确性。

发明内容

本发明的目的是提供一种人脸识别装置及其人脸识别方法，其至少包括如下优点：

一、运算量低且大幅提升运算速度。

二、对于不同光源具有较大的容忍性。

三、有效对抗取像过程中的复杂背景或噪声产生。

根据本发明的一方面，提出一种人脸检测装置。人脸检测装置包括矩形积分影像单元、特征匹配单元及串列及评分单元。矩形积分影像根据原始影像提供矩形积分影像。特征匹配单元根据矩形人脸特征样板决定人脸候选区域，并根据矩形积分影像计算矩形人脸特征样板的特征值。串列及评分单元判断人脸候选区域是否符合串列条件，当人脸候选区域符合串列条件，根据特征值对人脸候选区域评分，若人脸候选区域的分数小于阈值时，人脸候选区域即为非人脸区域。

根据本发明的另一方面，提出一种人脸检测方法。

人脸检测方法包括根据原始影像提供矩形积分影像；根据矩形人脸特征样板决定人脸候选区域；根据矩形积分影像计算矩形人脸特征样板的特征值；判断人脸候选区域是否符合串列条件；当人脸候选区域符合串列条件，根据特征值对人脸候选区域评分；以及若人脸候选区域的分数小于阈值时，人脸候选区域即为非人脸区域。

附图说明

为让本发明的上述内容能更明显易懂，下面将配合附图对本发明的较佳实施例作详细说明，其中：

图1是依照本发明第一实施例的人脸识别装置的方块图平均值的示意图。

图2是在坐标(x，y)处的矩形积分影像的示意图。

图3是原始影像的灰阶值的示意图。

图4是图3的矩形积分影像的示意图。

图5是原始影像的灰阶值的示意图。

图6绘示为图5的矩形积分影像的示意图。

图7A及图7B是矩形人脸特征样板的示意图。

图8是串列条件的示意图。

图9是评分表的示意图。

图10是人脸候选区域的示意图。

图11是将人脸候选区域分为64等分的示意图。

图12是64等分的灰阶平均值的示意图。

图13是支持向量机(Support Vector Machine，SVC)的示意图。

图14是依照本发明实施例的一种人脸识别方法的流程图。

具体实施方式

为了改善传统人脸识别技术运算量大且易受光源影响的缺点，下述实施例揭露一种人脸识别装置及其人脸识别方法。人脸检测装置至少包括矩形积分影像(Rectangle Integral Image，RII)单元、特征匹配(Feature Mapping)单元及串列及评分(Cascade and Score)单元。矩形积分影像单元根据原始影像提供矩形积分影像。特征匹配单元根据矩形人脸特征样板决定人脸候选区域，并根据矩形积分影像计算矩形人脸特征样板的特征值。串列及评分单元判断人脸候选区域是否符合串列条件？当人脸候选区域符合串列条件，根据特征值对人脸候选区域评分。若人脸候选区域的分数小于一阈值时，人脸候选区域即为非人脸区域。

请参照图1，图1是依照本发明第一实施例的人脸识别装置的方块图平均值的示意图。人脸检测装置10包括矩形积分影像单元110、特征匹配单元120、串列及评分单元130、区块平均单元140、分类器150及人脸及非人脸数据库160。矩形积分影像单元110根据原始影像OI提供矩形积分影像RII。特征匹配单元120根据矩形人脸特征样板决定人脸候选区域HFC，并根据矩形积分影像RII计算矩形人脸特征样板的特征值FV。串列及评分单元130判断人脸候选区域HFC是否符合串列条件？当人脸候选区域HFC符合串列条件，根据特征值FV对人脸候选区域HFC评分。若人脸候选区域HFC的分数小于一阈值时，人脸候选区域HFC即为非人脸区域。

需特别说明的是，倘若前述的矩形人脸特征样板及串列条件足以精确地判别人脸候选区域HFC为人脸区域或非人脸区域，则可不再经由区块平均单元140、分类器150及人脸及非人脸数据库160等后续处理。反之，人脸检测装置10亦可利用区块平均单元140、分类器150及人脸及非人脸数据库160进行进一步的后续处理，以判别人脸候选区域为人脸区域或非人脸区域。

区块平均(Block Average)单元140将人脸候选区域HFC分成m×m等分，并计算每一等分的平均值，以输出特征向量V1。人脸及非人脸数据库160储存多张人脸影像及非人脸影像，并根据人脸影像及非人脸影像提供特征向量V2。分类器150根据特征向量V1及特征向量V2决定人脸候选区域HFC是否为人脸区域。

请同时参照图1至图4，图2是在坐标(x，y)处的矩形积分影像的示意图，图3是原始影像的灰阶值的示意图，图4是图3的矩形积分影像的示意图。所谓的矩形积分影像是如图2绘示表示由原点坐标(0，0)至坐标(x，y)间所围成的方形区域内灰阶值的总和RII(x，y)。其定义如下公式(1)所述：

$\mathrm{RII}(x,y)=\underset{x^{\′}\≤x,y^{\′}\≤y}{\mathrm{\Σ}}I(x^{\′},y^{\′})---\left(1\right)$

假设原始影像OI的灰阶值如图3绘示，矩形积分影像单元110根据原始影像OI的灰阶值及套用公式(1)后提供如图4绘示的矩形积分影像RII。举例来说，由原点坐标(0，0)至坐标(x1，y1)间所围成的方形区域内灰阶值的总和等于图4绘示的RII(x1，y1)＝5+4+3+2＝14。另外，由原点坐标(0，0)至坐标(x2，y2)间所围成的方形区域内灰阶值的总和等于图4绘示的RII(x2，y2)＝5+4+3+2+1+5+2+3+5+2+2+3＝37。

请同时参照图1、图5及图6，图5是原始影像的灰阶值的示意图，图6绘示为图5的矩形积分影像的示意图。通过矩形积分影像单元110提供的矩形积分影像RII，之后在需要计算画面中任意矩形区域面积时，只需由一个加法及二个减法的运算即能完成。举例来说，当矩形积分影像单元110计算的方形区域510内灰阶值的总和时，并非将方形区域510内逐一像素去做相加，而是将RII(x6，y6)+RII(x3，y3)-RII(x4，y4)-RII(x5，y5)＝30+5-10-10＝15。由于矩形积分影像单元110并非将方形区域510内逐一像素去做相加，因此大幅的降低运算量，特别适合于不具强大计算能力的嵌入式硬件。

请同时参照图1及图7A和图7B，图7A和图7B是矩形人脸特征样板的示意图。前述特征匹配单元120根据矩形人脸特征样板决定人脸候选区域，并根据矩形积分影像RII计算矩形人脸特征样板的特征值FV。矩形人脸特征样板可视实际应用而决定，且矩形人脸特征样板的个数亦可视需求而对应调整。举例来说，矩形人脸特征样板包括第7图绘示的矩形人脸特征样板710、矩形人脸特征样板720、730、矩形人脸特征样板740、矩形人脸特征样板750、矩形人脸特征样板760、矩形人脸特征样板770及矩形人脸特征样板780。而对应于矩形人脸特征样板710、720、730、740、750、760、770及780的特征值FV分别为FV1、特征值FV2、特征值FV3、特征值FV4、特征值FV5、特征值FV6、特征值FV7及特征值FV8。

由于人脸的长宽比约为1.2∶1，因此，矩形人脸特征样板710至780的高度H与宽度W的比例较佳地设定为H∶W＝1.2∶1。矩形人脸特征样板710包括上下面积实质上相同的上半区域712及下半区域714。矩形人脸特征样板710是定义上半区域712的灰阶值总和小于下半区域714的灰阶值总和。其中，若上半区域712的灰阶值总和等于j且下半区域714的灰阶值总和等于k，则矩形人脸特征样板710的特征值FV1等于

矩形人脸特征样板720包括左右面积实质上相同的左半区域722及右半区域724。矩形人脸特征样板720是定义左半区域722的灰阶值总和实质上等于右半区域724的灰阶值总和。其中，若左半区域722的灰阶值总和等于p且右半区域724的灰阶值总和等于q，则矩形人脸特征样板720的特征值FV2等于

矩形人脸特征样板730包括左上区域732、右下区域734、右上区域736及左下区域738。右下区域734是与左上区域斜732对称，且左下区域738是与右上区域736斜对称。矩形人脸特征样板730是定义左上区域732及右下区域734的灰阶值总和实质上等于右上区域736及左下区域738的灰阶值总和。其中，若左上区域732及右下区域734的灰阶值总和的灰阶值总和等于r且右上区域736及左下区域738的灰阶值总和等于s，则矩形人脸特征样板730的特征值FV3等于

矩形人脸特征样板740包括眼睛区域742及眼下区域744。眼睛区域742的宽度等于眼下区域744的宽度等于

眼睛区域742及眼下区域744的长度总和等于

矩形人脸特征样板740是定义眼睛区域742的灰阶值总和小于眼下区域744的灰阶值总和。其中，若眼睛区域742的灰阶值总和等于t且眼下区域744的灰阶值总和等于u，则矩形人脸特征样板740的特征值FV4等于

矩形人脸特征样板750包括眉心区域752、眉毛区域754及眉毛区域756。眉心区域752、眉毛区域754及眉毛区域756的宽度总和等于

眉心区域752的长度等于眉毛区域754的长度等于眉毛区域756的长度等于

矩形人脸特征样板750是定义眉心区域752的灰阶值总和大于眉毛区域754及眉毛区域756的灰阶值总和的二分之一。矩形人脸特征样板750是定义眉心区域752的灰阶值总和大于眉心两侧区域754的灰阶值总和。其中，若眉心区域752的灰阶值总和等于v，眉毛区域754的灰阶值总和等于w且眉毛区域756的灰阶值总和等于z，则矩形人脸特征样板750的特征值FV5等于

矩形人脸特征样板760包括嘴巴区域762，嘴巴区域762包括嘴巴左上角区域762(1)、嘴巴正上区域762(2)、嘴巴右上角区域762(3)、嘴角区域762(4)、嘴巴中心区域762(5)、嘴角区域762(6)、嘴巴左下角区域762(7)、嘴巴正下区域762(8)及嘴巴右下区域762(9)。矩形人脸特征样板760是定义嘴巴中心区域762(5)的灰阶值总和大于嘴角区域762(4)及嘴角区域762(6)的灰阶值总和的二分之一。其中，若嘴巴中心区域760(5)的灰阶值总和等于e，嘴角区域760(4)的灰阶值总和等于f且嘴角区域760(3)的灰阶值总和等于g，则矩形人脸特征样板760的特征值FV6等于

矩形人脸特征样板770包括嘴巴区域772，嘴巴区域772包括嘴巴左上角区域772(1)、嘴巴正上区域772(2)、嘴巴右上角区域772(3)、嘴角区域772(4)、嘴巴中心区域772(5)、嘴角区域772(6)、嘴巴左下角区域772(7)、嘴巴正下区域772(8)及嘴巴右下区域772(9)。其中，嘴巴左上角区域772(1)、嘴巴正上区域772(2)及嘴巴右上角区域772(3)属于嘴巴上区域，嘴角区域772(4)、嘴巴中心区域772(5)及嘴角区域772(6)属于嘴巴中区域，而嘴巴左下角区域772(7)、嘴巴正下区域772(8)及嘴巴右下区域772(9)属于嘴巴下区域。矩形人脸特征样板770是定义嘴巴上区域的灰阶值总和大于该嘴巴下区域的灰阶值总和。其中，若嘴巴左上角区域772(1)的灰阶值总和等于a、嘴巴正上区域772(2)的灰阶值总和等于b、嘴巴右上角区域772(3)的灰阶值总和等于c、嘴角区域772(4)的灰阶值总和等于d、嘴巴中心区域772(5)的灰阶值总和等于e、嘴角区域772(6)的灰阶值总和等于f、嘴巴左下角区域772(7)的灰阶值总和等于g、嘴巴正下区域772(8)的灰阶值总和等于h及嘴巴右下区域772(9)的灰阶值总和等于i，则矩形人脸特征样板770的特征值FV7等于 $\frac{(a+b+c)-\min \{(d+e+f),(g+h+i)\}}{(a+b+c)}.$

矩形人脸特征样板780包括嘴巴区域782，嘴巴区域782包括嘴巴左上角区域782(1)、嘴巴正上区域782(2)、嘴巴右上角区域782(3)、嘴角区域782(4)、嘴巴中心区域782(5)、嘴角区域782(6)、嘴巴左下角区域782(7)、嘴巴正下区域782(8)及嘴巴右下区域782(9)。嘴巴右下角区域782(9)是与嘴巴左上角区域782(1)斜对称，且嘴巴左下角区域782(7)是与嘴巴右上角区域782(3)斜对称。矩形人脸特征样板780是定义嘴巴左上角区域782(1)及嘴巴右下角区域782(9)的灰阶值总和实质上等于嘴巴右上角区域782(3)及嘴巴左下角区域782(7)的灰阶值总和。其中，若嘴巴左上角区域782(1)的灰阶值总和等于a，嘴巴右下角区域782(9)的灰阶值总和等于i，右上角区域782(3)的灰阶值总和等于c，嘴巴左下角区域782(7)的灰阶值总和等于g，则矩形人脸特征样板770的特征值FV8等于

请同时参照图1及图8，图8是串列条件的示意图。前述串列及评分单元130判断人脸候选区域HFC是否符合串列条件？亦即，串列及评分单元130判断部份特征值FV是否符合串列条件？串列条件可视实际应用而决定，且串列条件的个数亦可视需求而对应调整。举例来说，串列条件包括图8绘示的串列条件810、串列条件820、串列条件830、串列条件840及串列条件850。

串列条件810定义矩形人脸特征样板740的特征值FV4大于等于10％。亦即， $\mathrm{FV}4=\frac{t-u}{t}\≥10\%.$ 串列条件820定义矩形人脸特征样板750的特征值FV5大于等于10％。亦即， $\mathrm{FV}5=\frac{v-\frac{(w+z)}{2}}{v}\≥10\%.$ 串列条件830定义矩形人脸特征样板760的特征值FV6大于等于5％。亦即， $\mathrm{FV}6=\frac{e-\frac{(f+g)}{2}}{e}\≥5\%.$ 串列条件840定义矩形人脸特征样板770的特征值FV7大于等于100％。亦即， $\mathrm{FV}7=\frac{(a+b+c)-\min \{(d+e+f),(g+h+i)|}{(a+b+c)}\≥100\%.$ 串列条件850定义矩形人脸特征样板780的特征值FV8小于等于5％。亦即， $\mathrm{FV}8=\frac{|(a+i)-(g+c)|}{(a+i)}\≤5\%.$

串列及评分单元130根据特征值FV4、特征值FV5、特征值FV6、特征值FV7及特征值FV8依序判断是否符合串列条件810、串列条件820、串列条件830、串列条件840及串列条件850。当特征值FV4符合串列条件810时，串列及评分单元130才进一步判断特征值FV5是否符合串列条件820。当特征值FV5符合串列条件820时，串列及评分单元130才进一步判断特征值FV6是否符合串列条件830。之后，当特征值FV6符合串列条件830时，串列及评分单元130才进一步判断特征值FV7是否符合串列条件840。最后，当特征值FV7符合串列条件840时，串列及评分单元130才进一步判断特征值FV8是否符合串列条件850。串列条件810、串列条件820、串列条件830、串列条件840及串列条件850的中，若有任何一项不成立则串列及评分单元130将人脸候选区域FHC判定为非人脸区域。

请同时参照图1及图9，图9是评分表的示意图。前述串列及评分单元130根据评分表90及特征值FV对人脸候选区域FHC进行评分。其中，评分表90可视实际应用而弹性调整。由于一张原始影像OI中可能有多个人脸候选区域FHC，因此，前述串列及评分单元130可以由多个人脸候选区域FHC中进一步筛选出分数较高的人脸候选区域FHC。举例来说，前述阈值例如为60分，若人脸候选区域FHC的分数小于60分时，人脸候选区域FHC即为非人脸区域。

请同时参照图1、图10、图11及图12，图10是人脸候选区域的示意图，图11是将人脸候选区域分为64等分的示意图，图12是64等分的灰阶平均值的示意图。前述区块平均(Block Average)单元140将如图10绘示的人脸候选区域HFC分成如图11绘示的8×8等分。区块平均单元140并计算各64等分中的灰阶平均值，如图12所示。区块平均单元140根据64等分的灰阶平均值获得一64维度的特征向量V1。

请同时参照图1及图13，图13是支持向量机(Support Vector Machine，SVC)的示意图。前述分类器150例如是由支持向量机(Support Vector Machine，SVC)、主成份分析(Principal Component Analysis，PCA)或特征脸(Eigenface)所实现。为方便说明起见，本实施例的分类器150是以支持向量机为例说明。在辨别两类的问题中，支持向量机可以找出两类之间的分割曲面(Separating Hyperplane)13，使相同一类的样本同属于此分割曲面13的一侧。

前述人脸及非人脸数据库160储存多张人脸影像及非人脸影像，并根据人脸影像及非人脸影像提供特征向量V2。分类器150根据特征向量V1及特征向量V2决定人脸候选区域HFC是否为人脸区域。

请同时参照图1及图14，图14是依照本发明实施例的一种人脸识别方法的流程图。首先如步骤1410所示，矩形积分影像单元110根据原始影像OI提供矩形积分影像RII。接着如步骤1412所示，特征匹配单元120根据矩形人脸特征样板决定人脸候选区域FHC，并根据矩形积分影像RII计算矩形人脸特征样板的特征值FV。跟着如步骤1414所示，串列及评分单元130判断人脸候选区域FHC是否符合串列条件？若人脸候选区域FHC不符合串列条件，则如步骤1416所示，人脸候选区域FHC为非人脸区域。相反地，若人脸候选区域FHC符合串列条件，则进一步如步骤1418所示，串列及评分单元130对人脸候选区域FHC评分。接着如步骤1420所示，串列及评分单元130判断人脸候选区域FHC的分数是否小于阈值？若人脸候选区域FHC的分数小于阈值，则如步骤1416所示，人脸候选区域FHC为非人脸区域。相反地，若人脸候选区域FHC的分数不小于阈值，则如步骤1422所示，分类器150根据特征向量V1及特征向量V2判断人脸候选区域FHC是否为人脸区域。

本发明上述实施例所揭露的人脸识别装置及其人脸识别方法，具有多项优点，以下仅列举部分优点说明如下：

一、运算量低且大幅提升运算速度。

二、对于不同光源具有较大的容忍性。

三、有效对抗取像过程中的复杂背景或噪声产生。

综上所述，虽然本发明已以一较佳实施例揭露如上，然而其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作出各种等同的改变或替换。因此，本发明的保护范围当视后附的本申请权利要求范围所界定的为准。

Claims (20)

1.一种人脸检测装置，包括：

一矩形积分影像单元，用以根据一原始影像提供一矩形积分影像；

一特征匹配单元，用以根据多个矩形人脸特征样板决定一人脸候选区域，并根据该矩形积分影像计算该些矩形人脸特征样板的多个特征值，其中这些矩形人脸特征样板包括一第一矩形人脸特征样板、一第二矩形人脸特征样板以及一第三矩形人脸特征样板，其中该第一矩形人脸特征样板包括：一上半区域及一下半区域，该上半区域的灰阶值总和小于该下半区域的灰阶值总和；该第二矩形人脸特征样板包括一左半区域及一右半区域，该左半区域的灰阶值总和实质上等于该右半区域的灰阶值总和；该第三矩形人脸特征样板，包括一左上区域、与该左上区域斜对称的一右下区域、一右上区域以及与该右上区域斜对称的一左下区域，该左上区域及该右下区域的灰阶值总和实质上等于该右上区域及该左下区域的灰阶值总和；以及

一串列及评分单元，用以判断该人脸候选区域是否符合多个串列条件，当该人脸候选区域符合这些串列条件，根据这些特征值对该人脸候选区域评分，若该人脸候选区域的分数小于一阈值时，该人脸候选区域即为一非人脸区域。

2.根据权利要求1所述的人脸检测装置，其特征在于还包括：

一区块平均单元，用以将该人脸候选区域分成多个等分，并计算各这些等分的平均值，以输出一第一特征向量。

3.根据权利要求2所述的人脸检测装置，其特征在于还包括：

一人脸及非人脸数据库，用以储存多个人脸影像及非人脸影像，并根据这些人脸影像及非人脸影像提供一第二特征向量；以及

一分类器，用以根据该第一特征向量及该第二特征向量决定该人脸候选区域是否为一人脸区域。

4.根据权利要求1所述的人脸检测装置，其特征在于这些矩形人脸特征样板的长宽比是1.2：1。

5.根据权利要求1所述的人脸检测装置，其特征在于这些矩形人脸特征样板包括：

一第四矩形人脸特征样板，包括：

一眼睛区域；及

一眼下区域，该眼睛区域的灰阶值总和小于该眼下区域的灰阶值总和；以及

一第五矩形人脸特征样板，包括：

一眉心区域；

一第一眉毛区域；及

一第二眉毛区域，该眉心区域的灰阶值总和大于该第一眉毛区域及该第二眉毛区域的灰阶值总和的二分之一。

6.根据权利要求5所述的人脸检测装置，其特征在于该眼睛区域的宽度等于该眼下区域的宽度等于该第四矩形人脸特征样板的宽度的四分之三，该眼睛区域及该眼下区域的长度总和等于该第四矩形人脸特征样板的长度的二分之一。

7.根据权利要求5所述的人脸检测装置，其特征在于该眉心区域、该第一眉毛区域及第二该眉毛区域的宽度总和等于该第五矩形人脸特征样板的宽度的四分之三，该眉心区域的长度等于该第一眉毛区域的长度等于该第二眉毛区域的长度等于该第五矩形人脸特征样板的长度的四分之一。

8.根据权利要求5所述的人脸检测装置，其特征在于这些矩形人脸特征样板包括：

一第六矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴中心区域；

一第一嘴角区域；及

一第二嘴角区域，该嘴巴中心区域的灰阶值总和大于该第一嘴角区域及该第二嘴角区域的灰阶值总和的二分之一；

一第七矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴上区域；

一嘴巴下区域，该嘴巴上区域的灰阶值总和大于该嘴巴下区域的灰阶值总和；及

一嘴巴中区域，介于该嘴巴上区域及该嘴巴下区域之间；

一第八矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴左上角区域；

一嘴巴右下角区域，与该嘴巴左上角区域斜对称；

一嘴巴右上角区域；

一嘴巴左下角区域，与该嘴巴右上角区域斜对称，该嘴巴左上角区域及该嘴巴右下角区域的灰阶值总和实质上等于该嘴巴右上角区域及该嘴巴左下角区域的灰阶值总和。

9.根据权利要求1所述的人脸检测装置，其特征在于该串列及评分单元判断部分这些特征值是否符合多个串列条件。

10.根据权利要求1所述的人脸检测装置，其特征在于，对于该第一矩形人脸特征样板，其特征值等于

其中上半区域的灰阶值总和等于j且下半区域的灰阶值总和等于k，对于该第二矩形人脸特征样板，其特征值等于

其中左半区域的灰阶值总和等于p且右半区域的灰阶值总和等于q；其中对于该第三矩形人脸特征样板，其特征值等于

其中左上区域及右下区域的灰阶值总和的灰阶值总和等于r且右上区域及左下区域的灰阶值总和等于s。

11.一种人脸检测方法，包括：

根据一原始影像提供一矩形积分影像；

根据多个矩形人脸特征样板决定一人脸候选区域，其中这些矩形人脸特征样板包括一第一矩形人脸特征样板、一第二矩形人脸特征样板以及一第三矩形人脸特征样板，其中该第一矩形人脸特征样板包括：一上半区域及一下半区域，该上半区域的灰阶值总和小于该下半区域的灰阶值总和；该第二矩形人脸特征样板包括一左半区域及一右半区域，该左半区域的灰阶值总和实质上等于该右半区域的灰阶值总和；该第三矩形人脸特征样板，包括一左上区域、与该左上区域斜对称的一右下区域、一右上区域以及与该右上区域斜对称的一左下区域，该左上区域及该右下区域的灰阶值总和实质上等于该右上区域及该左下区域的灰阶值总和；

根据该矩形积分影像计算这些矩形人脸特征样板的多个特征值；

判断该人脸候选区域是否符合多个串列条件；

当该人脸候选区域符合这些串列条件，根据这些特征值对该人脸候选区域评分；以及

若该人脸候选区域的分数小于一阈值时，该人脸候选区域即为一非人脸区域。

12.根据权利要求11所述的人脸检测方法，其特征在于还包括：

将该人脸候选区域分成多个等分；

计算各这些等分的平均值；以及

根据这些等分的平均值输出一第一特征向量。

13.根据权利要求12所述的人脸检测方法，其特征在于还包括：

储存多个人脸影像及非人脸影像；

根据这些人脸影像及非人脸影像提供一第二特征向量；以及

根据该第一特征向量及该第二特征向量决定该人脸候选区域是否为一人脸区域。

14.根据权利要求11所述的人脸检测方法，其特征在于这些矩形人脸特征样板的长宽比是1.2：1。

15.根据权利要求11所述的人脸检测方法，其特征在于这些矩形人脸特征样板包括：

一第一矩形人脸特征样板，包括：

一上半区域；及

一下半区域，该上半区域的灰阶值总和小于该下半区域的灰阶值总和；

一第二矩形人脸特征样板，包括：

一左半区域；及

一右半区域，该左半区域的灰阶值总和实质上等于该右半区域的灰阶值总和；以及

一第三矩形人脸特征样板，包括：

一左上区域；

一右下区域，与该左上区域斜对称；

一右上区域；及

一左下区域，与该右上区域斜对称，该左上区域及该右下区域的灰阶值总和实质上等于该右上区域及该左下区域的灰阶值总和。

16.根据权利要求15所述的人脸检测方法，其特征在于这些矩形人脸特征样板包括：

一第四矩形人脸特征样板，包括：

一眼睛区域；及

一眼下区域，该眼睛区域的灰阶值总和小于该眼下区域的灰阶值总和；以及

一第五矩形人脸特征样板，包括：

一眉心区域；

一第一眉毛区域；及

一第二眉毛区域，该眉心区域的灰阶值总和大于该第一眉毛区域及该第二眉毛区域的灰阶值总和的二分之一。

17.根据权利要求16所述的人脸检测方法，其特征在于该眼睛区域的宽度等于该眼下区域的宽度等于该第四矩形人脸特征样板的宽度的四分之三，该眼睛区域及该眼下区域的长度总和等于该第四矩形人脸特征样板的长度的二分之一。

18.根据权利要求16所述的人脸检测方法，其特征在于该眉心区域、该第一眉毛区域及第二该眉毛区域的宽度总和等于该第五矩形人脸特征样板的宽度的四分之三，该眉心区域的长度等于该第一眉毛区域的长度等于该第二眉毛区域的长度等于该第五矩形人脸特征样板的长度的四分之一。

19.根据权利要求16所述的人脸检测方法，其特征在于这些矩形人脸特征样板包括：

一第六矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴中心区域；

一第一嘴角区域；及

一第二嘴角区域，该嘴巴中心区域的灰阶值总和大于该第一嘴角区域及该第二嘴角区域的灰阶值总和的二分之一；

一第七矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴上区域；

一嘴巴下区域，该嘴巴上区域的灰阶值总和大于该嘴巴下区域的灰阶值总和；及

一嘴巴中区域，介于该嘴巴上区域及该嘴巴下区域之间；

一第八矩形人脸特征样板，包括：

一嘴巴区域，包括：

一嘴巴左上角区域；

一嘴巴右下角区域，与该嘴巴左上角区域斜对称；

一嘴巴右上角区域；

一嘴巴左下角区域，与该嘴巴右上角区域斜对称，该嘴巴左上角区域及该嘴巴右下角区域的灰阶值总和实质上等于该嘴巴右上角区域及该嘴巴左下角区域的灰阶值总和。

20.根据权利要求11所述的人脸检测方法，其特征在于该串列及评分单元判断部分这些特征值是否符合多个串列条件。

Images