TW201224955A - System and method for face detection using face region location and size predictions and computer program product thereof - Google Patents

Description

201224955 六、發明說明： 【發明所屬之技術領域】 本揭露係關於一種基於人臉區域(face region based) 之位置(location)與大小(size)預估(predictions)的人臉偵 測(face detection)方法與系統及電腦程式產品。 【先前技術】 目兩$用的人臉^貞測演算法是以模板比對姐em 鲁 matching)來確定人臉的位置與大小。其主要包含部份影 像(sub-image)的擷取以及部份影像的人臉偵測。部份影 像的擷取會使用不同大小的視窗，以部份重疊 (overlapping)的方式’將整張原始影像分割成若干大小 的部份影像。常見的作法如第一圖的一覽表範例所示， 此一覽表列出當原始影像大小為320x240時，在不同大 小的視窗下各自產生的部份影像之數目。 # 由於電腦無法預估可能的人臉位置，所以部份重疊取 樣的方式是依據數個圖素(pixels)的間隔，循序擷取部份 影像。例如，在視窗大小為24x24的情況下，依據兩個 畫素(pixels)的間隔，會有丨49><1〇9個大小為24x24的部 份影像。電腦也無法預估可能的人臉大小，所以使用不 同層級(scale)的模板’掃描整個影像。例如，先將最小 的_視窗大小設定為24x24，然後依據1.2的倍數慢慢將 視窗擴大。因此，視窗大小將會是24χ24、28χ28、34χ 34、41x4卜 49x49、...、213x213 等。以第一圖的例子 201224955 來說’循序加上不同層級的模板比對過程至少需要龐大 資料量。 部份影像(sub-images)的人臉檢驗(verification)常用 的作法是透過擷取部份影像的數個特徵(feature)，並搭 配分類器(classifier)的分析。例如，以Haar_類之特徵為 基礎，搭配串接(cascade)多個分類器的演算法。Haar_ 類之特徵值的計算是求出偵測視窗(detecti〇n wind〇w) 内的特殊位置(specific location)上，其相鄰矩形(rectangle) 的圖素值總和的差異。第二圖的例子是常用的四種基於

Haar-類的特徵樣式。Adaboost (Adaptive Boosting)演算 法是一種組合數個弱分類器(weak classifier)，來達到強 分類器(strong classifier)的演算法。 串接多個分類器的策略是設計許多不同層級的 Adaboost分類器，使用串接的方式，由低層級(使用數 量；的Haar-類之特徵)到高層級(使用數量多的^^❿類 之特徵)依序連接起來。例如，第三A圖及第三b圖所 示。透過擷取部份影像之不同層級的數個賊(如第三A 圖）’並搭配串接η個Adaboost分類器(如第三b圖）。 當某個部份影像最終被檢驗為人臉時，表示該部份影像 必須要通騎有的Adab(X)St麵_檢驗。當有任何 一個層級的分麵满該雜雜鱗场(跡㈣ 時，就《要再經過後續高層、級Adab〇〇st分類器的檢 驗0 4 201224955 目前的人臉偵測加速演算法大都是以膚色為基礎的 加速法。此類方式是利用膚色渡除器(skin filter)將輸入 影像分成膚色及非膚色(non-skin)圖素兩部份，然後人臉 偵測便在膚色標記(skin mask)中進行。例如，美國專利 的一篇文獻中，揭示一種利用人眼位置來完成人臉偵測 的技術。此技術使用多種層級的眼睛模組，循序搜尋整 張影像，然後利用基於Haar-類之Adaboost分類器來找 出眼睛的可也所在位置。並且使用樣板比對(template • matching)的方式，檢驗先前所偵測出的眼睛候選區域， 再使用分類器分析上述偵測結果，來找出最後的人臉區 域。另一篇基於膚色的人臉偵測加速演算法所揭示的技 術是先標記出非膚色的區域，然後使用不同層級及循序 搜尋方式來檢驗所有部份影像(sub image)，當檢驗到某 個分數(score)非常低的部份影像時，則省略掉其相鄰的 部份影、像’再合併所有結果來得到最後偵測的人臉結 果。 以膚色為基礎的人臉彳貞測加速技術例如還有在標記 出非膚色區域後’使用微波(wavelet)轉換來得到特徵， 再使用T形樣板、不同層級、及楯序搜尋方式來檢驗所 有部份影像’再合併所有結絲制最後侧的人臉結 次疋在^記出非膚色區域後’對單一畫面估計膚色 的可能集合體，並假設其巾最大賴合體為人臉區域， 再利用單-晝面得觸膚色色織訊，做聯訊畫面上人 臉區境的追縱。 201224955 以膚色為基礎的人臉偵測加速技術基本上還是使用 不同大小的模板’循序比對整個影像。如何解決目前人 臉偵測加速法的問題，來提供一個無論輸入影像為彩色 或疋灰階，並能減少任何不必要的比對的人臉偵測加速 技術是重要的課題之一。 【發明内容】 本揭露的實施範例可提供一種基於人臉區域之位置 與大小預估的人臉偵測系統與方法及電腦程式產品。 所揭露之一實施例是關於一種基於人臉區域之位置 與大小預估的人臉偵測方法，實施於一電腦系統中。此 方法包含:對一輸入影像(input image)，進行人臉候選區 域(facial candidate region)位置與大小預估處理，包括影 像區域化處理、區域標記(regi〇n labeiing)與區域特徵 (region feature)操取、具限制條件(with constrair^t)的距離 轉操(distance transform)、及人臉位置及大小估計，來預 估出此輸入影像之至少一人臉位置及其人臉大小範圍； 以及根據預估出的此至少一人臉位置及大小範圍，進行 調適性地人臉偵測，包括人臉偵測實施範圍的建立'人 臉偵測使用視窗大小範圍的建立、及一預定數目的屏級 中每一層級(scale)動態決定至少一最佳人臉位置，直到 檢驗預估之人臉位置所在的區域後，輸出所綠定的人臉 偵測結果。 201224955 所揭露之另一實施例是關於一種基於人臉區域之位 置與大小預估的人臉债測系統。此系統包含可一處理器 以及一偵測器(detector)。此處理器還包括一影像區域化 模組(image regionalize module)、一區域標記與區域特徵 操取模組(region labeling and feature capturing module)、 一具限制條件的距離轉換模組(distance transform with constraint module)、以及一人臉位置及大小估計模組 (facial location and size estimation module)，來對一輸入 影像進行人臉候選區域位置與大小的預估。此偵測器根 據預估出的人臉位置及大小範圍，進行調適性地 (adaptively)人臉偵測’檢驗預估之人臉位置所在區域為 後’輸出所確定的人臉偵測結果。 所揭露之又一實施例是關於一種用來執行人臉偵測 的電腦程式產品’此電腦程式產品包含一記憶體以及儲 存於此記憶體的一可執行的電腦程式。此電腦程式包括 可執行人臉候選區域位置與大小預估處理及調適性地 人臉偵測的程式指令’並藉由一處理器來執行:對一輸入 影像，進行人臉候選區域位置與大小預估處理，包括影 像區域化處理、區域標記與區域特徵擷取、具限制條件 的距離轉換、及人臉位置及大小估計，來預估出此輸入 影像之至少一人臉位置及其人臉大小範圍；以及相^據預 估出的此至少一人臉位置及大小範圍，進行調適性地人 臉偵測，包括人臉偵測實施範圍的建立、人臉偵測使用 視窗大小範圍的建立、及一預定數目的層級中每一層級 201224955 動態決定至少一最佳人臉位置，直到確定此至少一最佳 人臉位置所在的區域為人臉區域，或是檢驗完所有層級 為止，然後輸出所確定的人臉偵測結果。 茲配合下列圖示、實施例之詳細說明及申請專利範 圍’將上述及本發明之其他特徵及優點詳述於後。 【實施方式】 無論輸入影像為彩色或是灰階影像，本揭露實施範 例提供的基於人臉區域之位置與大小預估的人臉偵測 技術是採用以區域為基礎的方式，透過限制性的距離轉 換，分析距離地圖(distance map)，也就是距離轉換的結 果，來完成人臉位置及大小估計》然後在這些位置使用 特疋層級的模板進行人臉比對，以減少任何不必要的比 對。 如第四圖的範例所示，此基於人臉區域之位置與大 小預估的人臉彳貞測方法主要包含兩部份，一部份是對一 輸入影像，進行人臉候選區域位置與大小預估處理 410 ’包括影像區域化處理仍、魏標記與區域特徵操 取414、具限制條件的距離轉換416、人臉位置及大小 估計418，來預估出至少一人臉位置及大小範圍41a;另 -部份是根據預估出的人臉位置及大小翻，進行調適 性地人臉偵測42G，包括人臉偵測實施範圍的建立422、 人臉積測使用視窗大小範圍的建立424、以及—預定數 201224955 目的層級中每一層級(scale)動態決定至少一最佳人臉位 置426，直到確定此至少一最佳人臉位置所在的區域為 人臉區域’或是檢驗所有的層級後，輸出所確定的人臉 偵測結果42a。 此人臉偵測方法係實施於一電腦裝置(c〇mputer device)或系統中。此電腦裝置或系統可包括一處理器 (processor)、記憶體(memory)、輸入元件(input device)、 • 輸出元件(outPUt device)、儲存元件(storage device)。記 憶體或儲存元件可包含可執行的程式指令program instmcticm) ’這些程式指令可實現第四圖之基於人臉區 域之位置與大小預估的人臉偵測方法的步驟與功能。 人臉候選區域位置與大小預估處理41〇是採用非模 板比對的方法’其運作進一步說明如下。首先，對一輸 入影進行區域化，將輸入影像分成多個區域後，對此多 • 個區域，即區域化後的多個部分影像，使用一種連通區 域標記法(connected component labeling)，以及對每一連 通區域(connected region)給予一特定標記’並且計算該 區域的特徵(例如區域大小）。,對區域化後的多個部分影 像’根據此特定標記及該區域的特徵，進行一具限制條 件的轉換’也就疋’建立一新的遮罩影像(mask image) 及對該新的遮罩影像進行一距離轉換，以產生一距離地 圖’此距離地圖代表此輸入影像之前景物件的每一圖素 與其背景圖素的最近距離。然後，分析此距離轉換後的 201224955 結果’也就是此距離地圖，來預估人臉位置及大小範圍。 調適性地人臉偵測420的運作流程說明如下。如第 五圖所示，在確定人臉預估位置以及大小範圍後，對預 估的人臉位置’給予一預定數目的層級後，循序選取部 份影像的大小樣式(步驟510)，以進行有限範圍的部份 影像擷取以進行人臉偵測。每次執行某一層次的人臉偵 測時’以預估位置為中心’擷取其鄰近區域的數個部份 影像來進行人臉偵測(步驟520)。當判斷該位置為人臉 區域時’將判斷的人臉結果輸出（步驟530)後，不再進 行後續層級的人臉偵測。當無法判斷該位置為人臉區域 時，4算人臉的最新估計位置(步驟540)，然後回到步 驟510 ’以進行下一層級的人臉偵測。 在人臉候選區域位置與大小預估處理41〇之影像區 域化處理412中’輸入影像可以是灰階影像(grayscale unage)或是彩色影像(c〇i〇r image)。依其色彩特性，可採 用傳、’先的膚色;慮除法，把彩色影像内的所有圖素，分成 膚色(skin)與非膚色(n〇n_skin)兩類，此種影像區域化處 理的運作相當簡單，不再财其影健域化處理。也可 採用分群法(elustering)，先對輸入影像所對應的直方圖 (hiSt〇gram)做分群處理，再將直方圖的分群結果還原到 原始影像以_影像區域聽理的絲。此直方圖的橫 轴代表影像畫素_色’其值的範圍是卜攻，橫轴代 201224955 表輸入影像所對應的影像畫素的數目。第六A圖與第六 B圖是以分群為依據之影像區域化處理的一範例示意 圖’與所揭露的某些實施範例一致。其中，第六A圖是 對灰1¾影像所對應的一維(1 _djmensi〇n)的直方圖作分群 處理’來產生區域化後的影像(regi〇nalized image)。第 /、B圖疋對彩色影像所對應的三維(3-dimension)的直方 圖作分群處理，來產生區域化後的影像。當輸入影像是 一彩色影像時，此直方圖不限定是三維，是至少一維的 • 直方圖即可。 第七A圖是將一原始的彩色影谭，經過膚色濾除法 的影像區域化處理所產生的二元影像(binary image)。第 七B圖是第六a圖實施分群法所產生的結果。第七€ 圖是第六B圖實施分群法所產生的結果。其中，第七B 圖是由三群(即三種顏色)所還原的區域化(regionalized) 結果。第七C圖是由多群(大於三種顏色)戶斤還原的區域 化結果。此區域化結果以不同顏色表示時會更明顯。 第八A圖、第八B圖.、第八c圖分別為對第七A 圖、第七B圖、第七C圖實施連通標記之後的結果。 其中，第八A圖中僅標記白色區域(即膚色區域），第八 B圖及第八C圖則標s己所有區域，因為每一群华代表一 個區域。標記之後的結果則提供給下—階段「具限制條 件的距離轉換」所使用。此具限制條件的轉換中，先建 201224955 續崎轉彡像，騎㈣鱗f彡像断距轉換。第 九A®、第九B®、第九c圖分別為根據第八a圖、 第八B圖、第八c圖所建立的新的遮罩影像。 建立的新的遮罩影像後，雖然利用距離轉換可以找 出人臉的可月包所在位置及其大小。然而，由於經過區域 化後的結果’往往會因存在雜訊而使得距離轉換沒有完 • 全彰顯效能。例如，第十圖所示。其中第十A圖、第十 C圖分別為理想狀況及實際狀況下，根據區域化後的結 果所建立的新的遮罩影像(其大小為32〇χ24〇)。第十B 圖、第十D圖分別為第十A圖、第十c圖經過距離轉 換後的結果（即為距離地圖），距離地圖中，越亮的圖 素’代表距離背景越遠。 從第十A圖之遮罩影像經過距離轉換後的第十B圖 φ 的距離地圖中，最大距離值為54，可以預估有個可能的 人臉的位置是在此圖中的最亮點處，而其人臉大小預估 為108x108 ,其中最大距離值，也是最亮點的值。而在 實際狀況下，由於第十C圖之遮罩影像的中間有兩個黑 點（即雜訊）’導致經過距離轉換後的第十D圖的距離地 圖中，最大距離值為39。當依照同樣的方式來預測人臉 的位置與大小時，則會發現所預測的位置，在實際狀況 下會較理想狀況下的預測位置來得低，而其人臉大小為 78x78，也會來得小。換句話說，當人臉區域内部（如眼 12 201224955 睛、眼鏡、...等處)有雜訊時，會產生不可預期的錯誤 、j。果所以，本揭露提供具限制條件的距離轉換的 方法，來修正可能的錯誤預測結果。 、 如第十-圖的範例所示，具限制條件的距離轉換的 方法是根據區域化後的鱗1110以及區域特徵的資訊 來建立-新的遮罩影像删，然後再對遮罩影像 mo進行距離轉換mo卩得到最後的結果。對於本揭 露所揭示_鶴倾域化處理方式，域立新的遮罩 影像時，所採用的對應策略說明如下。當以膚色渡除法 處理衫像區域化時’將區域面積小於一預定門播值的背 景區域視為前景_。t以分群法處理影像區域化時， 將相鄰的兩個大面積區域之相鄰圖素視為背景圖素，也 就是說’以忽略小區域的雜絲避免產生不可預期的錯 誤預測結果^上述第九A圖、第九B圖、第九c圖是 以此對應策略所建立之遮罩影像。第十二A圖、第十二 B圖、第十二C圖分別是第九A圖、第九B圖、第九c 圖經過距離轉換後，得到的距離地圖。 人臉位置及大小的預估方式是根據具限制條件的距 離轉換後的結果而來。本揭露之人臉位置的估計可包括 兩部分。一部分是人臉位置的估計是依據距離地圖中的 區域最大點轉換而來；另一部分是人臉大小的估計是依 據預測位置點的距離值轉換而來。以第十三八圖與第十 13 201224955 三B圖的例子來說明，其中，第十三A圖的範例是依 本揭露實施例所建立的一遮罩影像mG，第十三B圖 疋遮罩影像1310根據具限制條件的距離轉換後的距離 地圖1320。距離地圖132〇中的所有區域内的最大距離 值位置所在處為最亮點133G之處，因此，估計人臉位 置在》亥最9C點B30之處。而人臉大小的估計可用式子， 例如，寬=高=2x(預測位置點的距離值），來估計。當最 焭點1330的距離值為54時，則估計人臉大小為 Φ l〇8xl〇8，如正方形1350的大小。 有了人臉位置及大小的初步估計後，本揭露之實施 例提供了具調適性的人臉偵測，如前述第四圖及第五圖 的運作及流程所示。在人臉偵測實施範圍的建立422 中，會依據預估的視窗大小，於預估的中心位置，往χ (向左以及向右）以及y (向上以及向下）方向各增加數 φ 個視窗作為估測之用。第十四圖的範例是依據預估的視 窗大小1410’往χ以及y方向各增加3個視窗為估測之 用。因此，對於此預估的人臉位置，會對其鄰近區域的 49個部份影像執行人臉偵測的程序，其中，每一部份影 像的相距位置，也將隨著所偵測的當時的部份影像的大 小而定。每一部份影像的相距位置可用式子，例如，相 距圖素=0_1χ部份影像來設定。當部份影像的大小為 2Φ<24時，則每一部份影像的相距位置可以定為兩個圖 素，亦即圖素的數目約為[〇.1χ24]。 14 201224955 在人臉偵測使用視窗大小範圍的建立424中，會先 將原本預估的視窗大小對應到最接近的部份影像的大 小樣式，例如前述第一圖的圖表所示的大小樣式。然後 會以(-n，+n)的範圍來決定人臉债測的視窗大小範圍，以 上述兩個圖素為例，以(-2,+2)的範圍來決定人臉偵測的 視窗大小範圍。例如’原本預估的視窗大小為4〇x4〇， 首先找到其對應的部份影像的大小為41x41，然後整個 搜尋的範圍是28x28〜59x59。 確定人臉預估位置以及大小之範圍後，對預估的人 臉位置，給予一預定數目的層級後，預定數目的層級中 每一層級動態決定至少一最佳人臉位置426的運作流程 如第五圖的步驟510至步驟540，不再重述。 由於本揭露之人臉候選區域位置與大小預估處理是 採用非模板比對的方法，僅在確定人臉預估位置以及大 小之範圍後，使用預定層級的模板進行人臉比對，所以 可減少任何不必要的比對。當無任何加速的人臉辨識系 統需要時間單位為1時，相較於傳統以膚色為基礎之採 用模板比對的人臉偵測，本揭露之實施範例的人臉偵測 的加速倍率有相當大的進步。並且，無論輸入影像為彩 色或是灰階影像，本揭露之實施範例的人臉偵測皆能適 用。同時，由於本揭露之實施例提供了具調適性的人臉 15 201224955 _ ’所以人臉_之正確率也保持相當高的效果。 承上述，第十五圖是—範例示意圖，說明一種基於 人臉區域之位置與大小預估的人臉彳貞啦統，與所揭露 的某些實_例-致。在第十五_範例中，人臉侧 系統1500可包含-處理器151〇以及一偵測器152〇。處 理态1510係對一輸入影像進行人臉候選區域位置與大 小的預估，包括影像區域化、區域標記與區域特徵擷 取、具限制條件的距離轉換、及人臉位置及大小估計， 可分別由一影像區域化模組！ 5 j2、一區域標記與區域特 徵操取模組1514、—具限鶴制距轉賴組1516、 以及人臉位置及大小估計模組1518來處理與執行。 偵測益1520根據預估出的人臉位置及大小範圍化，進 行調適性地人臉彳貞測’檢驗預估之人臉位置後，輸出所 確定的人臉偵測結果42a。 影像區域化模組對一輸入影像進行區域化 後’將輸人像域乡個區域。區域標記與區域特徵操 取換組1514將區域化後的多個部分影像，使用一種連 通區域標記法，並對每一連通區域給予一特定標記，及 計算該區域的特徵。具限制條件的距離轉換模組1516 對區域化後够個部分潍，«此特定標記及該區域 的特徵’建立-新的遮罩影像及對此新的遮罩影像進行 -距離轉換’並產生—距誠圖。人臉位置及大小估計 201224955 模組1518分析此距離糊，來勝&此輸人影像的人 臉位置及大小範@。各模組之運作細節同之前所述，不 再重述。 在一實施例中，此基於人臉區域之位置與大小預估 的人臉偵測技術也可以執行於一電腦程式產品。如第十 六圖的範例所示，電腦程式產品16〇〇包含一記憶體 1610以及儲存於記憶體161〇的一可執行的電腦程式 修 1620。電腦程式1620可包括可執行人臉候選區域位置 與大小預估處理410及調適性地人臉偵測42〇的程式指 令(program instructions)，並藉由一處理器1630來執行: 對一輸入影像，進行人臉候選區域位置與大小預估處 理，包括影像區域化處理、區域標記與區域特徵擷取、 具限制條件的距離轉換、及人臉位置及大小估計，來預 估出此輸入影像之至少一人臉位置及其人臉大小範圍； 以及根據預估出的此至少一人臉位置及大小範圍，進行 • 調適性地人臉偵測，包括人臉偵測實施範圍的建立、人 臉偵剥使用視窗大小範圍的建立、及一預定數目的層級 中母一層級動態決定至少一最佳人臉彳立置，直到確定至 少一最佳人臉位置所在的區域為人臉區域，或檢驗所有 層級後’輸出所確定的人臉偵測結果。也就是第四圖之 基於人臉區域之位置與大小預估的人臉偵測的運作流 程。 ， 综上所述’本揭露之實施範例提供一種基於人臉區 17 201224955 域之位置與大小預估的人臉偵測系統與方法及電腦程 式產品。其使用快速的非模板比對方式，來預估人臉位 置及大小’人臉偵測程序是採用區域為基礎的方式，可 以快速得到人臉偵測的結果。在一些資源有限的系統 令例如叙入式系統，可以減少資料傳遞，並減少電源 的使用量。此人臉偵測技術可以適用於彩色影像或灰階 办像。本揭露之加速法還可以肖於如道路交通號誌加速 偵測、車牌加速偵測等。 以上所述者僅為本揭露實施例，當不能依此限定本 發明實施之勝即大凡本發明申請專概圍所作之均 專變化與修飾’皆應仍屬本發明專利涵蓋之範圍。 201224955 【圖式簡單說明】 第圖疋不同視窗大小所揭取的部份影像的數目 表。 第二圖是常用的四種出叫如特徵樣式的一個示意圖。 第二A圖及第三8圖是透過棘部份影像的數個特徵， 並搭配串聯η個分魅的演算法來侧人臉的一個示意 圖。 ^ 第四圖是-範例示意圖，_—種基於人臉輯之位置 與大小預估的人臉_方法，與_露的某些實施範例 一致。 第五圖是-示意®，說明調適性地人臉偵測的運作流 程，與所揭露的某些實施範例一致。 第六Α圖與第六Β圖是时群為依據之影像區域化處理 的一範例示意圖，與所揭露的某些實施範例一致。 第七A圖是將-原始的彩色影像，經過膚色渡除法的影 像區域化處理所產生的二元影像，與所揭露的某些實施 fe例一致。 第七B圖矣將第六A圖實施分群法所產生的結果，與所 揭露的某些實施範例一致。 苐七C圖是將第六B圖實施分群法所產生的結果，與所 揭露的某些實施範例一致。 第八A圖、第八B圖、第八C圖分別為對第七a圖、 第七B圖、第七C圖實施連通標記之後的結果，與所揭 露的某些實施範例一致。 第九A圖、第九B圖、第九C圖分別為根據第八a圖、 201224955 第八B圖、第八C圖所建立的新的遮罩影像，與所揭 的某些實施範例一致。 第十A圖、第十C圖分別為理想狀況及實際狀況下，根 據區域化後的結果所建立簡的遮罩，與所揭露的 某些實施範例一致。 第十B圖、第十D圖分別為第十a圖、第十c圖經過 距轉換後的結果，與所揭露的某些實施範例一致。 第十-圖是-示意圖，說明具限制條件的距轉的運作 換流程，與所揭露的某些實施範例一致。 第十-A圖、第十二丑圖、第十二〇圖分別是第九a 圖、第九B ®、第九C圖弱距轉換後，得到的距離 地圓，與所揭露的某些實施範例一致。 第十二Α圖與第十三Β圖是範例示意圖，說明人臉位置 及大小的預估，與所揭露的某些實施範例一致。 第十四圖是一範例示意圖，說明人臉偵測實施範圍建立 之示意圖，與所揭露的某些實施範例一致。 第十五圖是一範例示意圖，說明一種基於人臉區域之位 置與大小預估的人臉偵測系統，與所揭露的某些實施範 例一致。 第十六圖是一範例示意圖，說明第四圖之基於人臉區域 之位置與大小預估的人臉偵測方法可實施於一電腦程式 產品中，與所揭露的某些實施範例一致。 【主要元件符號說明】 20 201224955 41〇人臉候選區域位置與大小預估處理 41a至少一人臉位置及大小範圍 412影像區域化處理 414區域標記與區域特徵擷取 416具限制條件的距離轉換 418人臉位置及大小估計 420調適性地人臉偵測 422人臉偵測實施範圍的建立 424人臉偵測使用視窗大小範圍的建立 426至少一最佳人臉位置 42a人臉偵測結果 510循序選取部份影像的大小樣式 520每次執行某一層次的人臉偵測時，以預估位置為中心，擷取 其鄰近區域的數個部份影像來進行人臉偵測 530當判斷該位置為人臉區域時，將判斷的人臉結果輸出 540當無法判斷該位置為人臉區域時，計算人臉的最新估計位置 1110區域化後的影像 1130建立一新的遮罩影像 1310遮罩影像 1410預估的視窗大小 1500人臉偵測系統 1512影像區域化模組 112〇區域特徵的資訊 1140進行距離轉換 1320距離地圖 1510處理器 1518人臉位置及大小估計模組 1514區域標記與區域特徵操取模組 1516具限制條件的距離轉換模組 1520偵測器 1600電腦程式產品 1610記憔體

21 V 201224955 1620可執行的電腦程式 1630處理器

22

Claims (1)

1. 201224955 七、申請專利範圍·· L種基於人臉區域之位置與大小預估的人臉偵測方法， 實施於一電腦系統中，該方法包含： 對一輸入影像，進行人臉候選區域位置與大小預估處 理，包括影像區域化處理、區域標記與區域特徵操取、 具限制條件的距離轉換、及人臉位置及大小估計，來預 估出該輸入影像之至少一人臉位置及其人臉大小範圍； 以及 根據預估出的該至少一人臉位置及大小範圍，進行調適 性地人臉偵測，包括人臉偵測實施範圍的建立、人臉偵 測使用視窗大小範圍的建立、及一預定數目的層級中每 一層級動態決定至少一最佳人臉位置，直到確定該至少 最佳人臉位置所在的區域為人臉區域，或檢驗完所有 層級，然後輸出所確定的一人臉偵測結果。 2.如申請專利範圍第1項所述之人臉偵測方法，其中該輸 入影像疋選自灰階影像及彩色影像之其中—種影像。 3_如申请專利範圍第1項所述之人臉偵測方法，其中該影 像區域化處理包括： . · 採用一分群法’先對該輸入影像所對應的—直方圖做分 群處理，再將該直方圖的分群結果還原到—原始影像。 4·如申請專利範圍第3項所述之人臉偵測方法，其中當該 輸入影像是一灰階影像時’該直方圖是一維的直方圖。 5.如申請專利範圍第3項所述之人臉偵測方法，其中當該 輸入影像是一彩色影像時，該直方圖是至少一維的直 方圖。 23 201224955 6·如申請專利範圍帛1項所述之人臉谓測方法’其中兮區 域標記與區域特徵擷取包括： Α 對經過該影像區域化處理後的多個區域，使用—種連通 區域標記法，以及對每一連通區域給予一特定標呓，並 且計算該連通區域的特徵。 7. 如申請專利範圍第1項所述之人臉僧測方法，其中該具 限制條件的距離轉換包括： 根據經過鄉賴域化處理後❹無域，及經過該區 域標記與區域特徵擷取後的每一連通區域的特定標記 及特徵’建立一新的遮罩影像；以及 對該新的遮罩影像進行一距離轉換，以產生—距離地 圖。 8. 如申請專利範圍第7項所述之人臉偵測方法，其中該距 離地圖代表該輸入影像之前景物件的每一圖素與其背 景圖素的最近距離。 9. 如申請專利範圍第7項所述之人臉偵測方法，其中該距 離地圖代表該輸入影像之前景物件的每一圖素與其背 景圖素的最近距離。 10. —種基於人臉區域之位置與大小預估的人臉偵測系 統’該系統包含： 一處理器，對一輸入影像進行人臉候選區域位置與大小 的預估，包括影像區域化、區域標記與區域特徵擷取、 具限制條件的距離轉換、及人臉位置及大小估計；以及 一谓測器’根據預估出的人臉位置及大小範圍，進行調 適性地人臉偵測’直到檢驗預估之人臉位置所在區域 24 201224955 後’輸出所確定的一人臉偵測結果。 η·如申請專利範圍第ίο項所述之人臉偵測系統，其中該 處理器經由一影像區域化模組，對該輸入影像進行區域 化後’將該輸入影像分成多個區域。 12. 如申請專利範圍第u項所述之人臉偵測系統，其中該 處理器經由一區域標記與區域特徵擷取模組，將區域化 後的該多個部分影像，使用一種連通區域標記法，並對 每一連通區域給予一特定標記，及計算該區域的特徵。 13. 如申請專利範圍第12項所述之人臉偵測系統，其中該 處理器經由一具限制條件的距離轉換模组，對區域化後 的該多個部分影像，根據該特定標記及該區域的特徵， 建立一新的遮罩影像及對該新的遮罩影像進行一距離 轉換，並產生一距離地圖。 •如申清專利範圍第13項所述之人顧測系、统，其中該 處理器經人臉位置及大小估計馳，分析該距離地 圖’來預估4It輸人f彡像的人臉位置及大小範圍。 5.種用來執行人臉偵測的電腦程式產品，該電腦程式產 '-包含一記憶體以及儲存該記憶體的一可執行的電腦 程式’該電腦程式包括執行人臉候選區域位置與大小預 估處理及調適性地人臉偵_程式指令，並藉由一處理 器來執行： 對一輸入影像，進行人臉候選區域位置與大小預估處 理’包括影像區域化處理、區域標記無域特徵操取、 /、限制條件⑸雜無、及人触置及大祕計，来預 估出此輸入影像之至少一人臉位置及其人臉大小範圍； 25 201224955 以及 根據預估出的5亥至少一人臉位置及大小範圍，進行調適 性地人臉偵測，直到檢驗預估之人臉位置所在區域後， 輸出所確定的一人臉偵測結果。 16.如申請專利範圍第I5項所述之電腦程式產品，其中該 調適性地人臉偵測還包括人臉偵測實施範圍的建立、z 臉偵測使用視窗大小範圍的建立、及—預定數目 中每-層級動態決定至少-最佳人臉位^ 的層級

   26