[发明专利]一种用于视频监控的正面人脸快速判别方法

摘要

本发明公开了一种用于视频监控的正面人脸快速判别方法，判别出一段监控视频中人脸最正的那一帧图像，首先在标准视频库以及监控视频中提取正面人脸图像作为训练正样本，提取侧脸图像作为训练负样本，然后提取积分通道特征，利用Adaboost算法从提取特征中训练出强分类器。在正面人脸判别阶段，对输入的监控视频，利用已有的成熟的人脸检测算法进行人脸检测，对检测窗口进行判别，对图像进行“打分”，最后选出分数最高，也就是人脸最正的那一帧。本发明的方法提高了人脸姿态判别速度和精度，准确地进行正面人脸判别，减少了人脸姿态判别的计算量。

主权项

1.一种用于视频监控的正面人脸快速判别方法，其特征在于，该方法为：1）在标准视频库或者采集到的监控视频中提取人脸图片作为训练样本集，将训练样本集中人脸绕Y轴旋转角度小于5度的人脸图像作为正样本图像，将训练样本集中人脸绕Y轴旋转角度大于30度的人脸图像作为负样本图像；选取n个样本图像(x₁,y₁),(x₂,y₂),…,(x_n,y_n)，其中x_i表示样本图像，y_i是类别标志，y_i=0表示负样本图像，y_i=1表示正样本图像；2）初始化权重：ω1,i=12m,yi=012l,yi=1;]]>其中，m和l分别为非正脸样本和正脸样本的数量；n=m+l；i=1,2,…,n；3）对所述样本图像进行LUV颜色通道变换、梯度幅值通道变换以及梯度直方图通道变换，其中所述LUV颜色通道变换包括3个通道、梯度幅值通道变换包括6个通道，梯度直方图通道变换包括1个通道，共10个通道；4）训练分类器：令t=1；5）利用下式归一化权重：ω_t,i为训练第t个分类器的第i个样本图像的权重；ω'_t,i为归一化后的第t个分类器的第i个样本图像的权重；6）从上述10个通道中随机选取一个通道，并从经该选取的通道变换之后的样本图像中随机选取矩形区域，将该矩形区域内所有像素的和作为候选特征值；重复该步骤，直到得到K个候选特征值；7）对每一个候选特征值f_j，训练一个弱分类器，利用该弱分类器计算ω'_t,i的错误率ε_j：ϵj=Σiωt,i′|hj(xi)-yi|;]]>h_j(x_i)表示样本图像x_i的第j个候选特征值构成的弱分类器，j=1,2,…,K；θ_j为阈值，p_j为指示不等式方向的偏置，p_j=±1；h_j(x_i)=1表示第j个候选特征值判断此样本图像x_i为正样本图像，反之则为负样本图像；8）重复步骤7），得到所有候选特征值对应的错误率，选取最小错误率ε_t对应的弱分类器h_t(x)作为候选分类器；9）利用下式更新权重：当x_i被正确分类时，e_i=0，反之，e_i=1；设αt=log1βt;]]>10）令t=t+1，将ω_t+1,i作为训练第t+1个分类器的第i个样本图像的权重，重复上述步骤5）～步骤9），直到得到T个候选分类器，利用所述T个候选分类器确定强分类器h(x)：h(x)=1,Σt=1Tαtht(x)≥12Σt=1Tαt0,else;]]>11）检测标准视频库或者采集到的监控视频，得到多帧人脸图像，利用上述强分类器h(x)对所述多张人脸图像打分，选出分数最高的一帧图像，即得到正面人脸图像。