• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩玩后二技巧: 一种基于肤色分割和机器学习的多视角人脸检测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201510153032.X

    申请日:

    2015.04.01

    公开号:

    CN104715244A

    公开日:

    2015.06.17

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06K 9/00申请公布日:20150617|||实质审查的生效IPC(主分类):G06K 9/00申请日:20150401|||公开
    IPC分类号: G06K9/00; G06K9/62 主分类号: G06K9/00
    申请人: 华中科技大学
    发明人: 桑农; 陈张一; 高常鑫; 阳崇云; 陈子伊
    地址: 430074湖北省武汉市洪山区珞喻路1037号
    优先权:
    专利代理机构: 华中科技大学专利中心42201 代理人: 曹葆青
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510153032.X

    授权公告号:

    ||||||

    法律状态公告日:

    2018.06.19|||2015.07.15|||2015.06.17

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于肤色分割和机器学习的多视角人脸检测方法,首先对原始彩色图像采用GrayWorld进行均衡处理,利用椭圆模型进行肤色检测;求取肤色连通区域最小包围矩形后适当扩大并对其进行灰度化和中值滤波处理;使用多视角人脸检测器进行多尺度的遍历搜索检测,最后对检测结果合并输出。多视角人脸检测器由5个视角对应的级联分类器并行构建而成,采用风险敏感型连续Adaboost算法训练分类器。本发明采用GrayWorld进行均衡化,有效消除彩色偏移,使用椭圆模型对肤色进行检测,减少了后续搜索范围从而加快了检测速度;利用风险敏感型连续Adaboost算法构建多视角人脸检测器,能更精确地刻画分类边界,对于人脸样本具有更好的分类效果;其在智能视频监控等方面有广泛的应用前景。

    权利要求书

    权利要求书
    1.  一种基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述方法包括以下步骤:
    (1)对原始彩色图像进行光照补偿,使用Gray World进行均衡处理;
    (2)将均衡处理后的图像的像素从原有RGB色彩空间转换到YCbCr色彩空间,然后将像素从色度空间CbCr经过非线性变换到Cb′Cr′空间;将转换后的色度值Cb′和Cr′输入椭圆肤色模型进行计算,得到图像的肤色区域,对其求取最小包围矩形并对边界进行扩大;
    (3)对肤色所在的矩形区域进行灰度化处理,然后对处理后所得到的灰度图像进行中值滤波,作为人脸检测的候选区域;
    (4)对于每一个人脸候选区域利用多视角人脸检测器进行多尺度的搜索检测,多视角人脸检测器由各个视角的级联分类器并行构建而成,所述分类器采用风险敏感型连续Adaboost算法进行训练。

    2.  根据权利要求1所述的基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述步骤(1)中的Gray World进行均衡处理具体为:R′、G′、B′为改进后的值,均衡化公式为:B=B*[KBaverage],]]>K=(Raverage+Gaverage+Baverage)3,]]>其中Raverage、Gaverage、Baverage分别为原RGB颜色通道的平均值。

    3.  根据权利要求1或2所述的基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述步骤(2)按照如下方式实现:
    (2.1)将图像颜色空间从RGB色彩空间转换到YCbCr色彩空间,转换公式为:
    YCbCr=16128128+125565.481128.55324.966-37.797-74.203112.000112.000-93.786-18.241RGB;]]>
    (2.2)将(2.1)中像素从色度空间CbCr经过非线性变换到Cb′Cr′空间,公式如下:
    Cb(Y)=(Cb(Y)-Cb&OverBar;(Y))×46.97WCb(Y)+Cb&OverBar;(188),Y<125orY>188Cb,Y&Element;[125,188],]]>
    Cr(Y)=(Cr(Y)-Cr&OverBar;(Y))×38.76WCr(Y)+Cr&OverBar;(188),Y<125orY>188Cr,Y&Element;[125,188],]]>
    其中,WCb(Y)和WCr(Y)为椭圆模型宽度值,和为椭圆模型中心值;
    (2.3)将训练好的椭圆模型存储在一幅二值图像上,将此图像映射到二维坐标系的第一象限;
    (2.4)将(2.2)中所得Cb′、Cr′值分别对应到(2.3)中x轴、y轴的值,即将像素点Cb′,Cr′值投影到(2.3)中二值图像上某一点,如果该点在白色椭圆区域内部,则视该像素点为肤色点,反之则为非肤色点。

    4.  根据权利要求1或2所述的基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述步骤(4)中的多视角人脸检测器具体为:
    将样本集在水平方向上分为5个视角:[-75°~-45°],[-45°~-15°],[-15°~15°],[15°~45°],[45°~75°],分别训练5个视角的级联分类器;不同视角的级联分类器对应各层用到的类Haar特征数目相同;
    多视角人脸检测器由级联分类器并行构成,且每个级联分类器的前4层构成人脸的姿态预估计部分,不再引入专门的姿态估计器;对于未通过前4层的样本,直接输入下一级联分类器的第一层进行判断;对于通过某一级联分类器前4层的样本,则直接由该级判断其是否为人脸,不再送入 其他级联分类器进行判断。

    5.  根据权利要求4所述的基于肤色分割和机器学习的多视角人脸检测方法,所述步骤(4)中的风险敏感型连续Adaboost算法具体包括如下步骤:
    (4.1)针对每个视角,定义其训练样本集S={(xi,yi)},包含m个正样本和l个负样本,i=1,2,…,N,N=m+l;其中yi=±1表示样本类别,yi=+1表示正样本即对应视角的人脸图像,yi=-1表示负样本即非人脸图像;
    (4.2)设定训练集上的人脸类别是非人脸类别的误分类风险倍数ct>0,其最佳取值范围为[2.5,3],初始误分类风险倍数c1=3,每两轮降低0.1,降低至2.5停止;正样本分类风险设定为Ci=2c1/(c1+1),负样本分类风险设定为Ci=2/(c1+1);设定样本的初始权重为即正样本初始权重为D1(i)=c1/(mc1+l),负样本初始权重为D1(i)=1/(mc1+l);
    (4.3)对于T轮训练,t=1,2,...,T:
    (4.3.1)令迭代次数t=1;
    (4.3.2)针对每个类Haar特征,求取其特征值fHaar(x),并归一化到[0,1]区间,对此区间进行n等分,记vj=[(j-1)/n,j/n],j=1,…n,此值域的等距划分对应了样本空间的一个划分,本文中n取10;
    (4.3.3)对于每一fHaar(x)∈vj,则有ε为一小的正常数,其中l=±1,j=1,…n,y为样本真实类别;
    (4.3.4)定义函数j=1,…n,则可以得到弱分类器函数表达式:hL(x)=12Σj=1nln(W+1j+&epsiv;W-1j+&epsiv;)Vnj(fHaar(x));]]>
    (4.3.5)令σ(x)=hL(x)-b,其中b为手动设定的阈值,默认为0,则可以得到该弱分类在当前权重下的错分率:
    (4.3.6)选择具有最小错分率的弱分类器作为本轮最佳分类器,即求得满足条件ξt=min{ξf}的hLt(x),并计算参数
    (4.3.7)按照hLt(x)的分类错误率以及正负样本分类风险来调整样本权重:Dt+1(i)=Dt(i)exp(-αtσ(x)yi)exp(λtαtyi)Zt,]]>
    其中λ=ct-1ct+1,]]>Zt=ΣiDt(i)exp(-αtσ(x)yi)exp(λtαtyi);]]>
    (4.3.8)若t<T,则t=t+1,返回步骤(4.3.2),否则进入步骤(4.3.9);
    (4.3.9)确定强分类器:
    H(x)=sign(Σt=1Tαtσ(x)-Σt=1Tλαt).]]>

    6.  根据权利要求1或2所述的基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述步骤(4)中,在待检测人脸候选区域内进行多尺度的子区域提取,利用预先训练好的多视角人脸检测器对各子区域进行人脸检测,若同时被检测为人脸的相邻子区域重叠面积大于阈值,则将这些检测为人脸的相邻子区域进行合并,从而得到准确的人脸。

    7.  根据权利要求1或2所述的基于肤色分割和机器学习的多视角人脸检测方法,其特征在于,所述步骤(2)中的椭圆模型用(center,axes,angle,startAngle,endAngle)表示,其中center是该椭圆的中心点坐标,axes是该椭圆的长半轴和短半轴,angle是该椭圆和水平方向上的旋转夹角,startAngle表示绘制椭圆弧线相对该椭圆自己的水平轴的起始角度,endAngle表示绘制椭圆弧线相对该椭圆自己的水平轴的终止角度。

    关 键 词:
    一种 基于 肤色 分割 机器 学习 视角 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于肤色分割和机器学习的多视角人脸检测方法.pdf
    链接地址://www.4mum.com.cn/p-5890620.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03