人臉檢測方法及裝置的制造方法
【技術領域】
[0001] 本公開涉及人臉檢測技術領域，尤其涉及一種人臉檢測方法及裝置。
【背景技術】
[0002] 目前，主流的人臉檢測算法主要包括Adaboost算法及其改進算法。Adaboost算法 是一種迭代算法，其核心思想是針對訓練樣本集挑選特征，利用挑選的特征訓練弱分類器， 然后，把這些弱分類器構建成一個強分類器。
[0003] 相關技術中的人臉檢測方法，每個強分類器對應一個閾值，一旦根據樣本集訓練 出強分類器之后，就不能動態調整強分類中包含的弱分類器的數量。這樣，對于待檢測圖像 中的矩形窗口，都需要經過強分類器中的全部弱分類器進行過濾，對于像素較大的待檢測 圖像，包含的矩形窗口較多，每個矩形窗口都要經過很多個若分類器過濾，導致人臉檢測速 率大大降低。

【發明內容】

[0004] 為克服相關技術中存在的問題，本公開提供一種人臉檢測方法及裝置。
[0005] 根據本公開實施例的第一方面，提供一種人臉檢測方法，包括：
[0006] 將強分類器中指定的弱分類器構建成嵌套級聯分類器，其中，所述嵌套級聯分類 器的數量小于所述強分類器所包含的弱分類器的數量；
[0007] 利用所述嵌套級聯分類器判斷待檢測圖像中是否包含人臉；
[0008] 當所述強分類器中的任意一個嵌套級聯分類器判斷出所述待檢測圖像不包含人 臉時，確定所述待檢測圖像不包含人臉；
[0009] 當所述強分類器中的全部嵌套級聯分類器判斷出所述待檢測圖像包含人臉時，繼 續利用下一級強分類器判斷所述待檢測圖像是否包含人臉，直到全部強分類器均判斷出所 述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0010] 結合第一方面，在第一方面的第一種可能的實現方式中，所述方法還包括：
[0011] 根據人臉檢測指標，確定不同強分類器中嵌套級聯分類器的數量，以提高過濾掉 非人臉圖像的速度；
[0012] 所述人臉檢測指標包括檢測率、檢測速度和誤檢率中的一種或任意多種組合；每 個強分類器中所述嵌套級聯分類器的數量大于等于零，且小于所述強分類器所包含弱分類 器的數量。
[0013] 結合第一方面，在第一方面的第二種可能的實現方式中，所述方法還包括：
[0014] 在根據訓練樣本訓練得到弱分類器時，存儲各個弱分類器對應的閾值。
[0015] 結合第一方面的第二種可能的實現方式，在第一方面的第三種可能的實現方式 中，所述將訓練得到的強分類器中指定的弱分類器構建成嵌套級聯分類器，采用如下方 式：
[0016] 利用強分類器中的第一級弱分類器到指定的弱分類器組合形成一個嵌套級聯分 類器，將所述指定的弱分類器的閾值作為所述嵌套級聯分類器的閾值。
[0017] 結合第一方面，在第一方面的第四種可能實現方式中，對于強分類器中級數大于1 的嵌套級聯分類器，所述利用所述嵌套級聯分類器判斷待檢測圖像中是否包含人臉，采用 如下方式：
[0018] 根據前一級嵌套級聯分類器針對所述待檢測圖像的輸出，以及所述當前嵌套級聯 分類器中的其它弱分類器針對所述待檢測圖像的輸出，得到所述當前嵌套級聯分類器針對 所述待檢測圖像的輸出；所述其它弱分類器是所述當前嵌套級聯分類器包含的弱分類器中 除所述前一級嵌套級聯分類器包含的弱分類器之外的弱分類器；
[0019] 將所述當前級嵌套級聯分類器針對待檢測圖像的輸出與所述當前級嵌套級聯分 類器的閾值進行比較；
[0020] 當所述嵌套級聯分類器的輸出小于所述閾值時，確定所述待檢測圖像不包含人 臉；
[0021] 當所述嵌套級聯分類器的輸出不小于所述閾值時，繼續利用下一級嵌套級聯分類 器判斷所述待檢測圖像是否包含人臉，直到強分類器中的全部嵌套級聯分類器均判斷出所 述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0022] 根據本公開實施例的第二方面，提供一種人臉檢測裝置，包括：
[0023] 構建單元，用于將強分類器中指定的弱分類器構建成嵌套級聯分類器，其中，所述 嵌套級聯分類器的數量小于所述強分類器所包含的弱分類器的數量；
[0024] 判斷單元，用于利用所述嵌套級聯分類器判斷待檢測圖像中是否包含人臉；
[0025] 第一確定單元，用于當所述強分類器中的任意一個嵌套級聯分類器判斷出所述待 檢測圖像不包含人臉時，確定所述待檢測圖像不包含人臉；
[0026] 第二確定單元，用于當所述強分類器中的全部嵌套級聯分類器判斷出所述待檢測 圖像包含人臉時，繼續利用下一級強分類器判斷所述待檢測圖像是否包含人臉，直到全部 強分類器均判斷出所述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0027] 結合第二方面，在第二方面的第一種可能實現方式中，所述裝置還包括：
[0028] 第三確定單元，用于根據人臉檢測指標，調整不同強分類器中嵌套級聯分類器的 數量，以提高過濾掉非人臉圖像的速度；
[0029] 所述人臉檢測指標包括檢測率、檢測速度和誤檢率中的一種或任意多種組合；每 個強分類器中所述嵌套級聯分類器的數量大于等于零，且小于所述強分類器所包含弱分類 器的數量。
[0030] 結合第二方面，在第二方面的第二種可能實現方式中，所述裝置還包括：
[0031] 存儲單元，用于在根據訓練樣本訓練得到弱分類器時，存儲各個弱分類器對應的 閾值。
[0032] 結合第二方面第二種可能的實現方式，在第二方面的第三種可能實現方式中，所 述構建單元包括：
[0033] 組合子單元，利用強分類器中的第一級弱分類器到指定的弱分類器組合形成一個 嵌套級聯分類器，將所述指定的弱分類器的閾值作為所述嵌套級聯分類器的閾值。
[0034] 結合第二方面，在第二方面的第四種可能實現方式中，對于強分類器中級數大于1 的嵌套級聯分類器，所述判斷單元包括：
[0035] 分類器輸出計算子單元，用于根據前一級嵌套級聯分類器針對所述待檢測圖像的 輸出，以及所述當前嵌套級聯分類器中的其它弱分類器針對所述待檢測圖像的輸出，得到 所述當前嵌套級聯分類器針對所述待檢測圖像的輸出；所述其它弱分類器是所述當前嵌套 級聯分類器包含的弱分類器中除所述前一級嵌套級聯分類器包含的弱分類器之外的弱分 類器；
[0036] 比較子單元，用于將所述當前級嵌套級聯分類器針對待檢測圖像的輸出與所述當 前級嵌套級聯分類器的閾值進行比較；
[0037] 第一確定子單元，用于當所述嵌套級聯分類器的輸出小于所述閾值時，確定所述 待檢測圖像不包含人臉；
[0038] 第二確定子單元，用于當所述嵌套級聯分類器的輸出不小于所述閾值時，繼續利 用下一級嵌套級聯分類器判斷所述待檢測圖像是否包含人臉，直到強分類器中的全部嵌套 級聯分類器均判斷出所述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0039] 根據本公開實施例的第三方面，提供一種終端設備，包括：處理器；用于存儲處理 器可執行指令的存儲器；其中，所述處理器被配置為：
[0040] 將強分類器中指定的弱分類器構建成嵌套級聯分類器，其中，所述嵌套級聯分類 器的數量小于所述強分類器所包含的弱分類器的數量；
[0041] 利用所述嵌套級聯分類器判斷待檢測圖像中是否包含人臉；
[0042] 當所述強分類器中的任意一個嵌套級聯分類器判斷出所述待檢測圖像不包含人 臉時，確定所述待檢測圖像不包含人臉；
[0043] 當所述強分類器中的全部嵌套級聯分類器判斷出所述待檢測圖像包含人臉時，繼 續利用下一級強分類器判斷所述待檢測圖像是否包含人臉，直到全部強分類器均判斷出所 述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0044] 本公開的實施例提供的技術方案可以包括以下有益效果：將訓練得到的強分類器 中指定的弱分類器構建成嵌套級聯分類器，其中，嵌套級聯分類器的數量小于所述強分類 器中所包含的弱分類器的數量；利用所述嵌套級聯分類器判斷待檢測圖中是否包含人臉圖 像；當所述強分類器中的任意一個嵌套級聯分類器判斷出所述待檢測圖像不包含人臉時， 確定所述待檢測圖像不包含人臉；當所述強分類器中的全部嵌套級聯分類器判斷出所述待 檢測圖像包含人臉時，繼續利用下一級強分類器判斷所述待檢測圖像是否包含人臉，直到 全部強分類器均判斷出所述待檢測圖像包含人臉，確定所述待檢測圖像包含人臉。
[0045] 相關技術中的人臉檢測方案，需要利用強分類器中全部弱分類器才能濾掉部分非 人臉，即利用全部弱分類器的特征濾掉非人臉。而本公開提供的人臉檢測方法，將強分類器 中的部分弱分類器構建成嵌套級聯分類器，每一級嵌套級聯分類器都能濾除一部分非人臉 圖像，換言之通過較少的弱分類器就能過濾掉待檢測圖像中的部分非人臉，即利用較少的 特征過濾掉部分非人臉圖像，因此，提高了人臉檢測速度。而且，人臉圖像是在待檢測圖像 需要通過強分類器中全部嵌套級聯分類器之后才能確定，而每個嵌套級聯分類器的功能相 當于一個強分類器，能夠單獨檢測待檢測圖像是否包含人臉，這樣，相當于增加了強分類器 的數量，因此，提高了