人脸检测的Adaboost算法
【专利摘要】本发明涉及一种人脸检测的Adaboost算法，检测器前端设有肤色模型和光照补偿，肤色模块前使用光照补偿加强识别效果，肤色模型包括颜色空间、肤色点判断和肤色阈值使用，光照补偿为Gamma矫正；Adaboost算法训练过程包括特征值排序的并行化和训练弱分类的并行化。本发明的有益效果是：运用肤色模型以及光照补偿对检测器进行了前端优化，减少了检测时的数据计算量并加快了检测速度；对于耗费大量的时间的训练过程给出了并行算法，大大节约训练时间。
【专利说明】人脸检测的Adaboost算法
【技术领域】
[0001]本发明涉及一种人脸检测的Adaboost算法。
【背景技术】
[0002]在人脸检测过程中使用肤色检测算法能够很好得提高检测效果，对于Adaboost算法检测过程来说，肤色检测模块既可以添加在多尺度检测之前，也可以添加到多尺度检测之后，还可以添加到多尺度合并之后。
[0003]虽然Aadboost系统检测速度很高,但是由于Adaboost算法本身训练比较耗时,整个系统的训练时间非常惊人。其系统在训练上花费了数周的时间。由于Adaboost算法在训练速度上的问题大大地限制了该算法的应用。因此，有必要对原训练算法进行并行化。
[0004]在科学和工程问题的数值建模和模拟时，常需要对大量数据进行很多次重复计算以得到有效结果，并且要求计算必须在合理时间内完成，例如数值气象预报、太空中天体运动预测、虚拟现实以及本文针对的Adaboost算法训练过程的优化问题，这些应用对计算速度的需要总是在不断的增长。提高计算速度的一种方法是用多个处理器协同求解一个问题，可以是带有多个处理器的计算机或是以某种方式互连的若干台独立计算机。除了加速对问题求解之外，多计算机/多处理机的使用可以在给定时间内计算更多的求解点，从而获得更精确的解。
【发明内容】
[0005]本发明要解决的技术问题是:基于上述问题，本发明提供一种人脸检测的Adaboost 算法。
[0006]本发明解决其技术问题所采用的一个技术方案是:一种人脸检测的Adaboost算法，检测器前端设有肤色模型和光照补偿，肤色模块前使用光照补偿加强识别效果，肤色模型包括颜色空间、肤色点判断和肤色阈值使用，光照补偿为Gamma矫正；AdabooSt算法训练过程包括特征值排序的并行化和训练弱分类的并行化。
[0007]进一步地，颜色空间是采用高斯肤色模型及YCbCr颜色空间对人脸图像进行分害I]，将RGB空间转化为YCbCr空间如下式所示:
【权利要求】
1.一种人脸检测的Adaboost算法，其特征是:检测器前端设有肤色模型和光照补偿，肤色模块前使用光照补偿加强识别效果，肤色模型包括颜色空间、肤色点判断和肤色阈值使用，光照补偿为Gamma矫正；AdabooSt算法训练过程包括特征值排序的并行化和训练弱分类的并行化。
2.根据权利要求1所述的人脸检测的Adaboost算法改进，其特征是:所述的颜色空间是采用高斯肤色模型及YCbCr颜色空间对人脸图像进行分割，将RGB空间转化为YCbCr空间如下式所示:
3.根据权利要求1所述的人脸检测的Adaboost算法，其特征是:所述的肤色点判断方法为采用训练的方法来计算得到CbCr空间上集中的中心，然后根据所考察的像素离该中心的远近来得到它和肤色的相似度，从而得到一个原图的相似度分布图，再对该分布图二值化，最终确定肤色的区域。
4.根据权利要求1所述的人脸检测的Adaboost算法，其特征是:所述的肤色阈值使用方法为:阈值设置为20%，如果肤色点超过20%就进行检测，否则排除该子窗口。
5.根据权利要求1所述的人脸检测的Adaboost算法,其特征是:所述的Gamma矫正为，图像上任一点的像素值(R，G，B)可以通过下式进行Gamma校正，
6.根据权利要求1所述的人脸检测的Adaboost算法，其特征是:所述的特征值排序的并行化采用并行正则采样排序PSRS方法对排序过程进行并行化。
【文档编号】G06K9/00GK103714328SQ201310751552
【公开日】2014年4月9日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】吴锦华 申请人:江苏图云智能科技发展有限公司