人脸检测方法及装置的制造方法
【技术领域】
[0001] 本公开涉及人脸检测技术领域，尤其涉及一种人脸检测方法及装置。
【背景技术】
[0002] 目前，主流的人脸检测算法主要包括Adaboost算法及其改进算法。Adaboost算法 是一种迭代算法，其核心思想是针对训练样本集挑选特征，利用挑选的特征训练弱分类器， 然后，把这些弱分类器构建成一个强分类器。
[0003] 相关技术中的人脸检测方法，每个强分类器对应一个阈值，一旦根据样本集训练 出强分类器之后，就不能动态调整强分类中包含的弱分类器的数量。这样，对于待检测图像 中的矩形窗口，都需要经过强分类器中的全部弱分类器进行过滤，对于像素较大的待检测 图像，包含的矩形窗口较多，每个矩形窗口都要经过很多个若分类器过滤，导致人脸检测速 率大大降低。
【发明内容】
[0004] 为克服相关技术中存在的问题，本公开提供一种人脸检测方法及装置。
[0005] 根据本公开实施例的第一方面，提供一种人脸检测方法，包括：
[0006] 将强分类器中指定的弱分类器构建成嵌套级联分类器，其中，所述嵌套级联分类 器的数量小于所述强分类器所包含的弱分类器的数量；
[0007] 利用所述嵌套级联分类器判断待检测图像中是否包含人脸；
[0008] 当所述强分类器中的任意一个嵌套级联分类器判断出所述待检测图像不包含人 脸时，确定所述待检测图像不包含人脸；
[0009] 当所述强分类器中的全部嵌套级联分类器判断出所述待检测图像包含人脸时，继 续利用下一级强分类器判断所述待检测图像是否包含人脸，直到全部强分类器均判断出所 述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0010] 结合第一方面，在第一方面的第一种可能的实现方式中，所述方法还包括：
[0011] 根据人脸检测指标，确定不同强分类器中嵌套级联分类器的数量，以提高过滤掉 非人脸图像的速度；
[0012] 所述人脸检测指标包括检测率、检测速度和误检率中的一种或任意多种组合；每 个强分类器中所述嵌套级联分类器的数量大于等于零，且小于所述强分类器所包含弱分类 器的数量。
[0013] 结合第一方面，在第一方面的第二种可能的实现方式中，所述方法还包括：
[0014] 在根据训练样本训练得到弱分类器时，存储各个弱分类器对应的阈值。
[0015] 结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式 中，所述将训练得到的强分类器中指定的弱分类器构建成嵌套级联分类器，采用如下方 式：
[0016] 利用强分类器中的第一级弱分类器到指定的弱分类器组合形成一个嵌套级联分 类器，将所述指定的弱分类器的阈值作为所述嵌套级联分类器的阈值。
[0017] 结合第一方面，在第一方面的第四种可能实现方式中，对于强分类器中级数大于1 的嵌套级联分类器，所述利用所述嵌套级联分类器判断待检测图像中是否包含人脸，采用 如下方式：
[0018] 根据前一级嵌套级联分类器针对所述待检测图像的输出，以及所述当前嵌套级联 分类器中的其它弱分类器针对所述待检测图像的输出，得到所述当前嵌套级联分类器针对 所述待检测图像的输出；所述其它弱分类器是所述当前嵌套级联分类器包含的弱分类器中 除所述前一级嵌套级联分类器包含的弱分类器之外的弱分类器；
[0019] 将所述当前级嵌套级联分类器针对待检测图像的输出与所述当前级嵌套级联分 类器的阈值进行比较；
[0020] 当所述嵌套级联分类器的输出小于所述阈值时，确定所述待检测图像不包含人 脸；
[0021] 当所述嵌套级联分类器的输出不小于所述阈值时，继续利用下一级嵌套级联分类 器判断所述待检测图像是否包含人脸，直到强分类器中的全部嵌套级联分类器均判断出所 述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0022] 根据本公开实施例的第二方面，提供一种人脸检测装置，包括：
[0023] 构建单元，用于将强分类器中指定的弱分类器构建成嵌套级联分类器，其中，所述 嵌套级联分类器的数量小于所述强分类器所包含的弱分类器的数量；
[0024] 判断单元，用于利用所述嵌套级联分类器判断待检测图像中是否包含人脸；
[0025] 第一确定单元，用于当所述强分类器中的任意一个嵌套级联分类器判断出所述待 检测图像不包含人脸时，确定所述待检测图像不包含人脸；
[0026] 第二确定单元，用于当所述强分类器中的全部嵌套级联分类器判断出所述待检测 图像包含人脸时，继续利用下一级强分类器判断所述待检测图像是否包含人脸，直到全部 强分类器均判断出所述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0027] 结合第二方面，在第二方面的第一种可能实现方式中，所述装置还包括：
[0028] 第三确定单元，用于根据人脸检测指标，调整不同强分类器中嵌套级联分类器的 数量，以提高过滤掉非人脸图像的速度；
[0029] 所述人脸检测指标包括检测率、检测速度和误检率中的一种或任意多种组合；每 个强分类器中所述嵌套级联分类器的数量大于等于零，且小于所述强分类器所包含弱分类 器的数量。
[0030] 结合第二方面，在第二方面的第二种可能实现方式中，所述装置还包括：
[0031] 存储单元，用于在根据训练样本训练得到弱分类器时，存储各个弱分类器对应的 阈值。
[0032] 结合第二方面第二种可能的实现方式，在第二方面的第三种可能实现方式中，所 述构建单元包括：
[0033] 组合子单元，利用强分类器中的第一级弱分类器到指定的弱分类器组合形成一个 嵌套级联分类器，将所述指定的弱分类器的阈值作为所述嵌套级联分类器的阈值。
[0034] 结合第二方面，在第二方面的第四种可能实现方式中，对于强分类器中级数大于1 的嵌套级联分类器，所述判断单元包括：
[0035] 分类器输出计算子单元，用于根据前一级嵌套级联分类器针对所述待检测图像的 输出，以及所述当前嵌套级联分类器中的其它弱分类器针对所述待检测图像的输出，得到 所述当前嵌套级联分类器针对所述待检测图像的输出；所述其它弱分类器是所述当前嵌套 级联分类器包含的弱分类器中除所述前一级嵌套级联分类器包含的弱分类器之外的弱分 类器；
[0036] 比较子单元，用于将所述当前级嵌套级联分类器针对待检测图像的输出与所述当 前级嵌套级联分类器的阈值进行比较；
[0037] 第一确定子单元，用于当所述嵌套级联分类器的输出小于所述阈值时，确定所述 待检测图像不包含人脸；
[0038] 第二确定子单元，用于当所述嵌套级联分类器的输出不小于所述阈值时，继续利 用下一级嵌套级联分类器判断所述待检测图像是否包含人脸，直到强分类器中的全部嵌套 级联分类器均判断出所述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0039] 根据本公开实施例的第三方面，提供一种终端设备，包括：处理器；用于存储处理 器可执行指令的存储器；其中，所述处理器被配置为：
[0040] 将强分类器中指定的弱分类器构建成嵌套级联分类器，其中，所述嵌套级联分类 器的数量小于所述强分类器所包含的弱分类器的数量；
[0041] 利用所述嵌套级联分类器判断待检测图像中是否包含人脸；
[0042] 当所述强分类器中的任意一个嵌套级联分类器判断出所述待检测图像不包含人 脸时，确定所述待检测图像不包含人脸；
[0043] 当所述强分类器中的全部嵌套级联分类器判断出所述待检测图像包含人脸时，继 续利用下一级强分类器判断所述待检测图像是否包含人脸，直到全部强分类器均判断出所 述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0044] 本公开的实施例提供的技术方案可以包括以下有益效果：将训练得到的强分类器 中指定的弱分类器构建成嵌套级联分类器，其中，嵌套级联分类器的数量小于所述强分类 器中所包含的弱分类器的数量；利用所述嵌套级联分类器判断待检测图中是否包含人脸图 像；当所述强分类器中的任意一个嵌套级联分类器判断出所述待检测图像不包含人脸时， 确定所述待检测图像不包含人脸；当所述强分类器中的全部嵌套级联分类器判断出所述待 检测图像包含人脸时，继续利用下一级强分类器判断所述待检测图像是否包含人脸，直到 全部强分类器均判断出所述待检测图像包含人脸，确定所述待检测图像包含人脸。
[0045] 相关技术中的人脸检测方案，需要利用强分类器中全部弱分类器才能滤掉部分非 人脸，即利用全部弱分类器的特征滤掉非人脸。而本公开提供的人脸检测方法，将强分类器 中的部分弱分类器构建成嵌套级联分类器，每一级嵌套级联分类器都能滤除一部分非人脸 图像，换言之通过较少的弱分类器就能过滤掉待检测图像中的部分非人脸，即利用较少的 特征过滤掉部分非人脸图像，因此，提高了人脸检测速度。而且，人脸图像是在待检测图像 需要通过强分类器中全部嵌套级联分类器之后才能确定，而每个嵌套级联分类器的功能相 当于一个强分类器，能够单独检测待检测图像是否包含人脸，这样，相当于增加了强分类器 的数量，因此，提高了