基於輻射模板的旋轉人臉檢測方法
2023-09-20 16:22:10
專利名稱：基於輻射模板的旋轉人臉檢測方法
技術領域：
本發明涉及一種基於輻射模板的旋轉人臉檢測方法，特別涉及一種在具有各種背景圖像中，且被旋轉過的人臉圖像識別的方法，屬於模式識別與人工智慧技術領域。
背景技術：
作為生物識別工程的重要組成部分，人臉檢測在身份鑑定、人物跟蹤等生物安全領域具有很大優勢。其具有花費低、無接觸、直觀、方便等優點。其次，人臉檢測還可應用於各種多媒體領域，如視頻會議、基於對象的數據編碼、基於內容的視頻搜索、三維人臉合成等。並且，人臉檢測作為目標檢測領域中的一個典型問題，涵蓋了多方面學科的知識，並對一般物體的檢測問題具有重要的指導意義。
目前的人臉檢測方法可分為基於特徵與基於統計兩方面。在這兩種方法的框架之下，發展了許多方法。Yuille等人運用變形模板方法建立了一個描述人臉特徵(如雙眼)的彈性模型。Yow等人利用了幾何、空間、灰度等特徵對人臉進行了判斷。
特徵臉與支持向量機方法都屬於統計學習的範疇。其基本思想是從給定的正例和反例集合中歸納產生出接受最大範圍正例並排斥最大範圍反例的一般規則。其中，特徵臉方法應用的比較廣泛。該方法利用卡胡內-勞埃夫變換(Karhunen-Loeve Transform，簡稱KL變換)產生的一組特徵向量的加權線性組合來表示人臉。這一組特徵向量就被稱為「特徵臉」。支持向量機(Support Vector Machine，一種基於統計學習的分類方法，簡稱SVM)是一種二次規劃方法，對兩類區分比較有效。神經網絡也是一種基於樣本統計學習的方法。美國麻省理工學院(Massachusettes Instituteof Technology，簡稱MIT)的研究者將人臉樣本集和非人臉樣本集的子類之間的距離作為識別特徵向量，利用多層感知器(Multiple LevelProcessing，一種人工神經網絡的結構，簡稱MLP)網絡作為分類器實現了人臉檢測。美國卡內基梅隆大學(Carnegie Mellon University，簡稱CMU)的Rowley等人直接以圖像作為神經網絡分類器，通過前饋神經網絡對檢測結果優化。
人臉的膚色在彩色空間中的分布相對來說比較集中，因此利用這個特性也可以對包含人臉的彩色圖像進行膚色提取。Hsu等人在YcbCr(一種彩色系統，將彩色空間用三種坐標Y，Cb，Cr表示)彩色空間內建立了根據光照和背景變化的補償模型，並利用膚色模板確定了人臉區域。
近一段時期Viola等人利用AdaBoost(一種分層學習算法，其發明人根據該方法特徵創造此名詞)算法進行了人臉檢測，取得了很好的效果。AdaBoost是一種基於統計的學習算法，能夠在學習過程中不斷根據正例反例中各個事先定義好的特徵所起的效果調整該特徵的權值，最終按照特徵的性能由好到壞給出判斷準則。
根據對國內外人臉檢測技術的研究可以發現大部分方法都是對正面標準人臉進行檢測，一旦人臉在平面內旋轉，上述的就有可能失去效果。一些方法雖然對人臉旋轉進行了檢測，但主要集中在兩個研究方法上。第一是利用統計學習的方法，如神經網絡等，對不同角度的輸入樣本進行大量的學習，從而能夠將多角度人臉的情況包含到判別準則中。這類方法首先需要大量的學習樣本，並且檢測效果受到這些樣本的影響很大，一旦測試集與學習集環境不同，就需要重新學習。第二種方法是根據各個角度分別進行特徵檢測，即利用正面標準人臉的特徵判別準則，將人臉特徵分別旋轉若干個角度對候選區域進行檢測。這種方法需要對候選區域用每個角度都來判斷一遍，因此決定了角度範圍不能太多，之間的距離也很大，從而導致漏選。
由上述可知，大部分人臉檢測方法都僅對正面人臉姿態有效，但對人臉在平面內旋轉較大角度卻沒有相應的處理方法。因此，如果能夠對平面內多角度人臉進行檢測對可以提高系統在各種檢測環境如鏡頭搖擺、被測者不配合等情況下的識別率，同時可以提高在圖片與視頻檢索系統中的應用範圍，並可應用於其他旋轉物體的檢測。
發明內容
本發明的主要目的在於提供一種基於輻射模板的旋轉人臉檢測方法，根據旋轉人臉的特徵不變性，採用一種新的輻射模板對人臉進行檢測，根據在極坐標系下人臉特徵相對於旋轉中心體現的不依賴角度變換的特徵，能夠判斷從0度到360度任意旋轉的人臉。
本發明的另一目的在於提供一種基於輻射模板的旋轉人臉檢測方法，可對平面內多角度人臉進行檢測，可提高在各種檢測環境如鏡頭搖擺、被測者不配合等情況下的識別率，同時可以提高在圖片與視頻檢索系統中的應用範圍。
本發明的目的是這樣實現的一種基於輻射模板的旋轉人臉檢測方法，至少包括步驟1取被檢測圖像的相應區域的中心點作為輻射模板的中心點，並初始化該輻射模板；步驟2計算輻射模板覆蓋區域中的每一點，獲取該區域直方圖；步驟3根據人臉直方圖特徵對該區域直方圖進行特徵匹配；步驟4獲取用於控制該人臉旋轉的方向數據。
上述初始化輻射模板的具體操作包括將該輻射模板的等分為一個以上的扇形，並設定sumk＝0；αk＝0；βk＝0；其中
k為輻射模板的扇形序號值；αk與βk分別為兩個標誌量，表示第k個扇形是否為波峰或波谷；sumk為第k個扇形中的象素總數。
上述輻射模板直方圖計算包括步驟21取輻射模板覆蓋區域中一扇形中的一點，如果該點滿足公式(x-i)2+(y-j)2R,]]>則sumk＝sumk+1；步驟22如果輻射模板覆蓋區域中的每一點都已計算，則結束；否則執行步驟21；其中R為輻射模板的半徑；x，y分別為被計算點的笛卡兒坐標中的橫向與縱向坐標值；i，j分別是輻射模板圓心點的笛卡兒坐標中的橫向與縱向坐標值；k為被計算點所在的扇形序號值。
所述的特徵匹配具體包括步驟31如果sumk＞sumk+S-1modS，並且sumk＞sumk+1modS，並且sumk＜Pthreshold並且sumk＜TThreshold；αk＝1，βk＝1；步驟32如果如下公式成立，k=0Sk=3,]]>並且k=0Sk=3,]]>並且|k-k′|＜Wthreshold，αk＝1並且αk′＝1，則被計算的區域為一人臉候選區域；其中k為輻射模板的扇形序號值，k＝0，1，…，S；k′為輻射模板中除扇形序號k以外的扇形序號值，k′＝0，1，…，S；
S為輻射模板的扇形總數；αk和αk′分別為表示第k和k』個扇形是否為波峰的標誌變量；βk為表示第k個扇形是否為波谷的標誌變量；PThreshold為扇形區域的波峰最大閾值；Ttthreshold為扇形區域的波谷最大閾值；Wthreshold為兩個波峰之間的最大間隔扇形數，且0＜Wthreshold＜S。
所述的兩個波峰之間的最大間隔扇形數(即Wthreshold)的取值為5。
上述的步驟4具體包括步驟41根據如下公式計算三個波峰之間的距離最小值，得到代表雙眼的波峰扇形，|m-n|＝min|k-k′|，且αk，k′，m，n＝1；其中，m和n分別為代表雙眼扇形的編碼值；k為輻射模板的扇形序號值，k′為輻射模板中除扇形序號k以外的扇形序號值，k′＝0，1，…，S；αk，k′，m，n為表示相應扇形是否為波峰的標誌變量；步驟42對於編號值為t的扇形，如果m＜t＜n，且βt＝1，則該扇形為人臉旋轉的方向標誌；其中m和n分別為代表雙眼扇形的編碼值；βt為表示第t個扇形是否為波谷的標誌變量。
上述被檢測圖像的相應區域為經過邊緣提取的人臉候選區域，該邊緣提取的步驟如下步驟01從圖像中提取人臉所在的皮膚區域；其主要內容為事先對大量人臉圖片進行統計，得到人臉膚色區域的像素分布概率，即每一種彩色像素值對應一個是否屬於人臉膚色點的概率；提取時根據這些概率判斷實際採集的圖像中各個點的像素值是否屬於膚色點。
步驟02利用邊緣算子進行方向性邊緣提取，得到皮膚區域內的邊緣圖。其主要內容是利用圖像處理學中的邊緣算子對膚色區域內的輪廓線邊緣進行提取，從而得到黑白二值化的邊緣圖像，顯示的像素點均為邊緣點。提取時採用水平、垂直、兩個對角線方向進行邊緣提取，從而得到四個具有方向性的邊緣圖像。
本發明還進一步包括根據獲得的人臉旋轉方向，將該旋轉人臉區域轉正到豎直。本發明中輻射模板的半徑根據被測區域確定，用以適應人臉區域大小的差異。
本發明根據旋轉人臉的特徵不變性，採用了一種新的輻射模板對人臉進行檢測，根據在極坐標系下人臉特徵相對於旋轉中心體現的不依賴角度變換的特徵，能夠判斷從0度到360度任意旋轉的人臉；同時，本發明可對平面內多角度人臉進行檢測，可提高在各種檢測環境如鏡頭搖擺、被測者不配合等情況下的識別率，同時提高了在圖片與視頻檢索系統中的應用範圍。
圖1為本發明輻射模板示意圖；圖2為本發明另一輻射模板示意圖；圖3為本發明輻射模板與直方圖對應示意圖；圖4為本發明一實施例人臉輻射模板檢測示意圖；圖5為本發明另一實施例人臉輻射模板檢測示意圖；圖6為本發明帶有膚色及人臉邊緣預處理的輻射模板檢測原理流程示意圖。
具體實施例方式
以下結合附圖和具體的實施例對本發明作進一步的詳細說明本發明所述的旋轉人臉識別方法基於輻射模板，對一個圍繞其中心在平面內旋轉的物體來說，如果我們在其旋轉中心軸上觀察該物體，可以發現無論它在圓周內旋轉多少角度，相對於它的中心，其形狀都保持不變；輻射模板就是用來提取出物體這一旋轉不變性的。
參見圖1和圖2，其為本發明的輻射模板示意圖，該模板為一個圓形，並且被分為若干輻射狀扇形區域。為了對不同人臉大小情況進行處理，在輻射模板的基礎上又劃分了不同大小的若干同心圓，每一層同心圓表示一個模板，這樣圓形模板就有了不同的大小範圍，可以對不同大小人臉進行檢測。
圖3為基於輻射模板的旋轉人臉識別原理示意圖。首先整個輻射模板被劃分為16個等面積扇形區域，按照逆時針從最上面開始標號為0至15。然後考慮人臉區域的邊緣特徵，對正面人臉來說，如果按照垂直方向提取出其水平邊緣，結果將主要提取出雙眉、雙眼、嘴唇及鼻的下側邊緣特徵。
統計每一個扇形區域內的人臉邊緣點個數作為縱坐標，16個扇形區域作為橫坐標，則可以得到一個人臉區域邊緣點的直方圖。並且從圖中可以看出，直方圖明顯呈現出三個波峰、三個波谷(將第0號與15號扇形連接)的情況。之所以會出現這種信號，是由於人臉的雙眼區域與嘴部呈現一種三角關係，即左右眼和嘴部邊緣比較集中，但左右眼之間、左眼與嘴、右眼與嘴之間均沒有明顯邊緣相連，因此體現在圓形模板的扇形區域中，就表現為這三個區域所落在的扇形內數值較大，而三個區域之間的扇形區域數值較少。
值得注意的是如果不採取具有水平方向性的邊緣檢測而採用全方位邊緣檢測，則會得到豎直方向的鼻子兩側和臉龐兩側邊緣線，這樣就會有邊緣落在原來數值為零的扇形區域裡，導致雙眼和嘴的直方圖分界不明顯，無法出現三個波峰和波谷的特徵。因此，邊緣檢測必須具有方向性。
採用圓形模板與扇形區域劃分，能夠在人臉邊緣旋轉後扇形區域直方圖仍能夠呈現三個波峰和波谷的特徵，並且相對於正面人臉，直方圖在橫軸方向循環平移了若干單位。因此，對直方圖歸一化，就可以判斷所檢測區域是否滿足面部的三角關係。
因此，採用扇形輻射模板對進行了方向性邊緣提取的圖像進行檢測，就可以得到包含人臉器官三角關係特徵的候選區域。即滿足這種在輻射模板直方圖中呈現三個波峰、三個波谷的特徵，同時又滿足一定閾值範圍的邊緣區域，就為人臉候選區域。
找到人臉候選區域後，因為它有可能是旋轉的，還要找到它的旋轉角度。這一特徵也可以通過人臉邊緣圖在輻射模板上的直方圖來得到。
如圖4所示。根據上面的分析，三個波谷代表雙眼之間和左右眼與嘴(包括鼻子)間的間隔。注意到正常人的雙眼之間間隔明顯小於他的左眼或右眼到其嘴部的間隔，即雙眼距離較近，每隻眼睛距離嘴的距離較遠。體現在輻射模板直方圖上就是有兩個波峰之間的距離明顯小於它們到第三個波峰的距離。因此根據這一點，就可以判定出這兩個波峰代表的扇形區域是雙眼的主要部分，另一個波峰代表的扇形區域是嘴和鼻子的主要部分。
在圖4的直方圖中，代表嘴和鼻子的波峰的左邊的波峰就是左眼，其右邊的波峰就是右眼。在左右眼之間的波谷代表雙眼之間的扇形，其方向垂直於雙眼和嘴的邊緣直線，豎直向上由圓心指向頭髮的方向。這樣，通過直方圖就可以區分出人臉上的三個主要器官，並判斷出整個區域的旋轉方向。
參見圖4、圖5，人臉分別逆時針旋轉了45度和順時針旋轉了45度。從該圖中可以看出，在扇形區域的直方圖表示中，相對於正面，另外兩個直方圖分別向右、向左滑動了4個單位(循環滑動，第0與15號扇形相接)，但仍保持三個波峰、三個波谷的特徵，表示了雙眼和嘴的邊緣在臉上的三角特徵。
因此，採用扇形輻射模板對進行了方向性邊緣提取的圖像進行檢測，就可以得到包含人臉器官三角關係特徵的候選區域。即滿足這種在輻射模板直方圖中呈現三個波峰、三個波谷的特徵，同時又滿足一定閾值範圍的邊緣區域，就為人臉候選區域。
找到人臉候選區域後，因為它可能是旋轉的，還要找到它的旋轉角度。這一特徵也可以通過人臉邊緣圖在輻射模板上的直方圖來得到。根據上面的分析，三個波谷代表雙眼之間和左右眼與嘴(包括鼻子)間的間隔。正常人的雙眼之間間隔明顯小於他的左眼或右眼到其嘴部的間隔，即雙眼距離較近。每隻眼睛距離嘴的距離較遠。體現在輻射模板直方圖上就是有兩個波峰之間的距離明顯小於它們到第三個波峰的距離。因此根據這一點，就可以判定出這兩個波峰代表的扇形區域是雙眼的主要部分，另一個波峰代表的扇形區域是嘴和鼻子的主要部分。
如果輻射模板的標號按照圖1所示，則在直方圖中，代表嘴和鼻子的波峰左邊的波峰就是左眼，其右邊的波峰就是右眼。在左、右眼之間的波谷代表雙眼之間的扇形，其方向垂直於雙眼和嘴的邊緣直線，豎直向上由圓心指向頭髮的方向。如圖3所示。這樣，通過直方圖我們就可以區分出人臉上的三個主要器官，並判斷出整個區域的旋轉方向。
參見圖6，在實際應用中為了提高針對人臉檢測的效果，還可以附加一些輔助步驟。下面給出一套應用輻射模板的搜索匹配算法進行旋轉人臉檢測的系統，它的主要原理是首先，通過膚色模型提取出人臉所在的皮膚區域從而減少搜索時間；然後，利用邊緣算子進行方向性邊緣提取，得到皮膚區域內的邊緣圖；再在邊緣圖像上應用輻射模板進行人臉候選區域的搜索並得到其旋轉方向；最後將旋轉人臉區域轉正到豎直，並利用一個豎直人臉檢測器進行最終判斷從而得到人臉檢測結果。
如圖6所示，旋轉人臉檢測的步驟包括，膚色檢測、邊緣檢測、輻射模板特徵搜索以及豎直人臉檢測。
其中膚色檢測、邊緣檢測實際上是對圖像進行預處理的過程。在採用輻射模板進行檢測之前，為了節省計算時間，首先採用膚色模型對彩色輸入照片進行預處理，得到膚色候選區域後再對該區域進行邊緣檢測。進行膚色檢測的時候，根據大量統計學習得到的結果進行檢測，對目標圖象中每一個像素點進行閾值判斷，大於膚色概率的認為是膚色點，否則認為不是膚色點。然後進行具有方向性的邊緣檢測，得到皮膚邊緣內的邊緣圖。之所以採取具有方向性的邊緣檢測，是為了避免雙眼和嘴的其他邊緣被檢測到，這樣必然會影響識別結果。邊緣檢測可以按照垂直方向提取水平邊緣，同理可以提取垂直邊緣、對角線邊緣，具體提取哪幾個邊緣信息，可視具體情況而定。
膚色檢測、邊緣檢測之後就進行輻射模板特徵搜索，特徵搜索時採用的輻射模板的級數可視邊緣提取的結果而定。特徵搜索過程可分為第一步，搜索至人臉邊緣圖中某一區域A時，設其中心坐標為(i，j)。
第二步，初始化輻射模板；將其分成不同級大小，接著針對每一級模板進行搜索，設其半徑為R，sumk＝0是第k個扇形中的象素總數，αk＝0與βk＝0是兩個標誌量，分別表示第k個扇形是否為波峰或波谷。這裡k＝0，1，…，15。
第三步，計算輻射模板直方圖；對區域中的每一點(x，y)如果它落在模板圓形區域內，即(x-i)2+(y-j)2R,]]>則令sumk＝sumk+1，若且唯若(x，y)屬於扇形k而且該點是經過邊緣提取後得到的輪廓線邊緣點，這裡k可以為0，1，…，15。
第四步，特徵匹配；1.對k＝0，1，…，15
αk＝1，若且唯若sumk＞sumk+15mod16，sumk＞sumk+1mod16，and sumk＜PThresholdβk＝1，當且金當sumk＜sumk+15mod16，sumk＜sumk+1mod16，and sumk＜TThreshold2.如果滿足下列條件，區域A為一人臉候選區域；k=015k=3,]]>k=015k=3,]]>|k-k′|＜WThreshold，αk＝landαk′＝1.
PThreshold＝扇形區域的波峰最大閾值；TTthreshold＝扇形區域的波谷最大閾值；WThreshold＝兩個波峰之間的最大間隔扇形數。
PThreshold和TThreshold都與輻射模板的大小有關，在本實施例中，Wthreshold的取值為5。
第五步，得到旋轉方向；1.對三個波峰，計算它們之間距離最小值，從而得到代表雙眼的兩個波峰扇形m和n，即|m-n|＝min|k-k′|，αk，k′，m，n＝12.扇形t為人臉旋轉方向標誌(即雙眼之間的扇形)如果滿足m＜t＜n且βt＝1當輻射模板找到某一個人臉候選區域並判斷出其旋轉角度後，就可以按照這一角度反向將該區域轉回到豎直正面人臉狀態，在灰度圖像中對這一區域進行精確檢測。
本實施例中豎直正面人臉檢測方法是橫紋方法。此方法首先利用模糊化對圖像進行處理，提取出圖像的橫向邊緣紋理，並將其按照像素的深度進行重心歸一化，這樣人臉上各個器官在圖像上灰度較深，就會聚集成重心點。然後利用人臉器官特徵模板進行匹配，滿足人臉結構關係，即有代表雙眼、鼻子和嘴的重心點，則認為是人臉。轉成正面人臉區域後，利用橫紋方法進行精確檢測，從而提高了整個系統的結果正確率。
由輻射模板的原理可以看出這種方法不單可以應用到人臉檢測，還可以應用在其他旋轉物體的檢測上；例如可以建立對平面內旋轉飛機圖像的檢測模型，以及在衛星圖像中，地面目標中的物體如飛機、車輛、艦船、建築物等均可能在圖像中以不同角度旋轉出現，因此採用輻射模板均可以進行檢測。
最後應說明的是以上實施例僅用以說明本發明而並非限制本發明所描述的技術方案；因此，儘管本說明書參照上述的各個實施例對本發明已進行了詳細的說明，但是，本領域的普通技術人員應當理解，仍然可以對本發明進行修改或者等同替換；而一切不脫離本發明的精神和範圍的技術方案及其改進，其均應涵蓋在本發明的權利要求範圍當中。
權利要求
1.一種基於輻射模板的旋轉人臉檢測方法，其特徵在於該方法至少包括步驟1取被檢測圖像的相應區域的中心點作為輻射模板的中心點，並初始化該輻射模板；步驟2計算輻射模板覆蓋區域中的每一點，獲取該區域直方圖；步驟3根據人臉直方圖特徵對該區域直方圖進行特徵匹配；步驟4獲取用於控制該人臉旋轉的方向數據。
2.根據權利要求1所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於初始化輻射模板的具體操作包括將該輻射模板的等分為一個以上的扇形，並設定sumk＝0；αk＝0；βk＝0；其中k為輻射模板的扇形序號值；αk與βk分別為兩個標誌量，表示第k個扇形是否為波峰或波谷；sumk為第k個扇形中的象素總數。
3.根據權利要求1所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於輻射模板直方圖計算包括步驟21取輻射模板覆蓋區域中一扇形中的一點，如果該點滿足公式(x-i)2+(y-j)2R,]]>則sumk＝sumk+1；步驟22如果輻射模板覆蓋區域中的每一點都已計算，則結束；否則執行步驟21；其中R為輻射模板的半徑；x，y分別為被計算點的笛卡兒坐標中的橫向與縱向坐標值；i，j分別是輻射模板圓心點的笛卡兒坐標中的橫向與縱向坐標值；k為被計算點所在的扇形序號值。
4.根據權利要求1所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於所述的特徵匹配具體包括步驟31如果sumk＞sumk+S-1modS，並且sumk＞sumk+1modS，並且sumk＜Pthreshold並且sumk＜TThreshold；則αk＝1，βk＝1；步驟32如果如下公式成立，k=0Sk=3,]]>並且k=0Sk=3,]]>並且|k-k′|＜Wthreshold，αk＝1並且αk′＝1，則被計算的區域為一人臉候選區域；其中k為輻射模板的扇形序號值，k＝0，1，…，S；k′為輻射模板中除扇形序號k以外的扇形序號值，k′＝0，1，…，S；S為輻射模板的扇形總數；αk和αk′分別為表示第k和k』個扇形是否為波峰的標誌變量；βk為表示第k個扇形是否為波谷的標誌變量；PThreshold為扇形區域的波峰最大閾值；Ttthreshold為扇形區域的波谷最大閾值；Wthreshold為兩個波峰之間的最大間隔扇形數，且0＜Wthreshold＜S。
5.根據權利要求4所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於所述的兩個波峰之間的最大間隔扇形數的取值範圍為5。
6.根據權利要求1所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於步驟4具體包括步驟41根據如下公式計算三個波峰之間的距離最小值，得到代表雙眼的波峰扇形，|m-n|＝min|k-k′|，且αk，k′，m，n＝1；其中，m和n分別為代表雙眼扇形的編碼值；k為輻射模板的扇形序號值，k′為輻射模板中除扇形序號k以外的扇形序號值，k′＝0，1，…，S；αk，k′，m，n為表示相應扇形是否為波峰的標誌變量；步驟42對於編號值為t的扇形，如果m＜t＜n，且βt＝1，則該扇形為人臉旋轉的方向標誌；其中m和n分別為代表雙眼扇形的編碼值；βt為表示第t個扇形是否為波谷的標誌變量。
7.根據權利要求1-6所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於所述的區域為經過邊緣提取的人臉候選區域，該邊緣提取的步驟如下步驟01從圖像中提取人臉所在的皮膚區域；步驟02利用邊緣算子進行方向性邊緣提取，得到皮膚區域內的邊緣圖。
8.根據權利要求1所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於所述的方法進一步包括根據獲得的人臉旋轉方向，將該旋轉人臉區域轉正到豎直。
9.根據權利要求1-4或6所述的基於輻射模板的旋轉人臉檢測方法，其特徵在於所述輻射模板的半徑根據被測區域確定。
全文摘要
一種基於輻射模板的旋轉人臉檢測方法，至少包括取被檢測圖像的相應區域的中心點作為輻射模板的中心點，並初始化該輻射模板；計算輻射模板覆蓋區域中的每一點，獲取該區域直方圖；根據人臉直方圖特徵對該區域直方圖進行特徵匹配；獲取用於控制該人臉旋轉的方向數據。本發明根據旋轉人臉的特徵不變性，採用了一種新的輻射模板對人臉進行檢測，根據在極坐標系下人臉特徵相對於旋轉中心體現的不依賴角度變換的特徵，能夠判斷從0度到360度任意旋轉的人臉；同時，本發明可對平面內多角度人臉進行檢測，可提高在各種檢測環境如鏡頭搖擺、被測者不配合等情況下的識別率，同時提高了在圖片與視頻檢索系統中的應用範圍。
文檔編號A61B5/117GK1502303SQ0215326
公開日2004年6月9日 申請日期2002年11月26日 優先權日2002年11月26日
發明者劉珩, 高文, 劉 珩 申請人:中國科學院計算技術研究所