基于类灰度图的类Haar特征构建及其应用.pdf

! 第# 卷第$ 期 郑 州 大 学 学报（理 学 版） %’( # )( $ ! *++, 年 月 -. / 7389. （):;. =8. ?. ） @:A( *++, 基于类灰度图的类!# 特征构建及其应用 $，* $ * 陈锻生 ，! 陈齐松 ，! 刘政凯 （$. 华侨大学计算机科学系! 福建 泉州B*+*$； * . 中国科学技术大学电子工程与信息科学系! 合肥*++*, ） 摘要：有效的特征提取是正确模式分类的基础. 在%8’:I-32F 快速目标检测算法的基础上，侧重研究了类J::A 特 征原型的本质与提取，提出了类灰度图的概念，并以快速人脸检测为例，从类灰度图提取广义类J::A 特征，从本质 上拓展了类J::A 特征的类型. 基于类灰度图提取的广义类J::A 特征在基于K?:LF; 的人脸检测系统性能超过%8I ’:I-32F 系统；作为弱分类器的滤波器构建是影响基于K?:LF; 分类算法性能的重要因素. 关键词：类灰度图；类J::A 特征；特征提取；人脸检测 中图分类号：MN #$. O! ! ! ! ! ! ! ! ! ! ! ! ! ! 文章编号：$B, $ D BPO $（*++, ）+$ D ++ D +, $% 引言 快速图像目标检测是计算机视觉技术应用的关键之一. 提高检测速度通常采用从粗到细的原则，容易辨 认的像素用简单快速的滤波器分类，与待检目标相似的像素用较复杂缓慢的滤波器分类. 用多个滤波器进行逐 级分类的方法构成了复杂度递增的级联分类器系统. 在人脸检测方面，采用这种方法的代表性工作有［$ D O ］等. %8’:I-32F 算法利用图像中矩形灰度积分图 ［C ］ 加速类J::A 特征的矩形特征提取，用K?:LF; 算法 训练的级联分类器使检测速度可达实时视频监控的要 求，并在检测精度上保持了当前的主流检测水平［B D P ］ ［# ］ . Q8 成功将其扩充到多视角的人脸检测，但是这种架 ［$+ ］ 构下的检测性能已经达到其极限 . %8’:I-32F 算法致力于加快速度，所用的特征必须是类似J::A 小波函 数的简单矩形特征，才能应用积分图工具有效地加速计算. ［ ］认为虽然矩形特征是简陋的滤波器，但与灵 ［$$］ 活多变的可操纵滤波器 比较，矩形特征的高效计算可以补偿其灵活性的不足. 然而，我们认为速度不能完 全补偿精度，因为不可能只用速度来包容分类特征本身对系统性能的重要影响. 当检测速度可以大大提高时，更多的注意力应该集中到分类特征方面. ［P ］研究了如何自动确定局部特 征的问题，采用半正定矩阵因数分解的局部特征提取方法，在K?:LF; 框架下得到比%8’:I-32F 算法更高 的分类精度，但所提取的局部特征结构比较复杂，难以有效利用积分图工具加速计算，因此也就难以达到%8I ’:I-32F 算法的检测速度. 从特征内涵上进行扩充不仅是扩充特征原型的摆放形式（比如将类J::A 特征原 ［B ］ 型旋转OC 度 ），%8’:I-32F 算法的性能还有潜力可挖掘. 本文提出了类灰度图概念，在保留类J::A 特征基本形式上，对特征的内涵进行扩充，加强了类J::A 特 征的表示能力和选择性. 在灰度图提取的类J::A 特征实质上是灰度差，在可以表示为灰度图的梯度幅值图 上提取的类J::A 特征实质上是梯度差；在可以表示为灰度图的肤色距离图上提取的类J::A 特征实质上是 肤色差. 其他能以灰度图形式出现的图像特征都可以作为类灰度图，构建成为类J::A 特征进入%8’:I-32F 算法框架. 这样既丰富了类J::A 特征的内涵，利用了灰度以外的信息，较大地提高了人脸检测率