摘 要: 通過構(gòu)造Walsh變換矩陣,得到相互正交且形狀豐富的Walsh特征算子,將Walsh特征應(yīng)用于快速人臉檢測。Matlab的仿真實驗結(jié)果表明,由Walsh特征得到的強分類器比傳統(tǒng)的Haar特征得到的強分類器分類速度快,精度高。
關(guān)鍵詞: Walsh特征;Haar特征;強分類器;人臉檢測
人臉檢測技術(shù)就是對所輸入的圖像進(jìn)行檢測,判斷出圖像是否存在人臉,如果存在,則返回人臉在圖像中的確切位置和范圍的技術(shù)[1]。人臉檢測是人臉識別系統(tǒng)中的關(guān)鍵的第一步,這一步所獲得的精度與速度直接影響整個系統(tǒng)的性能[2]。此外,人臉檢測技術(shù)在人臉追蹤、視頻會議、基于內(nèi)容的圖像檢索和人類情感研究系統(tǒng)中都有廣泛的應(yīng)用,而且具有重要的學(xué)術(shù)價值。人臉的自動檢測具有一定的挑戰(zhàn)性,主要有以下難點:(1)由于人臉是一類高度非剛性的目標(biāo),存在相貌、表情、膚色、姿態(tài)等差異;(2)人臉上很可能存在一些附屬物,如眼鏡、胡須、裝飾品等;(3)人臉的姿態(tài)千變?nèi)f化,并且可能存在遮擋物;(4)待檢測的圖像其性質(zhì)的差異,如圖像的分辨率、攝錄器材的質(zhì)量等;(5)光源的種類、強弱和角度的不同,其作用在人臉上所產(chǎn)生的性質(zhì)不同的反射,造成不同區(qū)域的陰影。因此,人臉檢測成為計算機視覺和模式識別領(lǐng)域內(nèi)的一個研究熱點[3]。目前比較常用的人臉檢測方式可以概括為基于知識、基于結(jié)構(gòu)特征、基于模板匹配及基于統(tǒng)計模型的方法[4]。本文將Walsh特征用于人臉檢測是基于結(jié)構(gòu)特征的一種方法。本文通過構(gòu)造Walsh變換矩陣,得到相互正交且形狀豐富的Walsh特征算子,在相同情況下將Walsh特征與傳統(tǒng)的Haar特征用于快速人臉檢測,通過對比其各自的特點得出Walsh特征用于人臉檢測的優(yōu)越性。
1 Haar特征與積分圖計算方法
Haar特征是VIOLA等提出的一種簡單矩形特征,因類似于Haar小波而得名[5]。Haar特征的定義是黑色矩形和白色矩形在圖像子窗口中對應(yīng)區(qū)域的灰度級總和之差,可見,它反映了圖像局部的灰度變化。VIOLA等用到的Haar特征共有三類,圖1顯示了部分在圖像子窗口起點位置處的Haar特征,其中第一、二行屬于二矩形特征,第三行屬于三矩形特征,第四行屬于四矩形特征[6]。在實際使用時,必須將每一特征在圖像子窗口中進(jìn)行滑動計算,從而獲得各個位置的多個Haar特征。如果選用的訓(xùn)練圖像分辨率為24×24,每個圖像得到用于訓(xùn)練的Haar特征超過18萬個[7],但是實際上不一定需要,因為過多的特征會大大加大訓(xùn)練過程的時間和空間復(fù)雜度,實際上過細(xì)的特征中也會引起過多的冗余,所以在選擇特征時可適當(dāng)放粗一些。
在實際檢測過程中,為了加快Haar特征的計算,VIOLA等提出了積分圖像的定義,灰度圖像F的積分圖像I定義為[8]:
2.2 Walsh特征的優(yōu)點