第３１卷第７期
２０１１年７月
計算機應用
ｊｕｌｙ ２０１１
文章編號
雙閾值級聯分類器的加速人臉檢測演算法
王燕，公維軍
（蘭州理工大學計算機與通訊學院，蘭州７３００５０）
摘要：提出了一種基於雙閾值的兩級級聯分類器的人臉檢測加速方法。該方法首先應用ｇａｂｏｒ濾波器提取經
模板匹配保留的似人臉樣本特徵，經主成分分析（ｐｃａ）降維後的特徵作為第一級ｂｐ神經網路輸入進行檢測，在輸出端應用雙閾值對人臉／非人臉進行粗檢測，然後把介於雙閾值之間的人臉／非人臉模組作為第二級ａｄａｂｏｏｓｔ演算法設計
的輸入並再次進行精檢測，從而在提高檢測速度的同時達到提高檢測率和降低誤檢率的目的。實驗表明，應用雙閾值進行級聯分類加速檢測後，該方法的檢測精度要優於基於簡單閾值的分類器。
關鍵詞：人臉檢測；雙閾值；分類器；級聯；加速
中圖分類號：ｔｐ３９１．４文獻標誌碼：ａ
■０ 引言
人臉作為人類視覺中常見而複雜的模式，它所表現的資訊在人與人的交流及人機互動領域都有著重要的意義。對人臉進行檢測在安保**監控，目標身份檢測、門禁系統、智慧型人機介面和偵查犯罪等諸多領域都有著廣泛的應用背景。人臉檢測可描述為對一幅給定的影象（靜態或者**），採用一定的方法和策略對其進行搜尋以確定其中是否含有人臉以及人臉在影象**現的位置。
臉檢測等。上述基於單一分類器的人臉檢測在一定程度
上提高了檢測精度，但是由於自身特點的侷限性，並且分類閾值的單一性等造成了進一步提公升精度和降低報警率的困難。本文通過級聯分類這種粗細檢測的原則，提出了一種基於雙閾值的級聯分類器的加速人臉檢測方法。與以往級聯的方法
不同，本方法結合基於知識與統計的方法 ，先應用模板匹配將大量背景去除，只將其中很少的似人臉送入第一級ｂｐ神經網路構成的分類器進行雙閾值初檢，將介於上下閾值的人臉／非人臉送人應用ｈａａｒ特徵的ａｄａｂｏｏｓｔ演算法的第二級分類器進行精確判別。實驗證明該方法能夠有效提高檢測率，
人臉是一類非剛性的自然形體，雖然具有很強的共性，但由於個體表情、光照、遮掩以及成像角度等因素的影響，使得人臉具有比較複雜而細緻的模式變化。如果能夠很好地提取關鍵特徵及設計良好的分類器，將為解決後續跟蹤識別及相
降低誤檢率並提高檢測速度。
１兩級分類器的構建
１．１基於ｇａｂｏｒ小波的ｂｐ神經網路分類器
小波特徵提取
似的複雜模式檢測問題提供有益的指導，所以人臉檢測是當前模式識別領域的乙個熱點研究課題。
之前不少學者提出了各種綜合演算法以及一些改進演算法，ｒｏｗｌｅｙ等人提出了使用神經網路演算法設計的人臉檢測模型，ｖｉｏｌａ等人等人提出了用簡單特徵訓練級聯人臉檢測器的ａｄａｂｏｏｓｔ方法，這之後又有學者在此基礎上提出了改進演算法，如ｌｉｅｎｈａ￣等人提出的擴充套件特徵的旋轉人臉檢測 、支援向量機等。還有學者提出各種模型演算法，如膚色模型的人
收稿日期修回日期
ｇａｂｏｒ小波變換（加窗傅利葉變換）由於其小波核函式具有和人腦大腦皮層簡單細胞的二維反射區相類似的特性，使
其在空間頻率、方向選擇及空間位置的區域性資訊上有著良好
的採集和分辨能力，因此在以生物學和視覺特性為背景的圖
像學和人臉檢測等多方面得到了廣泛的應用。
二維ｇａｂｏｒ濾波器函式形式為：
**專案：甘肅省自然科學**資助專案甘肅省教育廳碩士生導師**資助專案
作者簡介：王燕（１９７１一），女，甘肅蘭州人，副教授，碩士，主要研究方向：模式識別、影象處理、智慧型資訊處理；公維軍（１９８７一），男，甘肅張掖人，碩士研究生，主要研究方向：
模式識別。
第７期王燕等：雙閡值級聯分類器的加速人臉檢測演算法
用＝０，１來標記正負樣本，為迴圈次數。
１８２３
）＝唧（一一手）］
（１）１）初始化權值 。，對正樣本（＝１）和負樣本（＝０）有
２）當ｔ＝１，２，…，時：
其中詈，＝（＇ｙ）；６為
高斯視窗的尺度因子，控制濾波器的頻寬和尺度；與∞ 控
①標準化權值，ｗ ＜一—；ｌ，使為一概率分布。
ｊ＝１制濾波器的調製方向和頻率。只要選擇合適的６、和，就可以使ｇａｂｏｒ小波濾波器構成ｇａｂｏｒ濾波器組來一同作用於影象，從而實現目標影象的ｇａｂｏｒ小波分解，得到我們所要∑ ｌ，｜
②對每乙個特徵 ，訓練相應的分類器＾ 使該分類器對
該特徵進行分類，誤差為 ＝∑ｗ ｉ（）一ｙｌ。
的特徵。在本文中通過檢測視窗與ｇａｂｏｒ濾波器組卷積即可得到我們所要提取的特徵。
１．１．２ｂｐ神經網路
ｂｐ神經網路是一種基於誤差修正學習規則的網路，它實現一種由輸入到輸出的非線性空間的一種對映，它的模型一般由輸入層、隱層、輸出層組成，隱層可以由一層或多層組成。
該演算法學習的目的是對網路的連線權值進行調整，使得對任意輸入都能得到所謂期望的輸出 ｊ，它採用了優化的梯度下
降演算法，直到調整的誤差滿足需求為止。１．２基於ａｄａｂｏｏｓｔ演算法的人臉檢測分類器１．２．１ｈａａｒ特徵模板和積分影象
應用ａｄａｂｏｏｓｔ學習演算法的特徵級聯人臉檢測方法是由
ｖｉｏｌａ和ｊｏｎｅｓ提出來的，該方法採用一種「積分影象」的表示方法，能快速從人臉中計算出所用到的人臉特徵。
ｈａａｒ型特徵是ｖｉｏｌａ等人提出的一種簡單的矩形矩陣。ｈａａｒ型特徵的值是指影象上兩個或者多個形狀大小相同的
矩形內部所有畫素灰度值之和的差值。這些以影象灰度值為自變數的矩形特徵在邊緣檢測方面有著很好的表現能力，對人臉臉部的各種特徵有很好的提取和編碼能力，檢測速度很快。
ｈａａｒ型特徵的計算是通過引入積分影象實現的，見圖１。對於乙個灰度影象，，它的積分影象ｉ的定義為影象中（，ｙ）點左上部分所有畫素點的累加：
，≤ ，≤ｙ
）圖１積分影象
這時，１、２、３、４的積分圖的值分別為曰＋ｃ＋ｄ，ｄ點的矩形特徵可以通過４＋１一（２＋３）計算得出，這樣，只要對影象遍歷一次，就可以得到積分圖，就可以在恆定的時間內得到任意尺度下的影象的特徵學習演算法
ａｄａｂ￣ｓｔ學習演算法選擇少量而又非常重要的矩形特徵來構造一系列弱分類器，然後將這些弱分類器級聯起來構成一
個強分類器。演算法通過選擇最能區分正負樣本的矩形特徵。對於每乙個特徵，弱分類器給定乙個最優的分類函式的閾值，使得最少的樣本被錯誤分類。乙個弱分類器 ，（）包含矩形
特徵 ，閾值和用於控制不等式方向的ｐ ：
）：ｆ【０，，其他
（）≤馬
（３）具體學習演算法如下：
設為具體輸入的影象，
③選擇最小誤差分類的分類器。
④更新權值
＝ｗｔ，．，
若置被正確地分類，則 ＝
０；反之，ｅ ＝１，＝（１一ｅ）／ｔ。
⑤最終的強分類器為：ｒ１
寺（４）ｌ０，
其他其中＝ｌｂ（１）。
２基於雙閾值的級聯分類器的加速演算法
２．１系統構造框架
為了解決基於傳統的檢測方法中無論是單分類器還是級聯分類器均由單一閾值造成漏檢與誤檢之間的矛盾，本文在兼顧速度的同時通過利用雙閾值設定檢測緩衝區，達到提高檢測率與降低誤檢率和漏檢率的目的。具體流程如圖２所示。
圖２人臉檢測系統框架
２．２樣本選取和影象預處理
該系統所用的人臉訓練樣本來自ｍｉｔ、ｏｒｌ訓練相簿。為了便於訓練，統一將其裁剪為２１×１８的樣本影象進行相應
的分類器訓練，在訓練當中可以根據後期檢測結果適時新增
一些非人臉樣本，減少一定的盲目性。
無論在訓練還是在檢測前，為了減少影象由於光照、背景
以及採集裝置等造成的影響，都將進行一定的預處理。在本系統中，我們採用了連續效能更好的ｇａｍｍａ光照補償，這樣
當原始影象分布不均勻，並且主要集中在較低範圍灰度級時，經過均衡處理後，影象的灰度動態範圍變大，對比度增強，人臉特徵更加突出。這樣可以進一步減少光照等因素帶來的影響，從而更有利於提取人臉特徵。２．３系統加速演算法設計
傳統基於滑動窗的檢測方法在待測影象中依次滑動，通過將每乙個視窗送入訓練好的神經網路分類器進行判別，而經實驗測試一張２１×１８的**在本文所訓練的神經網路分類器中執行時間為０．０７ｓ左右，若進行全部視窗測試，計算量相當大，這也是時間複雜度相對較高的原因之一。基於此，本文對基於歐氏距離的模板匹配演算法進行模板改進，去除眼
１８２４計算機應用
第３１卷
睛模板，在應用多尺度壓縮的影象金字塔方法的測試**上進行整體模板匹配，通過保留與人臉相似度大的視窗位置進行神經網路分類器測試進而將大量背景去除，通過這種加
速處理方法來提高前期演算法的效率。２．４雙閾值級聯分類器
第一級分類器我們採用神經網路的方法
。它是通
過主成分分析降維」 後
進行ｂｐ神經網路訓練得到的分類器，由於傳統ｂｐ神經網路在應用時存在一些問題，如容易形成區域性最小問題、收斂速度問題而不能保證全域性最小結果，因此本文在訓練ｂｐ神經
網路時採用具有自適應能力的動量項對ｂｐ神經網路進行優化設計。對隱層的神經元來說：
一１）佔，（ｎ）ｙ（ｎ）
（５）對於輸出層來說：
一１）＋ ６ （凡）ｙｊ（ｎ）
（６）在式（５）和式（６）中，ｏｔ為動量因子，調節範圍在（０，１），
其中式中第二項相當於 （ｎ）ｙ（ｎ）＝一叼，可以根據這一
ｏｗ項來判斷誤差曲面的趨勢以進行白適應調整，從而不至於過大造成過衝或過小造成收斂速度慢，從而起到一定的穩定作用。根據具體實驗效果，得出了以下自適應因子資料參照表，
見表１。
表１自適應因子參照表
ｅ０．８
ｆ０．４，０．６）
０．５通過自適應因子來調節學習速度進而控制反饋迴路。通
過應用優化設計的ｂｐ網路，其收斂速度和魯棒性得到了很大的提高。
將達到一定程度的匹配模組經過ｇａｂｏｒ特徵提取輸入第
一級分類器，在應用神經網路進行粗檢測時，如果高於雙閾值
中的上閾值則直接判別為人臉，不再送入細檢測分類器；而低於下閾值的直接判別為非人臉，直接剔除；而由於訓練集範圍
的有限性及光照，遮掩等各種原因，在介於高閾值和低閾值之間的範疇中，有存在人臉的可能性。因此，把介於這兩個閾值之間的人臉與部分非人臉影象塊再輸入基於ｈａａｒ特徵的ａｄａｂｏｏｓｔ分類演算法的第二級分類器進行再次判別，由於只檢測第一級分類器輸出介於雙閡值之間的人臉或非人臉的小尺寸影象，所以在此進一步進行加速檢測。
由於第二級分類器採用灰度級上的積分特徵提取，所以
能夠快速地對介於雙閾值中的人臉／非人臉從灰度級上進行確認。最後通過這兩級級聯分類器的最終確認並合併人臉中心位置以確定最終位置，從而得到檢測後最終的人臉影象。２．５演算法描述
根據粗細檢測的原則，對檢測**進行分類器級聯檢測，由第一級神經網路分類器進行粗檢測，在與第二級分類器級聯時，通過設定雙閾值介面演算法來進行細檢測從而達到既降低計算複雜度又提高精度的目的。具體演算法描述如下：
１）初始化分類器，預處理測試集**
／／ｎ為測試集**數
／／進入第一級分類器
為第一級分類器初檢影象塊數
：＋１ａｃｃｅｐｔ
／／加入到人臉集
ｅｌｓｅ ｉｆ
／／進入第二級分類器
／／再次確認加入到人臉集
ｅｎｄｅｎｄ
ｔｈｒｅｓｈｏｌｄ
ｕｐ與為系統第一級分類器的
上下閾值。
３ 系統測試結果與分析
為了驗證該演算法的加速效能與檢測率，採用２組實驗進行檢測，第一組採用一張３２０×２４０的標準**的一幀靜態多
人臉影象進行速度檢測，驗證本文演算法的加速效能；第二組進行識別率檢測，首先對ｃｍｕ實驗室的ｃｍｕ—ｐｉｅ中的ｇａｌｌｅｒｙ相簿中的６８張簡單背景正面人臉進行檢測，由於背景單一且
為單人臉，檢測率最高達到了１００％，同時為了進一步驗證演算法設計的有效性，我們對部分ｍｉｔ＋ｃｍｕ的測試**以及室外收集的部分**進行了測試（包含１２０張**，２３５個人
臉，其中包括部分不超過±２０。的側面人臉），並對單一使用ａｄａｂｏｏｓｔ演算法檢測人臉與ｂｐ神經網路、ｇａｂｏｒ＋ｂｐ神經網路
人臉檢測方法做了對比實驗，實驗１和實驗２的結果如下所
示，圖４為應用雙閾值級聯分類器的對比效果。
表２不同演算法檢測速度和檢測率
圖３一部分測試**檢測效果
（ａ）第一級粗檢測效果（ｂ）第二級細檢測效果
圖４雙閾值級聯分類效果對比
通過以上實驗結果表明，本文提出的演算法在精確度和魯棒性上有了明顯的提高，從表２的檢測速度上來看，雖然本文
提出的演算法相比ａｄａｂｏｏｓｔ演算法較慢，但比傳統演算法有很大幅度的提高，有進一步提公升的潛力；同時從圖４中可以清晰地看出，應用雙閾值粗細檢測方法能進一步降低誤檢率，精度有相對較大的提公升。
（下轉第１８３０頁）
１８３０計算機應用第３１卷
的陰影。在廣義高斯背景建模以後，採用背景減除法來更準
確地檢測出運動目標。由於本演算法計算複雜度較高，採取每隔３幀進行背景更新。同時用前景亮度資訊來檢測是否發生光線突變，當檢測到光線突變時用背景重新建模機制迅速解決。
實驗結果顯示，在去除的陰影和解決光照變化的問題上具有一定的魯棒性，在滿足實時性的同時可以準確地檢測出
［４］徐東彬，劉昌平，黃磊．基於概率統計自適應背景模型的運動目
標檢測方法［ｊ】．中國圖象圖形學報
［５】黃鑫娟，周潔敏，劉伯揚．自適應混合高斯背景模型的運動目標
檢測方法［ｊ］．計算機應用
運動目標，具有一定的實用價值。
■曩疊［９］
（ｄ）本演算法檢測（ｅ）未處理光線突（ｄ未處理光線突
２２５幀所得前景變時所得背景變時所得前景
圖４光線突變時檢測結果比較
參考文獻：
一（上接第１８２４頁）
４ 結語
本文提出了一種基於雙閾值的兩級級聯分類器的人臉加
速檢測方法，通過模板匹配方法來降低在分類器中的計算時
間，同時在兩級級聯分類器之間設定雙閾值介面進行級聯檢測，並在第一級分類器的收斂性上做了一定的改進，在加速的同時更加提高了精度。通過應用雙閾值級聯分類器的加速算
【６］月書仁，梁昔明，葉吉祥，等．基於臉部資訊和支援向量機的人臉
檢測【ｊ】．計算機應用
［７］梁路巨集，艾海舟，徐光佑，等．人臉檢測研究綜述［ｊ１．計算機學
法判斷人臉／非人臉，解決了基於傳統閾值分類器在檢測當中的矛盾問題，速度也有相應的提高，誤檢率進一步降低，系統整體效能得到了提公升。參考文獻：
報［８】王志良，孟秀豔．人臉工程學［ｍ］．北京：機械工業出版社，２００８．
［９】梁路巨集，艾海舟，徐光佑，等．基於模板匹配與人工神經網確認的
人臉檢測［ｊ］．電子學報
【１０］林宇生，楊靜宇．基於ｇａｂｏｒ濾波特徵和支援向量機的人臉檢
測【ｊ】．計算機工程與應用
［１１】聶祥飛，郭軍．基於ｇａｂｏｒ小波的人臉檢測【ｊ］．計算機工程，
［１２］頊改燕，徐華，翟忠武，等．基於ｇａｂｏｒ濾波器和ｂｐ神經網路的
人臉**皺紋區域自動識別［ｊ］．計算機應用
—４３２．
【１４］王洪波，武妍．基於小波變換和ｂｐ神經網路的人臉識別方法
計算機工程與應用
單閥雙罐控制器分類及再生系統簡介
一 富萊克單閥雙罐介紹 富萊克fleck全自動單閥雙罐控制器是由多路閥和再生控制裝置組成。多路閥是一種利用活塞往復運動來切換軟水器所有工作過程水流流向的多通路整合閥，同時還安裝有再生系統 注鹽水限流孔板及排汙限流孔板等部件。再生控制裝置是控制閥的控制部分，由再生控制器和驅動裝置組成。再生控制器按照設...
蒸發器的分類介紹
一 蒸發器的概述 蒸發器是通過加熱使溶液濃縮或從溶液中析出晶粒的裝置。主要由加熱室和蒸發室兩個部分組成。加熱室是用蒸汽將溶液加 熱並使之沸騰的部分，但有些裝置則另有沸騰室。蒸發室又稱分 離室，是使氣液分離的部分。加熱室 或沸騰室 中沸騰所產生 的蒸氣帶有大量的液沫，到了空間較大的分離室，液沫由於自身...
箱式變壓器的分類
o 箱式變電站按結構的不同主要有歐式箱變和美式箱變.美式箱變與歐式箱變不同在於美式箱變是將變壓器鐵芯,高壓負荷操作方便靈活的特點 7 採用雙熔絲保護,降低執行成本 8 選用高燃點油 燃點高達 312 可置於建築物內 9 箱體採用防腐設計和特殊噴漆處理,可廣泛適用於各種惡劣環境,如多暴風雨和高汙染地區...