Спосіб знаходження людських облич на зображенні

Abstract

Спосіб знаходження людських облич на зображенні, в якому формують базу зображень фронтальних облич та базу зображень, на яких відсутні обличчя, з яких формують навчальні та верифікаційні набори позитивних та негативних прикладів, тренують ансамбль сильних класифікаторів, додають до ансамблю сильні класифікатори до тих пір, поки не буде досягнуто заданих значень помилки першого роду та рівня детекції; для ансамблю; тренують сильні класифікатори, додають слабкі класифікатори у сильний класифікатор до тих пір, поки не буде досягнуто заданих значень помилки першого роду та рівня детекції для сильного класифікатора, тренують слабкі класифікатори, додають у сильний класифікатор слабкий класифікатор, який на зваженому наборі навчальних прикладів показав найменшу помилку, формують сильний класифікатор, на верифікаційних наборах перевіряють досягнення помилки першого роду та рівня детекції для сильного класифікатора, негативний навчальний набір наступного класифікатора формують з тих прикладів, отриманих з бази зображень, на яких відсутні обличчя, які попередні сильні класифікатори ансамблю прийняли за обличчя, вводять у комп'ютер зображення, перетворюють його у інтегральне зображення, за допомогою вікна пошуку у різних масштабах і положеннях виділяють області зображення, подають їх на вхід ансамблю сильних класифікаторів, область зображення признають за детектовану область, якщо всі сильні класифікатори ансамблю прийняли область зображення за обличчя, кластеризують детектовані області в об'єднані області, кожна з яких признається за область обличчя. Використовують шість ансамблів сильних класифікаторів, кожен призначений для знаходження облич на зображенні в певному діапазоні кутів нахилів, тренувальні та верифікаційні набори позитивних прикладів для кожного ансамблю формують шляхом повороту позитивних зображень фронтальних облич на один з базових кутів -22,5°, 22,5°, -45°, 45°, для формування слабких класифікаторів використовують модифіковані локальні бінарні шаблони, остаточний вибір областей облич з об'єднаних областей між діапазонами кутів нахилу здійснюють на основі показника якості, що визначають кількістю детектованих областей в кожній об'єднаній області.

Способ нахождения человеческих лиц на изображении, в котором формируют базу изображений фронтальных лиц и базу изображений, на которых отсутствуют лица, из которых формируют учебные и верификационные наборы положительных и отрицательных примеров, тренируют ансамбль сильных классификаторов, добавляют к ансамблю сильные классификаторы до тех пор, пока не будут достигнуты заданные значения погрешности первого рода и уровень детекции, для ансамбля; тренируют сильные классификаторы, добавляют слабые классификаторы в сильный классификатор до тех пор, не будут достигнуты заданные значения погрешности первого рода и уровень детекции для сильного классификатора, тренируют слабые классификаторы, добавляют в сильный классификатор слабый классификатор, который на уравновешенном наборе учебных примеров показал наименьшую погрешность, формируют сильный классификатор, на верификационных наборах проверяют достижение погрешности первого рода и уровня детекции для сильного классификатора, отрицательный учебный набор следующего классификатора формируют из этих примеров, полученных из базы изображений, на которых отсутствуют лица, которые предварительные сильные классификаторы ансамбля приняли за лица, вводят в компьютер изображения, преобразуют его в интегральное изображение, с помощью окна поиска в различных масштабах и положениях, выделяют области изображения, подают их на вход ансамбля сильных классификаторов, область изображения признают за детектированную область, если все сильные классификаторы ансамбля приняли область изображения за лица, кластеризуют детектированные области в объединенные области, каждая из которых признается за область лица. Используют шесть ансамблей сильных классификаторов, каждый предназначен для нахождения лиц на изображении в определенном диапазоне углов наклонов, тренировочные и верификационные наборы положительных примеров для каждого ансамбля формируют путем поворота положительных изображений фронтальных лиц на один из базовых углов -22,5°, 22,5°, -45°, 45°, для формирования слабых классификаторов используют модифицированные локальные бинарные шаблоны, окончательный выбор областей лиц из объединенных областей между диапазонами углов наклона осуществляют на основе показателя качества, который определяют количеством детектированных областей в каждой объединенной области.

A detection method of human faces on the image wherein is formed an image base of front faces and an image base where faces are absent whereof training and verification sets of positive nad negative instances are formed, an assembly of strong classifiers is trained adding to the assembly of strong classifiers until achieve set default level values of the first genus and detection level, for the assembly; strong classifiers are trained adding weak classifiers to the strong classifiers until they achieve set default levels of the first genus and the detection level for strong classifiers, the weak classifiers are trained with adding a weak classifier to the strong classifiers whereon on the balanced set of the training instance showed the least error, the strong classifier is formed, achievement of the first genus error and detection level for strong classifiers is detected on verification sets, a negative study lot of the following classifier is formed from these instances got from the image base where faces are absent, which previous strong classifiers of the assembly took for faces, the images are input to a computer transforming it to an integral image, by means of a search window in different scales and positions they specificate image areas, delivering them to a strong classifier assembly input, the image area is recognized for a detected are if all strong assembly classifiers took the image area for faces the detected areas in the united area are clustered, aech of them is recognized for the face area. Six strong classifier assemblies are used, each is assigned for detection of faces on the image in the given tilt angle range, the training and verification sets of positive instances for each assembly is formed with positive image rotation of front faces on one of listening angles of -22,5°, 22,5°, -45°, 45°, to form weak classifiers are used modified local binary patterns, the final choice of face areas from united areas between tilt angle range is carried out on the base of a quality index defined by detected area amount in each of united area.