一種在人臉檢測跟蹤過程中的人臉捕捉方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種人臉檢測跟蹤過程中的人臉捕捉方法及裝置，用以解決現(xiàn)有技術(shù)中存在的通過手動(dòng)輸入圖像中人臉的位置和完成參數(shù)初始化導(dǎo)致的效率低、誤差大、軟件可移植性差等問題，該方法為：對(duì)獲取的當(dāng)前圖像進(jìn)行特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征；基于人臉圖像特征確定包圍該人臉圖像特征的人臉歸屬區(qū)域，以及確定人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值；根據(jù)人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。這樣，可以實(shí)現(xiàn)自動(dòng)完成人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高系統(tǒng)的工作效率，保證人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性、且對(duì)設(shè)備的無輸入工具的要求，可移植性強(qiáng)。
【專利說明】一種在人臉檢測跟蹤過程中的人臉捕捉方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及機(jī)器學(xué)習(xí)與計(jì)算機(jī)模式識(shí)別領(lǐng)域，尤其涉及一種在人臉檢測跟蹤過程中的人臉捕捉方法及裝置。
【背景技術(shù)】
[0002]人臉檢測技術(shù)是指對(duì)于任意一幅給定的圖像，采用一定的策略對(duì)其進(jìn)行搜索以確定其中是否有人臉，如果有人臉，則返回人臉的位置、大小等信息。目前的人臉檢測技術(shù)可以用于身份認(rèn)證與安全防護(hù)、媒體與娛樂、圖像搜索等領(lǐng)域。目標(biāo)跟蹤技術(shù)一般是基于對(duì)一系列圖像的處理，從復(fù)雜的背景中識(shí)別出目標(biāo)，并對(duì)目標(biāo)的運(yùn)動(dòng)規(guī)律加以預(yù)測，實(shí)現(xiàn)對(duì)目標(biāo)的連續(xù)、準(zhǔn)確的跟蹤，該技術(shù)在現(xiàn)代軍事和民用安保中占有非常重要的地位，其中，該目標(biāo)多數(shù)為人臉。
[0003]目前的人臉檢測跟蹤算法,例如目標(biāo)跟蹤算法(Tracking Learning Detection,TLD)和連續(xù)自適應(yīng) MeanShift 算法(Continuously Adaptive Mean-SHIFT, CamShift),在執(zhí)行對(duì)人臉檢測跟蹤過程前，必須首先確定當(dāng)前圖像中人臉的位置。
[0004]然而，目前很多跟蹤算法都是采用手動(dòng)輸入，例如通過鼠標(biāo)、鍵盤等輸入工具框選人臉包圍框，并且，確定的當(dāng)前圖像中人臉的參數(shù)初始化也是通過用戶手動(dòng)輸入完成的。例如，目前TLD、CamShift等跟蹤算法中主要是通過代碼中SetMouseCallback函數(shù)調(diào)用mouseHandler函數(shù)實(shí)現(xiàn)參數(shù)的初始化,其代碼形式如下:
[0005]void setMouseCal lback (const string&winname, MouseCal lbackonMouse, void氺Userdata=O)
[0006]各個(gè)參數(shù)所代表的含義分別為:
[0007]winname-ffindow name 窗口 的名字
[0008]onMouse-Mouse callback 鼠標(biāo)響應(yīng)函數(shù)
[0009]userdata-The optional parameter passed to the callback 用戶參數(shù)
[0010]其中，在TLD、CamShift等算法中的onMouse參數(shù)即為mouseHandler ()函數(shù)。
[0011]現(xiàn)有技術(shù)中采用手動(dòng)輸入的方式確定當(dāng)前圖像中人臉的位置，輸入工作效率低，誤差較大，且針對(duì)沒有鍵盤和鼠標(biāo)等輸入工具的電子設(shè)備，無法完成輸入，因此導(dǎo)致目前的跟蹤算法可移植性差；采用手動(dòng)輸入完成跟蹤算法的參數(shù)初始化，存在輸入?yún)?shù)復(fù)雜，初始化繁瑣等缺陷。

【發(fā)明內(nèi)容】

[0012]本發(fā)明實(shí)施例提供一種在人臉檢測跟蹤過程中的人臉捕捉方法及裝置，用以解決現(xiàn)有的人臉檢測跟蹤方法中存在的采用手動(dòng)輸入的方式確定當(dāng)前圖像中人臉的位置導(dǎo)致的輸入工作效率低，誤差較大，只能針對(duì)有輸入工具的電子設(shè)備進(jìn)行人臉檢測跟蹤，對(duì)設(shè)備的要求較高，即人臉檢測跟蹤方法的可移植性差的問題，以及采用手動(dòng)輸入的方式完成參數(shù)初始化，輸入?yún)?shù)復(fù)雜且初始化繁瑣的問題。[0013]本發(fā)明實(shí)施例提供的具體技術(shù)方案如下:
[0014]第一方面，一種在人臉檢測跟蹤過程中的人臉捕捉方法，包括:
[0015]獲取當(dāng)前圖像；
[0016]對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征；
[0017]基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值；
[0018]根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
[0019]通過這種方法，可以實(shí)現(xiàn)自動(dòng)完成人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性、且本發(fā)明實(shí)施例提供的方法對(duì)設(shè)備的無輸入工具的要求，因此可移植性強(qiáng)。
[0020]結(jié)合第一方面，在第一種可能的實(shí)現(xiàn)方式中，獲取當(dāng)前圖像，包括:
[0021]獲取視頻文件中指定一幀的圖像作為當(dāng)前圖像。
[0022]通過這種方法，可以對(duì)獲取的當(dāng)前圖像進(jìn)行人臉檢測跟蹤。
[0023]結(jié)合第一方面，在第二種可能的實(shí)現(xiàn)方式中，對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征，包括:
[0024]對(duì)所述當(dāng)前圖像進(jìn)行局部二值模式LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；或者，
[0025]對(duì)所述當(dāng)前圖像進(jìn)行基于塊特征Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
[0026]通過這種方法，可以在當(dāng)前圖像中篩選出人臉圖像特征。
[0027]結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，對(duì)所述當(dāng)前圖像進(jìn)行LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征，具體包括:
[0028]依次根據(jù)預(yù)設(shè)的檢測窗口的像素大小，以檢測窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)所述檢測窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在檢測窗口中位置的順序，對(duì)所述檢測窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到所述檢測窗口的LBP值，直至得到所述圖像中的所有LBP圖像特征；
[0029]根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
[0030]通過這種方法，可以在當(dāng)前圖像中準(zhǔn)確地篩選出人臉圖像特征。
[0031]結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，對(duì)所述當(dāng)前圖像進(jìn)行Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征，具體包括:
[0032]將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中所述級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值；
[0033]采用預(yù)設(shè)像素大小的檢測窗口對(duì)所述當(dāng)前圖像進(jìn)行遍歷，計(jì)算所述檢測窗口內(nèi)的Haar特征；
[0034]判定所述檢測窗口內(nèi)的Haar特征大于所述級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將所述檢測窗口內(nèi)的Haar特征作為人臉圖像特征。[0035]通過這種方法，可以在當(dāng)前圖像中準(zhǔn)確地篩選出人臉圖像特征。
[0036]結(jié)合第一方面或第一方面中以上任意一種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，具體包括:
[0037]形成包圍所述人臉圖像特征的最小矩形框，所述矩形框包含的區(qū)域?yàn)樗鋈四槡w屬區(qū)域；
[0038]根據(jù)所述矩形框在當(dāng)前圖像中的位置，以及所述矩形框的像素大小，確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
[0039]通過這種方法，可以得到最準(zhǔn)確的人臉歸屬區(qū)域。
[0040]結(jié)合第一方面的第五種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化，具體包括:
[0041]針對(duì)所述人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，所述人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度；
[0042]根據(jù)所述人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)所述待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化；
[0043]基于獲得的所述待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及所述人臉歸屬區(qū)域的寬度和高度對(duì)所述待跟蹤的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
[0044]通過這種方法，可以實(shí)現(xiàn)自動(dòng)對(duì)人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性。
[0045]第二方面，一種在人臉檢測跟蹤過程中的人臉捕捉裝置，包括:
[0046]獲取單元，用于獲取當(dāng)前圖像；
[0047]處理單元，用于對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征；
[0048]確定單元，用于基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值；
[0049]初始化單元，用于根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
[0050]這樣，可以實(shí)現(xiàn)自動(dòng)完成人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性、且本發(fā)明實(shí)施例提供的方法對(duì)設(shè)備的無輸入工具的要求，因此可移植性強(qiáng)。
[0051]結(jié)合第二方面，在第一種可能的實(shí)現(xiàn)方式中，所述獲取單元，具體用于:
[0052]獲取視頻文件中指定一幀的圖像作為當(dāng)前圖像。
[0053]這樣，可以對(duì)獲取的當(dāng)前圖像進(jìn)行人臉檢測跟蹤。
[0054]結(jié)合第二方面，在第二種可能的實(shí)現(xiàn)方式中，所述處理單元，具體用于:
[0055]對(duì)所述當(dāng)前圖像進(jìn)行局部二值模式LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；或者，
[0056]對(duì)所述當(dāng)前圖像進(jìn)行基于塊特征Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
[0057]這樣，可以在當(dāng)前圖像中篩選出人臉圖像特征。
[0058]結(jié)合第二方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述處理單元對(duì)所述當(dāng)前圖像進(jìn)行LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征時(shí)，具體用于:
[0059]依次根據(jù)預(yù)設(shè)的檢測窗口的像素大小，以檢測窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)所述檢測窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在檢測窗口中位置的順序，對(duì)所述檢測窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到所述檢測窗口的LBP值，直至得到所述圖像中的所有LBP圖像特征；
[0060]根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
[0061]這樣，可以在當(dāng)前圖像中準(zhǔn)確地篩選出人臉圖像特征。
[0062]結(jié)合第二方面的第二種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述處理單元對(duì)所述當(dāng)前圖像進(jìn)行Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征時(shí)，具體用于:
[0063]將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中所述級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值；
[0064]采用預(yù)設(shè)像素大小的檢測窗口對(duì)所述當(dāng)前圖像進(jìn)行遍歷，計(jì)算所述檢測窗口內(nèi)的Haar特征；
[0065]判定所述檢測窗口內(nèi)的Haar特征大于所述級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將所述檢測窗口內(nèi)的Haar特征作為人臉圖像特征。
[0066]這樣，可以在當(dāng)前圖像中準(zhǔn)確地篩選出人臉圖像特征。
[0067]結(jié)合第二方面或第二方面中以上任意一種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，所述確定單元，具體用于:
[0068]形成包圍所述人臉圖像特征的最小矩形框，所述矩形框包含的區(qū)域?yàn)樗鋈四槡w屬區(qū)域；
[0069]根據(jù)所述矩形框在當(dāng)前圖像中的位置，以及所述矩形框的像素大小，確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
[0070]這樣，可以得到最準(zhǔn)確的人臉歸屬區(qū)域。
[0071]結(jié)合第二方面的第五種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，所述初始化單元，具體用于:
[0072]針對(duì)所述人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，所述人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度；
[0073]根據(jù)所述人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)所述待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化；
[0074]基于獲得的所述待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及所述人臉歸屬區(qū)域的寬度和高度對(duì)所述待跟蹤的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
[0075]這樣，可以實(shí)現(xiàn)自動(dòng)對(duì)人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性。
[0076]采用本發(fā)明技術(shù)方案，可以實(shí)現(xiàn)自動(dòng)完成人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性、且本發(fā)明實(shí)施例提供的方法對(duì)設(shè)備的無輸入工具的要求，可移植性強(qiáng)，可以有效的避免現(xiàn)有的人臉檢測跟蹤方法中存在的采用手動(dòng)輸入的方式確定當(dāng)前圖像中人臉的位置導(dǎo)致的輸入工作效率低，誤差較大，只能針對(duì)有輸入工具的電子設(shè)備進(jìn)行人臉檢測跟蹤，對(duì)設(shè)備的要求較高，即人臉檢測跟蹤方法的可移植性差的問題，以及采用手動(dòng)輸入的方式完成參數(shù)初始化，輸入?yún)?shù)復(fù)雜且初始化繁瑣的問題。
【專利附圖】

【附圖說明】
[0077]圖1為本發(fā)明實(shí)施例提供的一種在人臉檢測跟蹤過程中的人臉捕捉方法的具體流程圖；
[0078]圖2為本發(fā)明實(shí)施例提供的當(dāng)前圖像中的待跟蹤人臉特征框?qū)嵗龍D；
[0079]圖3為本發(fā)明實(shí)施例提供的一種在人臉檢測跟蹤過程中的人臉捕捉裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0080]采用本發(fā)明技術(shù)方案，能夠有效地避免現(xiàn)有的人臉檢測跟蹤方法中存在的采用手動(dòng)輸入的方式確定當(dāng)前圖像中人臉的位置導(dǎo)致的輸入工作效率低，誤差較大，只能針對(duì)有輸入工具的電子設(shè)備進(jìn)行人臉檢測跟蹤，對(duì)設(shè)備的要求較高，人臉檢測跟蹤方法的可移植性差的問題，以及采用手動(dòng)輸入的方式完成參數(shù)初始化，輸入?yún)?shù)復(fù)雜且初始化繁瑣的問題。
[0081]本發(fā)明實(shí)施例提供了一種在人臉檢測跟蹤過程中的人臉捕捉方法，適用于各種人臉檢測跟蹤設(shè)備，下面結(jié)合附圖對(duì)本發(fā)明優(yōu)選的實(shí)施方式進(jìn)行詳細(xì)說明。
[0082]參閱圖1所示，本發(fā)明實(shí)施例提供的一種在人臉檢測跟蹤過程中的人臉捕捉方法的具體處理流程包括:
[0083]步驟101:獲取當(dāng)前圖像。
[0084]在人臉檢測跟蹤設(shè)備中，該設(shè)備會(huì)存儲(chǔ)或錄制視頻文件，獲取的當(dāng)前圖像為該視頻文件中指定一幀的圖像。
[0085]步驟102:對(duì)當(dāng)前圖像進(jìn)行特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
[0086]在執(zhí)行步驟102時(shí)，可以采用以下兩種方式:
[0087]第一種方式:對(duì)當(dāng)前圖像進(jìn)行局部二值模式(Local Binary Patterns, LBP)特征處理，提取當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；
[0088]第二種方式:對(duì)當(dāng)前圖像進(jìn)行基于塊特征Haar特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
[0089]具體的，對(duì)當(dāng)前圖像進(jìn)行LBP特征處理，提取當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征，包括:[0090]依次根據(jù)預(yù)設(shè)的窗口的像素大小，以窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在窗口中位置的順序，對(duì)該窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到該窗口的LBP值，直至得到該圖像中的所有LBP圖像特征；
[0091]根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
[0092]LBP特征處理一般定義像素大小為3*3的窗口，以窗口中心點(diǎn)的像素的灰度值為閾值，大于等于中心點(diǎn)的像素的灰度值的標(biāo)記為1，小于中心點(diǎn)的像素的灰度值的標(biāo)記為
O;按照一定的順序，將該窗口中除中心點(diǎn)以外的其它像素點(diǎn)對(duì)應(yīng)的灰度值組合，并進(jìn)行加權(quán)求和即可得到該窗口的LBP值；將該LBP值與預(yù)設(shè)的人臉圖像特征閾值進(jìn)行比較，將大于預(yù)設(shè)的人臉圖像特征閾值的LBP值對(duì)應(yīng)的窗口作為人臉圖像特征。
[0093]具體的，對(duì)當(dāng)前圖像進(jìn)行Haar特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征，包括:
[0094]將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值；
[0095]采用預(yù)設(shè)像素大小的檢測窗口對(duì)當(dāng)前圖像進(jìn)行遍歷，計(jì)算檢測窗口內(nèi)的Haar特征；
[0096]判定該檢測窗口內(nèi)的Haar特征大于該級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將該檢測窗口內(nèi)的Haar特征作為人臉圖像特征。
[0097]其中，每一級(jí)的子分類器中的每一個(gè)子分類器(即一個(gè)Haar特征)都設(shè)置一個(gè)對(duì)應(yīng)的閾值和兩個(gè)分支值(左分支值和右分支值)。
[0098]在針對(duì)當(dāng)前圖像中篩選人臉圖像特征的過程中，首先采用與預(yù)設(shè)的人臉樣本圖像像素大小相同的檢測窗口對(duì)當(dāng)前圖像進(jìn)行遍歷，當(dāng)檢測窗口每移動(dòng)到當(dāng)前圖像中的任意一個(gè)位置時(shí)，計(jì)算檢測窗口內(nèi)的Haar特征，將該檢測窗口中的每一個(gè)Haar特征與級(jí)聯(lián)分類器中的對(duì)應(yīng)該Haar特征的最低級(jí)的子分類器對(duì)應(yīng)的子閾值進(jìn)行比較，從而選擇左支值或右分支值，計(jì)算完畢后，累加最低級(jí)的子分類器的分支值，得到左分支累加值或右分支累加值，將左分支累加值或右分支累加值與最低級(jí)子分類器對(duì)應(yīng)的閾值，確定該累加值大于最低級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將該檢測窗口內(nèi)的Haar特征與下一級(jí)的子分類器對(duì)應(yīng)的子閾值進(jìn)行比較，直至該檢測窗口內(nèi)的Haar特征通過該級(jí)聯(lián)分類器中的每一級(jí)的子分類器，可以確定該檢測窗口內(nèi)的Haar特征為人臉圖像特征。
[0099]步驟103:基于人臉圖像特征確定包圍該人臉圖像特征的人臉歸屬區(qū)域，以及確定人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值。
[0100]執(zhí)行步驟103時(shí)，優(yōu)選的，可以采用以下步驟:
[0101]形成包圍人臉圖像特征的最小矩形框，該矩形框包含的區(qū)域?yàn)樵撊四槡w屬區(qū)域；
[0102]根據(jù)該矩形框在當(dāng)前圖像中的位置，以及該矩形框的像素大小，確定該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
[0103]具體的，根據(jù)人臉圖像特征，可以得到確定該人臉圖像特征對(duì)應(yīng)的檢測窗口，即可確定人臉歸屬區(qū)域，根據(jù)該檢測窗口在當(dāng)前圖像中的位置，以及該檢測窗口的像素大小，確定該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值。[0104]檢測窗口的像素大小為已知的，只要得到該檢測窗口在當(dāng)前圖像的任意一個(gè)頂點(diǎn)坐標(biāo)值(左上角，或左下角，或右上角，或右下角)，就可以得到該人臉歸屬區(qū)域在當(dāng)前圖像中的具體位置，所以人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
[0105]步驟104:根據(jù)人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
[0106]在本實(shí)施例中，該人臉檢測跟蹤的參數(shù)為待跟蹤人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤人臉特征框的寬度和高度，通過對(duì)該人臉檢測跟蹤的參數(shù)的初始化即可確定待跟蹤人臉特征框。
[0107]具體的，通過以下步驟執(zhí)行步驟104:
[0108]針對(duì)人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度；
[0109]根據(jù)人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)該待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化；
[0110]基于獲得的該待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及該人臉歸屬區(qū)域的寬度和高度對(duì)該待跟蹤的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
[0111]優(yōu)選的，在實(shí)際應(yīng)用中，可以采用以下代碼實(shí)現(xiàn)步驟104:
[0112]Mat face=frame(faceVec[i]);
[0113]Rect rect=faceVec [i];
[0114]box.x=faceVec [i].x;
[0115]box.y=faceVec [i].y;
[0116]box.width=faceVec [i].width;
[0117]box.height=faceVec [i].height;
[0118]參閱圖2所示，根據(jù)本發(fā)明實(shí)施例提供的一種在人臉檢測跟蹤過程中的人臉捕捉方法，可以準(zhǔn)確的在當(dāng)前圖像中可以對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化，得到當(dāng)前圖像中的待跟蹤人臉特征框。
[0119]基于上述實(shí)施例，參閱圖3所示，本發(fā)明實(shí)施例還提供了一種在人臉檢測跟蹤過程中的人臉捕捉裝置，該裝置包括:獲取單元301、處理單元302、確定單元303以及初始化單元304，其中
[0120]獲取單元301，用于獲取當(dāng)前圖像；
[0121]處理單元302，用于對(duì)當(dāng)前圖像進(jìn)行特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征；
[0122]確定單元303，用于基于該人臉圖像特征確定包圍該人臉圖像特征的人臉歸屬區(qū)域，以及確定該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值；
[0123]初始化單元304，用于根據(jù)該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
[0124]獲取單元301，具體用于:
[0125]獲取視頻文件中指定一幀的圖像作為當(dāng)前圖像。
[0126]處理單元302，具體用于:
[0127]對(duì)當(dāng)前圖像進(jìn)行LBP特征處理，提取當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；或者，
[0128]對(duì)當(dāng)前圖像進(jìn)行Haar特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
[0129]處理單元302對(duì)當(dāng)前圖像進(jìn)行LBP特征處理，提取當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征時(shí)，具體用于:
[0130]依次根據(jù)預(yù)設(shè)的檢測窗口的像素大小，以檢測窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)該檢測窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在檢測窗口中位置的順序，對(duì)該檢測窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到該檢測窗口的LBP值，直至得到該圖像中的所有LBP圖像特征；
[0131]根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
[0132]處理單元302對(duì)當(dāng)前圖像進(jìn)行Haar特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征時(shí)，具體用于:
[0133]將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中該級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值；
[0134]采用預(yù)設(shè)像素大小的檢測窗口對(duì)當(dāng)前圖像進(jìn)行遍歷，計(jì)算該檢測窗口內(nèi)的Haar特征；
[0135]判定該檢測窗口內(nèi)的Haar特征大于該級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將該檢測窗口內(nèi)的Haar特征作為人臉圖像特征。
[0136]確定單元303，具體用于:
[0137]形成包圍人臉圖像特征的最小矩形框，該矩形框包含的區(qū)域?yàn)槿四槡w屬區(qū)域；
[0138]根據(jù)該矩形框在當(dāng)前圖像中的位置，以及該矩形框的像素大小，確定該人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
[0139]其中，人臉檢測跟蹤的參數(shù)包括:待跟蹤人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤人臉特征框的寬度和高度。
[0140]初始化單元304，具體用于:
[0141]針對(duì)人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度；
[0142]根據(jù)該人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)該待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化；
[0143]基于獲得的該待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及該人臉歸屬區(qū)域的寬度和高度對(duì)該待跟蹤的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
[0144]綜上所述，通過本發(fā)明實(shí)施例中提供的一種在人臉檢測跟蹤過程中的人臉捕捉方法及裝置，獲取當(dāng)前圖像后，對(duì)當(dāng)前圖像進(jìn)行特征處理，提取當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征；基于人臉圖像特征確定該人臉圖像特征對(duì)應(yīng)的人臉歸屬區(qū)域，以及確定人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值；根據(jù)人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化，可以實(shí)現(xiàn)自動(dòng)完成人臉檢測跟蹤的參數(shù)的初始化，準(zhǔn)確地對(duì)圖像中的人臉進(jìn)行捕捉，提高了系統(tǒng)的工作效率，保證了人臉檢測跟蹤的準(zhǔn)確性、實(shí)時(shí)性、且本發(fā)明實(shí)施例提供的方法對(duì)設(shè)備的無輸入工具的要求，因此可移植性強(qiáng)。[0145]盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對(duì)這些實(shí)施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。
[0146]顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明實(shí)施例進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明實(shí)施例的精神和范圍。這樣，倘若本發(fā)明實(shí)施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
【權(quán)利要求】
1.一種在人臉檢測跟蹤過程中的人臉捕捉方法，其特征在于，包括: 獲取當(dāng)前圖像； 對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征； 基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值； 根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
2.如權(quán)利要求1所述的方法，其特征在于，獲取當(dāng)前圖像，包括: 獲取視頻文件中指定一幀的圖像作為當(dāng)前圖像。
3.如權(quán)利要求1所述的方法，其特征在于，對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征，包括: 對(duì)所述當(dāng)前圖像進(jìn)行局部二值模式LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；或者， 對(duì)所述當(dāng)前圖像進(jìn)行基于塊特征Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉 圖像特征。
4.如權(quán)利要求3所述的方法，其特征在于，對(duì)所述當(dāng)前圖像進(jìn)行LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征，具體包括: 依次根據(jù)預(yù)設(shè)的檢測窗口的像素大小，以檢測窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)所述檢測窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在檢測窗口中位置的順序，對(duì)所述檢測窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到所述檢測窗口的LBP值，直至得到所述圖像中的所有LBP圖像特征； 根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
5.如權(quán)利要求3所述的方法，其特征在于，對(duì)所述當(dāng)前圖像進(jìn)行Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征，具體包括: 將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中所述級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值； 采用預(yù)設(shè)像素大小的檢測窗口對(duì)所述當(dāng)前圖像進(jìn)行遍歷，計(jì)算所述檢測窗口內(nèi)的Haar特征； 判定所述檢測窗口內(nèi)的Haar特征大于所述級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將所述檢測窗口內(nèi)的Haar特征作為人臉圖像特征。
6.如權(quán)利要求1-5任一項(xiàng)所述的方法，其特征在于，基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，具體包括: 形成包圍所述人臉圖像特征的最小矩形框，所述矩形框包含的區(qū)域?yàn)樗鋈四槡w屬區(qū)域； 根據(jù)所述矩形框在當(dāng)前圖像中的位置，以及所述矩形框的像素大小，確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
7.如權(quán)利要求6所述的方法，其特征在于，根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化，具體包括: 針對(duì)所述人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，所述人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度； 根據(jù)所述人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)所述待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化； 基于獲得的所述待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及所述人臉歸屬區(qū)域的寬度和高度對(duì)所述待跟蹤的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
8.—種在人臉檢測跟蹤過程中的人臉捕捉裝置，其特征在于，包括: 獲取單元，用于獲取當(dāng)前圖像； 處理單元，用于對(duì)所述當(dāng)前圖像進(jìn)行特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征； 確定單元，用于基于所述人臉圖像特征確定包圍所述人臉圖像特征的人臉歸屬區(qū)域，以及確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值； 初始化單元，用于根據(jù)所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值對(duì)人臉檢測跟蹤的參數(shù)進(jìn)行初始化。
9.如權(quán)利要求8所述的裝置，其特征在于，所述獲取單元，具體用于: 獲取視頻文件中指定一幀的圖像作為當(dāng)前圖像。
10.如權(quán)利要求8所述的裝置，其特征在于，所述處理單元，具體用于: 對(duì)所述當(dāng)前圖像進(jìn)行局部二值模式LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征；或者， 對(duì)所述當(dāng)前圖像進(jìn)行基于塊特征Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征。
11.如權(quán)利要求10所述的裝置，其特征在于，所述處理單元對(duì)所述當(dāng)前圖像進(jìn)行LBP特征處理，提取所述當(dāng)前圖像中的所有LBP圖像特征，并在所有LBP圖像特征中篩選出人臉圖像特征時(shí)，具體用于: 依次根據(jù)預(yù)設(shè)的檢測窗口的像素大小，以檢測窗口中心點(diǎn)的像素的灰度值為閾值，對(duì)所述檢測窗口內(nèi)其他位置的像素對(duì)應(yīng)的灰度值進(jìn)行二值化處理，以及根據(jù)預(yù)設(shè)的像素在檢測窗口中位置的順序，對(duì)所述檢測窗口中其他像素的對(duì)應(yīng)的值進(jìn)行加權(quán)求和得到所述檢測窗口的LBP值，直至得到所述圖像中的所有LBP圖像特征； 根據(jù)預(yù)設(shè)的人臉圖像特征閾值，在所有LBP圖像特征中篩選出人臉圖像特征。
12.如權(quán)利要求10所述的裝置，其特征在于，所述處理單元對(duì)所述當(dāng)前圖像進(jìn)行Haar特征處理，提取所述當(dāng)前圖像中的圖像特征，并在圖像特征中篩選出人臉圖像特征時(shí)，具體用于: 將預(yù)設(shè)的人臉樣本圖像進(jìn)行模式識(shí)別，獲得級(jí)聯(lián)分類器，其中所述級(jí)聯(lián)分類器中的每一級(jí)的子分類器的數(shù)目大于等于1，每一級(jí)的子分類器預(yù)先設(shè)置對(duì)應(yīng)的閾值； 采用預(yù)設(shè)像素大小的檢測窗口對(duì)所述當(dāng)前圖像進(jìn)行遍歷，計(jì)算所述檢測窗口內(nèi)的Haar特征； 判定所述檢測窗口內(nèi)的Haar特征大于所述級(jí)聯(lián)分類器中的每一級(jí)子分類器對(duì)應(yīng)的閾值時(shí)，將所述檢測窗口內(nèi)的Haar特征作為人臉圖像特征。
13.如權(quán)利要求8-12任一項(xiàng)所述的裝置，其特征在于，所述確定單元，具體用于: 形成包圍所述人臉圖像特征的最小矩形框，所述矩形框包含的區(qū)域?yàn)樗鋈四槡w屬區(qū)域； 根據(jù)所述矩形框在當(dāng)前圖像中的位置，以及所述矩形框的像素大小，確定所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值，其中，所述人臉歸屬區(qū)域?qū)?yīng)的參數(shù)值為人臉歸屬區(qū)域任意一個(gè)頂點(diǎn)的坐標(biāo)值、人臉歸屬區(qū)域的寬度以及人臉歸屬區(qū)域的高度。
14.如權(quán)利要求13所述的裝置，其特征在于，所述初始化單元，具體用于: 針對(duì)所述人臉歸屬區(qū)域定義待跟蹤人臉特征框；其中，所述人臉檢測跟蹤的參數(shù)包括:待跟蹤的人臉特征框的任意一個(gè)頂點(diǎn)的坐標(biāo)值、待跟蹤的人臉特征框的寬度和高度； 根據(jù)所述人臉歸屬區(qū)域的任意一個(gè)頂點(diǎn)坐標(biāo)值對(duì)所述待跟蹤的人臉特征框中相應(yīng)的頂點(diǎn)坐標(biāo)值進(jìn)行初始化； 基于獲得的所述待跟蹤的人臉特征框中的頂點(diǎn)坐標(biāo)值，以及所述人臉歸屬區(qū)域的寬度和高度對(duì)所述待跟蹤 的人臉特征框?qū)?yīng)的寬度和高度進(jìn)行初始化。
【文檔編號(hào)】G06K9/46GK103870824SQ201410123481
【公開日】2014年6月18日 申請(qǐng)日期:2014年3月28日 優(yōu)先權(quán)日:2014年3月28日
【發(fā)明者】王振昊 申請(qǐng)人:海信集團(tuán)有限公司