本發(fā)明涉及人臉跟蹤技術(shù)，具體涉及一種人臉深度跟蹤裝置及實(shí)現(xiàn)方法，該裝置由紅外發(fā)射模塊、紅外測(cè)距采集模塊、計(jì)算模塊構(gòu)成。

背景技術(shù)：

隨著信息處理技術(shù)(特別是視頻圖像技術(shù))的發(fā)展，越來(lái)越多的系統(tǒng)和設(shè)備需要從視頻圖像中對(duì)某種特定的對(duì)象進(jìn)行跟蹤識(shí)別。各行各業(yè)對(duì)于人臉檢測(cè)識(shí)別跟蹤技術(shù)的研究日益重視，人臉檢測(cè)識(shí)別跟蹤技術(shù)也取得了巨大發(fā)展，并逐漸形成了一種新的科學(xué)技術(shù)領(lǐng)域。

人臉跟蹤技術(shù)的目的就是在序列圖像中確定人臉出現(xiàn)的位置及運(yùn)動(dòng)軌跡。例如，在很多攝像監(jiān)視系統(tǒng)中，往往需要對(duì)連續(xù)的視頻圖像中的人臉進(jìn)行跟蹤，從而實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)情況的識(shí)別和分析。由于在某些場(chǎng)合不僅需要確定人臉在空間中的二維坐標(biāo)信息，而且需要進(jìn)一步確定人臉五官的深度信息。然后根據(jù)跟蹤到的人臉的二維信息和深度信息才可指示出人物的表情或姿態(tài)，因此，在一些人機(jī)交互的系統(tǒng)中，可從連續(xù)跟蹤到的人臉特性識(shí)別出用戶的某種情緒，該情緒可對(duì)應(yīng)于用戶輸入的操作指示，從而實(shí)現(xiàn)更加友好和智能的交互操作。此外，跟蹤到的人臉特性還可被用于進(jìn)行面部動(dòng)畫生成、焦點(diǎn)檢測(cè)和安全監(jiān)控，視頻會(huì)議、駕駛員疲勞駕駛檢測(cè)、智能美顏等。由此可見，人臉跟蹤技術(shù)備受人們關(guān)注。

首先對(duì)于人臉檢測(cè)識(shí)別跟蹤算法，工業(yè)上已有多種技術(shù)。例如haar-like人臉檢測(cè)技術(shù)可較好的檢測(cè)正臉以及偏轉(zhuǎn)角度不大的人臉特征，但是對(duì)于多姿態(tài)人臉以及背景環(huán)境變換復(fù)雜的圖像中的人臉，檢測(cè)的精確度降低?；趎pd(normalizedpixeldifference)人臉檢測(cè)的算法對(duì)于小模型圖像中的人臉有著較好的檢測(cè)速度，但是對(duì)于光照的魯棒性差，而且在處理大模型圖像時(shí)提取的特征向量過(guò)多，計(jì)算復(fù)雜度高，會(huì)降低檢測(cè)速度。并且以上人臉檢測(cè)方法僅僅只是從整體上對(duì)人臉的刻畫，不能獲得人臉特征點(diǎn)的深度信息。

其次為了獲得人臉識(shí)別中細(xì)節(jié)紋理方面的深度信息，就必須依賴于對(duì)三維場(chǎng)景準(zhǔn)確且快速的分析?，F(xiàn)有技術(shù)中有如下方法：基于圖像的分析或激光掃描技術(shù)來(lái)獲取場(chǎng)景的深度圖,但其代價(jià)高昂且十分耗時(shí)?；谏疃认鄼C(jī)的人臉特征點(diǎn)跟蹤方法作為距離測(cè)量中一種可替代的設(shè)備,擁有傳統(tǒng)的三維測(cè)量系統(tǒng)所不具備的一些優(yōu)點(diǎn)，能夠較好地獲得人臉特征點(diǎn)的深度信息，但是系統(tǒng)構(gòu)架龐大、硬件成本也較高，而且人臉跟蹤時(shí)易受到外界環(huán)境的干擾，例如光照強(qiáng)度差，光照不均勻等均會(huì)影響識(shí)別跟蹤的精度。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的在于提供一種人臉深度跟蹤裝置及實(shí)現(xiàn)方法。為了進(jìn)一步提高人臉識(shí)別的準(zhǔn)確性，減少受外界環(huán)境的影響程度，本發(fā)明采用人臉深度跟蹤裝置，在跟蹤大模型圖像的過(guò)程中，能夠根據(jù)所獲得的人臉深度圖像準(zhǔn)確的獲得人臉圖像特征點(diǎn)，進(jìn)一步提高了人臉識(shí)別的準(zhǔn)確性。在多姿態(tài)人臉、表情變化、背景環(huán)境以及光照影響的情況下，依舊可以保證高跟蹤精度，快處理速度，可以大范圍地應(yīng)用在人機(jī)交互上，并進(jìn)一步降低硬件成本。

一種人臉深度跟蹤裝置，包括紅外發(fā)射模塊、紅外測(cè)距采集模塊、計(jì)算模塊。

所述的紅外發(fā)射模塊用于對(duì)待測(cè)人臉進(jìn)行紅外照明，紅外發(fā)射模塊發(fā)射波長(zhǎng)在780～940nm的紅外光，提供背光源照射目標(biāo)物和背景，以確保采集環(huán)境中有良好的照明條件；

所述的紅外測(cè)距采集模塊用于對(duì)人臉深度圖像信息的采集，該模塊包括對(duì)紅外波長(zhǎng)敏感的感光芯片和半透玻璃膜，結(jié)果可參看圖2；由紅外發(fā)射模塊發(fā)出的紅外射線經(jīng)過(guò)半透玻璃膜之后分為反射光線和透射光線兩部分，反射光線則直接經(jīng)過(guò)半透玻璃膜反射后照射在感光芯片上，而透射光線則透過(guò)半透玻璃膜后照射到人臉并且經(jīng)由人臉?lè)瓷渲粮泄庑酒希绱诵纬蓛蓚€(gè)光信號(hào)，然后測(cè)量?jī)蓚€(gè)光信號(hào)間的距離，從而將信號(hào)間的距離經(jīng)過(guò)特定的公式計(jì)算出人臉的深度，并且向人臉深度圖轉(zhuǎn)換，并且繪制出深度圖。

所述的紅外測(cè)距采集模塊的特點(diǎn)如下：感光芯片具有抗可見光干擾，抗電磁波干擾識(shí)別穩(wěn)定，運(yùn)算速度高等優(yōu)點(diǎn)，可以在紅外發(fā)射模塊照明下只采集到紅外波長(zhǎng)(780～940nm)范圍內(nèi)的紅外光線。半透玻璃膜具有透射遠(yuǎn)高于反射率的特點(diǎn)，因?yàn)樵诟泄庑酒鲜盏降膬蓚€(gè)光信號(hào)其一是經(jīng)過(guò)一次半透膜的反射而得到的，另一個(gè)是經(jīng)過(guò)兩次半透膜的透射、一次人臉的反射得到的，所以，為了保證兩個(gè)光信號(hào)的強(qiáng)度盡可能相等，要選取透射率遠(yuǎn)高于反射率的半透玻璃膜材質(zhì)。

所述的計(jì)算模塊：首先進(jìn)行人臉區(qū)域的判斷，然后讀取紅外測(cè)距采集模塊采集到的人臉深度圖像信息，最后對(duì)人臉五官進(jìn)行的跟蹤計(jì)算，具體實(shí)現(xiàn)如下：

首先利用計(jì)算模塊中的攝像頭直接捕捉圖像，記作原圖像；其次利用haar分類器直接檢測(cè)該原圖像是否為人臉圖像，若不是人臉圖像，則該幀原圖像不予以跟蹤，若是人臉圖像，則利用npd特征來(lái)初步確定五官的大致位置，并且獲取該人臉圖像的中心坐標(biāo)o，然后使用紅外發(fā)射模塊對(duì)目標(biāo)人臉圖像進(jìn)行紅外照明；紅外發(fā)射波長(zhǎng)在780～940nm的紅外光，由紅外測(cè)距采集模塊進(jìn)行人臉圖像深度采集，并將采集到的人臉深度圖像信息傳輸給計(jì)算模塊，計(jì)算模塊讀取接收到的人臉深度圖像信息，并在人臉深度圖像上利用已經(jīng)通過(guò)npd獲取的五官各自的中心坐標(biāo)o作測(cè)試補(bǔ)?。阂悦恳粋€(gè)中心坐標(biāo)o為中心，特定長(zhǎng)度為邊長(zhǎng)，每一塊區(qū)域作一個(gè)小的矩形，該矩形的邊長(zhǎng)正好與人臉成一定比例，并且讓五官圖像正好被矩形區(qū)域所包含，該矩形所截取的部分深度圖稱為測(cè)試補(bǔ)丁。最后對(duì)人臉深度圖各個(gè)測(cè)試補(bǔ)丁(包括包括眼睛、鼻子、眉毛、嘴巴和耳朵)進(jìn)行主成分分析，提取每類測(cè)試補(bǔ)丁的主分量，設(shè)其中一類測(cè)試補(bǔ)丁眼睛用a表示，那么將訓(xùn)練集中所有a所對(duì)應(yīng)的極大無(wú)關(guān)組取出，若補(bǔ)丁a的特征向量組能夠由訓(xùn)練集中所得到的眼睛的極大無(wú)關(guān)組線性表出，則a被判定為眼睛。并對(duì)人臉深度圖對(duì)應(yīng)的補(bǔ)丁中心進(jìn)行標(biāo)點(diǎn)。并且將該人臉深度圖上標(biāo)點(diǎn)的坐標(biāo)映射到原圖像上去，并在原圖像上將這些點(diǎn)標(biāo)出，從而精確地跟蹤人臉。

一種人臉深度跟蹤裝置的實(shí)現(xiàn)方法，具體包括如下步驟：

步驟1：利用攝像頭直接捕捉待測(cè)圖像，并且利用haar特征進(jìn)行人臉區(qū)域檢測(cè)。

步驟2：利用npd進(jìn)行人臉五官位置估計(jì)，并獲取五官位置的坐標(biāo)。

步驟3：利用紅外發(fā)射模塊對(duì)待測(cè)人臉發(fā)射特定頻率的紅外光線。

步驟4：利用紅外測(cè)距采集模塊進(jìn)行人臉區(qū)域的深度信息采集，得到人臉深度圖像。

步驟5：在人臉深度圖像中根據(jù)初步估計(jì)的五官位置坐標(biāo)獲取測(cè)試補(bǔ)丁。

步驟6：對(duì)測(cè)試補(bǔ)丁求極大無(wú)關(guān)組，如果能由對(duì)應(yīng)的訓(xùn)練集中的極大無(wú)關(guān)組線性表出，則在原圖像上對(duì)應(yīng)坐標(biāo)處標(biāo)上點(diǎn)。

與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果為：

1：跟蹤穩(wěn)定、不受環(huán)境光、電磁波等影響，魯棒性好。

2：采用自創(chuàng)紅外測(cè)距采集進(jìn)行人臉深度圖像信息采集，跟蹤及深度測(cè)量精度高。

3：不需要額外標(biāo)記點(diǎn)。

4：裝置硬件成本相比基于深度相機(jī)的跟蹤裝置低。

5：可保證大模型圖像中的人臉檢測(cè)效率。

本發(fā)明能夠在獲得圖像特征點(diǎn)的同時(shí)，進(jìn)一步獲得特征點(diǎn)的深度信息。本發(fā)明裝置及方法跟蹤精度高，速度快，可以大范圍地應(yīng)用在人機(jī)交互上，并進(jìn)一步降低硬件成本。

附圖說(shuō)明

圖1是系統(tǒng)流程圖：

圖2是紅外測(cè)距采集模塊原理示意圖；

圖3是紅外測(cè)距采集模塊側(cè)視圖；

圖4是人臉識(shí)別過(guò)程流程圖；

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步說(shuō)明：

如圖1-4所示，一種人臉深度跟蹤裝置，包括紅外發(fā)射模塊、紅外測(cè)距采集模塊、計(jì)算模塊。

所述的紅外發(fā)射模塊用于對(duì)待測(cè)人臉進(jìn)行紅外照明，紅外發(fā)射模塊發(fā)射波長(zhǎng)在780～940nm的紅外光，提供背光源照射目標(biāo)物和背景，以確保采集環(huán)境中有良好的照明條件；

所述的紅外測(cè)距采集模塊用于對(duì)人臉深度圖像信息的采集，該模塊包括對(duì)紅外波長(zhǎng)敏感的感光芯片和半透玻璃膜，結(jié)果可參看圖2；由紅外發(fā)射模塊發(fā)出的紅外射線經(jīng)過(guò)半透玻璃膜之后分為反射光線和透射光線兩部分，反射光線則直接經(jīng)過(guò)半透玻璃膜反射后照射在感光芯片上，而透射光線則透過(guò)半透玻璃膜后照射到人臉并且經(jīng)由人臉?lè)瓷渲粮泄庑酒?，如此形成兩個(gè)光信號(hào)，然后測(cè)量?jī)蓚€(gè)光信號(hào)間的距離，從而將信號(hào)間的距離經(jīng)過(guò)特定的公式計(jì)算出人臉的深度，并且向人臉深度圖轉(zhuǎn)換，并且繪制出深度圖。

所述的紅外測(cè)距采集模塊的特點(diǎn)如下：感光芯片具有抗可見光干擾，抗電磁波干擾識(shí)別穩(wěn)定，運(yùn)算速度高等優(yōu)點(diǎn)，可以在紅外發(fā)射模塊照明下采集到紅外波長(zhǎng)(780～940nm)范圍內(nèi)的紅外光線。半透玻璃膜具有透射率遠(yuǎn)高于反射率的特點(diǎn)，因?yàn)樵诟泄庑酒鲜盏降膬蓚€(gè)光信號(hào)其一是經(jīng)過(guò)一次半透膜的反射而得到的，另一個(gè)是經(jīng)過(guò)兩次半透膜的透射、一次人臉的反射得到的，所以，為了保證兩個(gè)光信號(hào)的強(qiáng)度盡可能相等，要選取透射率遠(yuǎn)高于反射率的半透玻璃膜材質(zhì)。

所述的計(jì)算模塊：首先進(jìn)行人臉區(qū)域的判斷，然后讀取紅外測(cè)距采集模塊采集到的人臉深度圖像信息，最后對(duì)人臉五官進(jìn)行的跟蹤計(jì)算，具體實(shí)現(xiàn)如下：

首先利用計(jì)算模塊中的攝像頭直接捕捉圖像，記作原圖像；其次利用haar分類器直接檢測(cè)該原圖像是否為人臉圖像，若不是人臉圖像，則該幀原圖像不予以跟蹤，若是人臉圖像，則利用npd特征來(lái)初步確定五官的大致位置，并且獲取該人臉圖像的中心坐標(biāo)o，然后使用紅外發(fā)射模塊對(duì)目標(biāo)人臉圖像進(jìn)行紅外照明；紅外發(fā)射模塊發(fā)射波長(zhǎng)在780～940nm的紅外光，由紅外測(cè)距采集模塊進(jìn)行人臉圖像深度采集，并將采集到的人臉深度圖像信息傳輸給計(jì)算模塊，計(jì)算模塊讀取接收到的人臉深度圖像信息，并在人臉深度圖像上利用已經(jīng)通過(guò)npd獲取的中心坐標(biāo)o作測(cè)試補(bǔ)丁：以五官各自的中心坐標(biāo)o為中心，特定長(zhǎng)度為邊長(zhǎng)，作一個(gè)小的矩形，該矩形的邊長(zhǎng)正好與人臉成一定比例，并且使得五官各自的信息包含于對(duì)應(yīng)的矩形中，該矩形稱為測(cè)試補(bǔ)丁。最后對(duì)人臉深度圖各個(gè)測(cè)試補(bǔ)丁(包括包括眼睛、鼻子、眉毛、嘴巴和耳朵)進(jìn)行主成分分析，提取每類測(cè)試補(bǔ)丁的主分量，設(shè)其中一類測(cè)試補(bǔ)丁眼睛用a表示，那么將訓(xùn)練集中所有a所對(duì)應(yīng)的極大無(wú)關(guān)組取出，若補(bǔ)丁a的特征向量組能夠由訓(xùn)練集中所得到的眼睛的極大無(wú)關(guān)組線性表出，則a被判定為眼睛。并對(duì)人臉深度圖對(duì)應(yīng)的補(bǔ)丁中心進(jìn)行標(biāo)點(diǎn)。并且將該人臉深度圖上標(biāo)點(diǎn)的坐標(biāo)映射到原圖像上去，并在原圖像上將這些點(diǎn)標(biāo)出，從而精確地跟蹤人臉。

紅外測(cè)距采集模塊中所述的將信號(hào)間的距離經(jīng)過(guò)特定的公式計(jì)算出人臉的深度，并且向人臉深度圖轉(zhuǎn)換，并且繪制出深度圖，具體實(shí)現(xiàn)如下：

如圖2和3所示，紅外發(fā)射模塊采用波長(zhǎng)為780～940nm的紅外光，紅外發(fā)射模塊呈可調(diào)節(jié)的偏轉(zhuǎn)角θ發(fā)射平行的紅外光線束至半透玻璃膜，之后每一道光線分為兩道光線，一道直接反射，另一道經(jīng)過(guò)透射再反射后照射到感光芯片上，感光芯片將采集到的所有的紅外信號(hào)對(duì)的信息，發(fā)送至紅外測(cè)距采集模塊，測(cè)得每一個(gè)紅外信號(hào)對(duì)中兩個(gè)光信號(hào)之間的距離，并由公式計(jì)算出待測(cè)人臉與透射玻璃膜間的距離。由圖2和3可以看到紅外發(fā)射模塊將密集的n束紅外光線，以與水平面成θ角的方向向人臉發(fā)射，從而搜集每一對(duì)信號(hào)的坐標(biāo)，得到n組坐標(biāo)對(duì)，而由圖2俯視圖看到,獲取縱坐標(biāo)相同坐標(biāo)點(diǎn)組成坐標(biāo)對(duì)，每一個(gè)坐標(biāo)對(duì)中兩坐標(biāo)點(diǎn)的橫坐標(biāo)b、a作差之后得到的差值就是兩個(gè)光信號(hào)之間的距離d，從而計(jì)算出θ角和光信號(hào)之間的距離d有如下關(guān)系：

d＝[(b-a)*tanθ]/2⑹

d＝(d*tanθ)/2⑺

通過(guò)上述公式能夠計(jì)算出人臉圖像上某一列像素點(diǎn)的深度，而對(duì)于整張人臉圖像的深度，則通過(guò)逐漸連續(xù)增大θ角來(lái)實(shí)現(xiàn)，而深度圖上每一個(gè)深度坐標(biāo)的橫坐標(biāo)可由圖2中每一個(gè)坐標(biāo)對(duì)中的橫坐標(biāo)a確定(即與a點(diǎn)橫坐標(biāo)相同)，縱坐標(biāo)就是對(duì)應(yīng)坐標(biāo)對(duì)的縱坐標(biāo)。從而得到待測(cè)人臉上每一點(diǎn)對(duì)應(yīng)的與半透玻璃膜間的距離。

由坐標(biāo)對(duì)和該坐標(biāo)對(duì)對(duì)應(yīng)的距離d值構(gòu)成距離矩陣a。在由紅外光線掃描完整張人臉之后，選出距離矩陣a中數(shù)值最小的點(diǎn)，將矩陣a中所有的元素都減去這個(gè)數(shù)值得到矩陣b，求出矩陣b中所有元素的和記作s，矩陣c由以下公式計(jì)算得出：

c＝(255/s)*b⑻

矩陣c中的每一個(gè)元素an更新為255-an，構(gòu)成最終的深度圖d。

所述的npd特征估計(jì)法如下：npd是基于兩個(gè)像素點(diǎn)之間的比較。利用兩個(gè)像素之間的相對(duì)差值得出npd特征。利用npd特征進(jìn)行特征分類，所述的npd特征可以不受約束地進(jìn)行人臉檢測(cè)。其中npd特征是兩個(gè)點(diǎn)灰度的差值與灰度和值的比例，是兩個(gè)像素值之間的相對(duì)差異。該差異定義為函數(shù)f(x,y)：

其中，x，y為任意兩個(gè)像素的像素值，并且規(guī)定f(0,0)＝0。

利用上述公式(1)采用一種新的樹內(nèi)節(jié)點(diǎn)分裂計(jì)算方法來(lái)訓(xùn)練分類器：

(a1x²+b1x+c1)＜t(2)

t為分裂閾值，是人為給定的一個(gè)數(shù)值，這個(gè)值越小，則訓(xùn)練得出的分類器的查準(zhǔn)率越高，聯(lián)系一元二次方程的特性，通過(guò)給定系數(shù)，用來(lái)檢測(cè)x是否處于[θ1，θ2]中，θ1,，θ2是兩個(gè)已知的閾值。系數(shù)a1、b1、c1需要通過(guò)反復(fù)迭代的方式不斷修正，首先將n1張正例圖片和n2張反例圖片輸入并讀取，在正例圖片上創(chuàng)建滑框，遍歷所有的像素點(diǎn)，取滑框中像素值最大的點(diǎn)與像素值最小的點(diǎn)利用計(jì)算出函數(shù)值，將函數(shù)值代入公式(2)，若滿足此公式，則被分類器判斷為正例，若不滿足，則被判斷為反例。當(dāng)所有的正例和反例被遍歷完畢之后，計(jì)算出查準(zhǔn)率。若查準(zhǔn)率在一定范圍之內(nèi)，則分類器訓(xùn)練完畢，否則，進(jìn)行下一步的訓(xùn)練，即調(diào)整系數(shù)，若查準(zhǔn)率偏高，則逐漸增加b1，逐漸減小a1和c1，查準(zhǔn)率偏低，則再次遍歷正反例，重復(fù)以上步驟，直到查準(zhǔn)率在一定范圍之內(nèi)。這樣得到的(a1x²+b1x+c1)＜t就能判斷正反例。

根據(jù)npd特征將得到三種結(jié)構(gòu)：

-1≤f(x,y)≤θ＜0(3)

0＜θ≤f(x,y)≤1(4)

θ1≤f(x,y)≤θ2(5)

公式(3)表示了x的亮度低于y，公式(4)表示x的亮度高于y，公式(5)是處理臉部比背景暗也有可能比背景亮的不確定的情況。

如此利用npd特征訓(xùn)練出的分類器具有較高的查全率以及較低的查準(zhǔn)率，因此用以下方法進(jìn)一步完善，具體如下：

利用npd特征訓(xùn)練出的五官分類器進(jìn)行初步五官檢測(cè)從而在原圖像中獲取五官對(duì)應(yīng)的坐標(biāo)，檢測(cè)后通過(guò)紅外發(fā)射模塊以及紅外測(cè)距采集模塊獲取人臉深度圖。在人臉深度圖已獲取的坐標(biāo)處以特定長(zhǎng)度為邊長(zhǎng)，作一個(gè)小的矩形，此矩形的邊長(zhǎng)正好與利用haar特征所檢測(cè)出的人臉矩形成一定比例，該小矩形稱為測(cè)試補(bǔ)丁。并通過(guò)以下方法求出測(cè)試補(bǔ)丁特征向量的極大無(wú)關(guān)組：

1.首先獲取人臉某一個(gè)特定五官部位的深度圖測(cè)試補(bǔ)丁a。

2.然后由方程|a-λe|＝0求出所有特征值λ，e為單位向量。

3.將每一個(gè)特征值λ代入方程(a-λe)x＝0,求該方程的所有非零向量x。

4.將該深度圖測(cè)試補(bǔ)丁a中所有特征值對(duì)應(yīng)的特征向量x分別讀取其元素，依次排成矩陣的形式[x11x12x13…x1n]。

5.將該矩陣中以列向量的形式拼接上對(duì)應(yīng)同類訓(xùn)練集補(bǔ)丁的極大無(wú)關(guān)組，組成增廣矩陣，并通過(guò)初等行變換變?yōu)殡A梯陣(每行首個(gè)非零元素下面全為0)，并計(jì)算階梯數(shù)，即為該增廣矩陣的秩，稱作r(測(cè)試)。

那么我們比較測(cè)試補(bǔ)丁中對(duì)應(yīng)的增廣矩陣的秩r(測(cè)試)，與其對(duì)應(yīng)的訓(xùn)練集中極大無(wú)關(guān)組的秩r(訓(xùn)練)，若r(測(cè)試)＝r(訓(xùn)練)，則被測(cè)試的補(bǔ)丁被判斷為正例，反之，r(測(cè)試)＞r(訓(xùn)練)則判斷為反例。

而訓(xùn)練集中的極大無(wú)關(guān)組的秩r由以下方法獲得：

1.首先獲取人臉某一個(gè)特定部位的深度圖訓(xùn)練集補(bǔ)丁庫(kù)b。

2.對(duì)于每一個(gè)補(bǔ)丁由|b-λe|＝0，該方程求出所有特征值λ。

3.將每一個(gè)特征值λ代入方程(b-λe)x＝0，求該方程的所有非零向量x(即為特征向量)，并將這些向量x儲(chǔ)存。

4.對(duì)于每一個(gè)同類補(bǔ)丁都進(jìn)行步驟2和3，從而將所有同類補(bǔ)丁的特征向量x累積起來(lái)，并且列成矩陣的形式。如下所示：

xi＝[a1a2a3...an]^τ(9)

x＝[x1x2x3...xm](10)

5.將該矩陣通過(guò)初等行變換變?yōu)殡A梯陣.

并統(tǒng)計(jì)每一行第一個(gè)非零元素所在的列，將這些列取出排成一組，即為訓(xùn)練集補(bǔ)丁的極大線性無(wú)關(guān)組，將每一個(gè)同類訓(xùn)練集補(bǔ)丁的極大無(wú)關(guān)組儲(chǔ)存起來(lái)，并且統(tǒng)計(jì)極大無(wú)關(guān)組中向量的個(gè)數(shù)，即為秩r(訓(xùn)練)，同樣也儲(chǔ)存起來(lái)。

這樣，通過(guò)比較r(測(cè)試)與r(訓(xùn)練)的大小就能判斷測(cè)試集中的特征向量能否由訓(xùn)練集中的特征向量線性表出了。

若r(測(cè)試)＝r(訓(xùn)練)成立，則判斷為正例補(bǔ)丁，在原圖像相應(yīng)的坐標(biāo)點(diǎn)做上標(biāo)記。

根據(jù)本發(fā)明的示例性實(shí)施例，依靠紅外發(fā)射保證了采集環(huán)境的良好的抗干擾性，在進(jìn)行人臉檢測(cè)的過(guò)程中，本發(fā)明融合了haar的檢測(cè)性好，npd檢測(cè)速度快，以及pca主成分分析的精確性的優(yōu)點(diǎn)，并結(jié)合所設(shè)計(jì)的紅外測(cè)距裝置獲取人臉深度圖像進(jìn)行人臉五官位置的獲取，從而達(dá)到精確跟蹤與識(shí)別的目的。