[發(fā)明專利]一種針對(duì)多姿態(tài)人臉的人臉檢測(cè)系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610029680.9
• 申請(qǐng)日: 2016-01-18
• 公開(kāi)（公告）號(hào): CN105718868B
• 公開(kāi)（公告）日: 2019-10-25
• 發(fā)明（設(shè)計(jì)）人: 鄔書哲;闞美娜;山世光;陳熙霖
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京泛華偉業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇;李科

本發(fā)明提供了一種針對(duì)多姿態(tài)人臉的人臉檢測(cè)系統(tǒng)，包括：前端檢測(cè)器和后端檢測(cè)器，其中，所述前端檢測(cè)器包括至少一層分類器，每一層包含至少兩個(gè)并列的針對(duì)不同姿態(tài)人臉的第一類分類器，用于對(duì)候選的人臉與非人臉窗口進(jìn)行區(qū)分；所述后端檢測(cè)器包括采用深度神經(jīng)網(wǎng)絡(luò)的第二類分類器，用于進(jìn)一步區(qū)分所述前端檢測(cè)器的檢測(cè)結(jié)果中的人臉和非人臉。相應(yīng)地，本發(fā)明還提供了一種人臉檢測(cè)方法。在提升檢測(cè)精度的同時(shí)，有效降低檢測(cè)過(guò)程的計(jì)算開(kāi)銷，有效提高檢測(cè)速度。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，尤其涉及人臉檢測(cè)技術(shù)。

背景技術(shù)

人臉檢測(cè)任務(wù)的目標(biāo)是對(duì)任意給定的一幅圖像或一組圖像序列，使用機(jī)器自動(dòng)判定該圖像或該序列中是否存在人臉，且在存在人臉的情況下，找出其位置和大小。人臉檢測(cè)問(wèn)題通常被抽象為一個(gè)二分類問(wèn)題，即區(qū)分人臉與非人臉。經(jīng)典的人臉檢測(cè)方法主要通過(guò)基于人臉與非人臉的圖像樣本學(xué)習(xí)分類器，然后在輸入的圖像上通過(guò)滑動(dòng)窗口的方式使用訓(xùn)練好的數(shù)據(jù)學(xué)習(xí)分類器對(duì)每個(gè)圖像窗口進(jìn)行分類。

人臉圖像會(huì)因?yàn)椴煌瑐€(gè)體在年齡、性別、種族、體重，以及不同的頭部姿態(tài)等內(nèi)在因素方面的不同而在其表觀與形狀上呈現(xiàn)出巨大的差異，而光照、遮擋、角度、距離、采集設(shè)備等外在因素的影響又進(jìn)一步豐富了人臉圖像的變化模式、增加了人臉檢測(cè)的難度。在所有可能影響人臉圖像的表觀與形狀的因素中，人臉的姿態(tài)是對(duì)人臉圖像的表觀影響最大的因素之一，而姿態(tài)的變化是一種高度非線性的變換，不同姿態(tài)的人臉圖像在表觀上存在著顯著的差異，采用單個(gè)模型難以統(tǒng)一地對(duì)所有的姿態(tài)進(jìn)行建模，因此通常將多姿態(tài)人臉檢測(cè)問(wèn)題劃分為多個(gè)更為簡(jiǎn)單的子姿態(tài)人臉檢測(cè)問(wèn)題來(lái)加以解決，即針對(duì)不同姿態(tài)分別訓(xùn)練分類器，每個(gè)分類器處理對(duì)應(yīng)姿態(tài)下的人臉。在現(xiàn)有技術(shù)中，多個(gè)分類器的組織結(jié)構(gòu)主要有：并列式、金字塔式以及樹(shù)形。

然而，現(xiàn)有技術(shù)中對(duì)多個(gè)分類器的組織方法仍存在不同程度的不足。并列式分類器結(jié)構(gòu)針對(duì)每個(gè)姿態(tài)訓(xùn)練一個(gè)人臉檢測(cè)器，對(duì)絕大部分候選圖像窗口都需要執(zhí)行所有姿態(tài)的人臉檢測(cè)器，因而其具有較低的檢測(cè)效率，同時(shí)整個(gè)檢測(cè)器的誤檢率隨著并列檢測(cè)器的增多而增長(zhǎng)；金字塔式分類器結(jié)構(gòu)在形式上可以看成是共享高層節(jié)點(diǎn)的并列式結(jié)構(gòu)，除了第一層之外，每一層都是采用多個(gè)模型并列的形式，因而其在時(shí)間效率和誤檢率上具有和并列式結(jié)構(gòu)相同的問(wèn)題，不同之處只是在于高層通過(guò)共享節(jié)點(diǎn)的方式減少了部分計(jì)算上的開(kāi)銷，而用單模型來(lái)建模多姿態(tài)人臉勢(shì)必在召回率和非人臉窗口過(guò)濾能力之間存在矛盾，進(jìn)而造成檢測(cè)精度的下降或者計(jì)算開(kāi)銷的增大，或者兩者兼有；樹(shù)形分類器結(jié)構(gòu)的每一層上的分類器并聯(lián)以由粗到細(xì)地對(duì)姿態(tài)進(jìn)行分支，由于其頂層節(jié)點(diǎn)往往需要更多的特征，并且在分支時(shí)需要顯式地或隱式地對(duì)姿態(tài)進(jìn)行估計(jì)，其檢測(cè)精度嚴(yán)重依賴于對(duì)姿態(tài)的估計(jì)的準(zhǔn)確程度，不準(zhǔn)確或者錯(cuò)誤的姿態(tài)估計(jì)都很容易造成漏檢從而降低檢測(cè)器的召回率。有的樹(shù)形檢測(cè)器設(shè)計(jì)了多重分支的機(jī)制來(lái)降低對(duì)姿態(tài)估計(jì)準(zhǔn)確性的依賴，但是這并沒(méi)有從根本上解決問(wèn)題，而多重分支的機(jī)制本身又是一個(gè)難點(diǎn)。

綜上所述，對(duì)于多姿態(tài)情況下的人臉圖像，模型復(fù)雜度低的分類器缺乏足夠的建模能力，模型復(fù)雜度高的分類器則具有高昂的計(jì)算開(kāi)銷，目前采用多個(gè)分類器的方法也難以兼顧較強(qiáng)的建模能力和較小的計(jì)算開(kāi)銷，難以同時(shí)在精度和速度上取得好的表現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種能夠克服上述技術(shù)問(wèn)題的解決方案。

本發(fā)明提供了一種針對(duì)多姿態(tài)人臉的人臉檢測(cè)系統(tǒng)，包括：前端檢測(cè)器和后端檢測(cè)器，其中，所述前端檢測(cè)器包括至少一層分類器，所述每一層包含至少兩個(gè)并列的針對(duì)不同姿態(tài)人臉的第一類分類器，用于對(duì)候選的人臉與非人臉窗口進(jìn)行區(qū)分；所述后端檢測(cè)器包括采用深度神經(jīng)網(wǎng)絡(luò)的第二類分類器，用于進(jìn)一步區(qū)分所述前端檢測(cè)器的檢測(cè)結(jié)果中的人臉和非人臉。

優(yōu)選地，所述前端檢測(cè)器包括至少兩層分類器，所述每一層包含至少兩個(gè)并列的針對(duì)不同姿態(tài)人臉的第一類分類器，其中，較低層上的所述第一類分類器的數(shù)目不多于較高層上的所述第一類分類器的數(shù)目。

優(yōu)選地，所述第一類分類器包括采用能快速計(jì)算的特征的分類器，和/或采用能夠快速計(jì)算的算法的分類器。