[發(fā)明專利]基于深度學(xué)習(xí)的SSD的人臉檢測方法

在審

• 申請?zhí)枺?/td>: 201611244868.1
• 申請日: 2016-12-29
• 公開（公告）號: CN108256400A
• 公開（公告）日: 2018-07-06
• 發(fā)明（設(shè)計）人: 金海強(qiáng);朱毅;李漢曦;錢勝
• 申請（專利權(quán)）人: 上海玄彩美科網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學(xué)習(xí)的SSD的人臉檢測方法，其特征在于：所述方法包括以下步驟：（1）輸入圖像。（2）將得到的圖片resize成300×300，并送入網(wǎng)絡(luò)。（3）進(jìn)行多層級的提取feature map。（4）在每個feature map中各個位置location，每個location對應(yīng)多個default box。（5）對所有default box的特征分別回歸其類別的置信度和default box的相對偏移量。（6）對于每個default box，回歸出每個類別的class score。（7）根據(jù)回歸的類別中人臉類別的class score，選取default box。（8）根據(jù)default box的預(yù)測結(jié)果可以知道人臉的傾斜角度。從而知道人臉的朝向。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的SSD的人臉檢測方法，其特征在于：所述步驟1）中，輸入的圖像分為正方形或長方形的矩形。若為正方形，則直接進(jìn)行步驟2）；若為長方形，則從圖像中取多個正方形的子圖，并將每個子圖進(jìn)行步驟2）。

3.如權(quán)利要求1或2所述的基于深度學(xué)習(xí)的SSD的人臉檢測方法，其特征在于：所述步驟4）中，由于對于feature map中一個feature map cell一個位置上的 k 個boxes 中的每一個 box，我們需要計算出 c 個類，每一個類的 score，還有這個 box 相對于它的默認(rèn) box的 4 個偏移值（offsets），于是，在 feature map 中的每一個 feature map cell 上，就需要有 (c+4)×k 個 filters。對于一張 m×n 大小的 feature map，即會產(chǎn)生 (c+4)×k×m×n 個輸出結(jié)果（default box）。其中，每個feature map的default box的scale計算公式如下：其中，S_min和S_max分別表示最低層次和最高層次的scale，中間所有層次均勻分布，m表示feature map的個數(shù)。

4.如權(quán)利要求1或2所述的基于深度學(xué)習(xí)的SSD的人臉檢測方法，其特征在于：所述步驟5）中，default box的相對偏移量為一個10維的向量，分別是Δx,Δy,Δw,Δh,Δlt(x,y),Δlb(x,y),Δrb(x,y)。其中：Δx：default box中心點(diǎn)x坐標(biāo)的偏移量 Δy：default box中心的y坐標(biāo)的偏移量Δw：default box的寬度的偏移量Δh：default box的高度的偏移量Δlt(x,y)：default box的中心點(diǎn)與左上角點(diǎn)之間的向量的改變量Δlb(x,y)：default box的中心點(diǎn)與左下角點(diǎn)之間的向量的改變量Δrb(x,y)：default box的中心點(diǎn)與右上角點(diǎn)之間的向量的改變量。

5.如權(quán)利要求1或2所述的基于深度學(xué)習(xí)的SSD的人臉檢測方法，其特征在于：所述步驟7）中，根據(jù)回歸的類別中人臉的類別的class score，去掉得分小于0.01的default box。根據(jù)剩下的各個default box的人臉類別的得分以及它們之間的overlapping 做NMS（NonMaximum Suppression，非極大值抑制），閾值為0.45。將最終的所剩下的default box按照人臉得分排序，取得分最高的200個default box。