[發明專利]一種基于卷積神經網絡的人臉檢測方法及裝置

有效

• 申請號: 201611269956.7
• 申請日: 2016-12-30
• 公開（公告）號: CN106650699B
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 喬宇;張凱鵬;李志鋒
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 陽開亮

本發明屬于人臉檢測技術領域，提供了一種基于卷積神經網絡的人臉檢測方法及裝置，所述方法包括：將卷積神經網絡劃分為三級卷積神經網絡，第一級網絡為全卷積神經網絡，第二級網絡和第三級網絡分別為雙流的內部級聯卷積神經網絡；將預處理后的多張待檢測圖片輸入至所述第一級網絡，獲得包含初始人臉檢測框的圖片；將所述包含初始人臉檢測框的圖片輸入至所述第二級網絡和第三級網絡，獲得包含人臉的圖片。通過本發明可有效提高人臉識別的精度。

技術領域

本發明屬于人臉檢測技術領域，尤其涉及一種基于卷積神經網絡的人臉檢測方法及裝置。

背景技術

人臉檢測是人臉識別和表情識別等后續工作的基礎，在人臉檢測的實際應用場景中，待檢測人臉存在著各種變化，例如光照、遮擋等，都會對人臉檢測的準確性造成影響。

卷積神經網絡由于對大型圖像處理有出色的表現，近年來成為研究的一個熱點，在現有的基于卷積神經網絡的人臉檢測中，為了達到很好的檢測效果，通常卷積神經網絡設計的比較復雜，計算量很大，檢測效率較低。但是當出現光照、遮擋變化時，這種外部級聯的卷積神經網絡的魯棒性仍然較低，對檢測的效果有很大影響。另外，現有的基于卷積神經網絡的人臉檢測中，有一些人臉檢測方法對身體信息加以利用，但是對于身體遮擋嚴重，或者姿態變化較大的情況下魯棒性很低，檢測效果依然不理想，無法精確識別圖像中的人臉的問題。

發明內容

鑒于此，本發明提供一種基于卷積神經網絡的人臉檢測方法及裝置，提高基于卷積神經網絡人臉檢測系統的魯棒性，提高人臉識別的精度。

本發明的第一方面，提供一種基于卷積神經網絡的人臉檢測方法，所述方法包括：

將卷積神經網絡劃分為三級卷積神經網絡，第一級網絡為全卷積神經網絡，第二級網絡和第三級網絡分別為雙流的內部級聯卷積神經網絡；

將預處理后的多張待檢測圖片輸入至所述第一級網絡，獲得包含初始人臉檢測框的圖片；

將所述包含初始人臉檢測框的圖片輸入至所述第二級網絡和第三級網絡，獲得包含人臉的圖片。

本發明的第二方面，提供一種基于卷積神經網絡的人臉檢測裝置，所述裝置包括：

構建模塊，用于將卷積神經網絡劃分為三級卷積神經網絡，第一級網絡為全卷積神經網絡，第二級網絡和第三級網絡分別為雙流的內部級聯卷積神經網絡；

第一級檢測模塊，用于將預處理后的多張待檢測圖片輸入至所述第一級網絡，獲得包含初始人臉檢測框的圖片；

人臉輸出模塊，用于將所述包含初始人臉檢測框的圖片輸入至所述第二級網絡和第三級網絡，獲得包含人臉的圖片。

本發明與現有技術相比存在的有益效果是：本發明將卷積神經網絡劃分為三級卷積神經網絡，第一級網絡為全卷積神經網絡，第二級網絡和第三級網絡分別為雙流的內部級聯卷積神經網絡；將預處理后的多張待檢測圖片輸入至所述第一級網絡，獲得包含初始人臉檢測框的圖片；將所述包含初始人臉檢測框的圖片輸入至所述第二級網絡和第三級網絡，獲得包含人臉的圖片。提高基于卷積神經網絡人臉檢測系統的魯棒性，提高人臉識別的精度。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明第一實施例提供的基于卷積神經網絡的人臉檢測方法的示意流程圖；

圖2是本發明第二實施例提供的基于卷積神經網絡的人臉檢測方法的示意流程圖；

圖3是本發明第二實施例中的第一級卷積神經網絡結構圖；