[發(fā)明專利]一種人臉檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710127367.3
• 申請(qǐng)日: 2017-03-06
• 公開（公告）號(hào): CN107066943B
• 公開（公告）日: 2019-10-25
• 發(fā)明（設(shè)計(jì)）人: 葛仕明
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院信息工程研究所
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 11200
• 代理人: 余長(zhǎng)江

本發(fā)明公開了一種人臉檢測(cè)方法及裝置。本發(fā)明的方法為：1)從待處理的圖像中檢測(cè)出候選人臉，并提取該候選人臉的候選特征；2)將每一所述候選特征在預(yù)先構(gòu)建的傳統(tǒng)外部特征空間或近似外部特征空間進(jìn)行投影變換，得到對(duì)應(yīng)的傳統(tǒng)或近似嵌入特征；其中，該近似外部特征空間是從參考人臉特征字典和非人臉特征字典中選擇具有代表性的特征組成的字典；3)對(duì)所述嵌入特征進(jìn)行驗(yàn)證，判別出所述嵌入特征對(duì)應(yīng)的候選人臉是否為人臉。本發(fā)明的人臉檢測(cè)裝置包括候選模塊、嵌入模塊和驗(yàn)證模塊。本發(fā)明能夠得到精度更高的人臉檢測(cè)性能；對(duì)有遮擋情況下，也具備良好的人臉檢測(cè)能力。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺和深度學(xué)習(xí)領(lǐng)域，尤其涉及一種針對(duì)遮擋條件下的人臉檢測(cè)方法及裝置。

背景技術(shù)

人臉檢測(cè)技術(shù)可應(yīng)用于相機(jī)自動(dòng)對(duì)焦、人機(jī)交互、照片管理、城市安防監(jiān)控、智能駕駛等諸多領(lǐng)域。當(dāng)前，人臉檢測(cè)在開放環(huán)境條件下的實(shí)際應(yīng)用中，由于遮擋的普遍存在(如人群密集情況下)，人臉檢測(cè)性能受到嚴(yán)重的挑戰(zhàn)，因而遮擋條件下的人臉檢測(cè)性能問題有待解決。另外，研究蒙面遮擋條件下的人臉檢測(cè)具有重要的現(xiàn)實(shí)意義，例如：視頻監(jiān)控中用于發(fā)現(xiàn)可疑人員從而提供警告、通過檢測(cè)蒙面人臉的分布規(guī)律進(jìn)行天氣狀況預(yù)測(cè)等。傳統(tǒng)的人臉檢測(cè)方法在遮擋情況下遭遇嚴(yán)重的性能下降，原因在于檢測(cè)過程中，被遮擋部分的人臉線索已經(jīng)無(wú)效，從而造成在特征提取過程中不可避免地引入噪聲。總之，不完整且不準(zhǔn)確的特征使蒙面遮擋的人臉檢測(cè)成為一個(gè)極具挑戰(zhàn)的問題。

近幾年來，在這一領(lǐng)域也研究了一些方法，現(xiàn)有技術(shù)是先檢測(cè)出人臉候選，然后再對(duì)人臉候選分類確認(rèn)。其中一種方法通過訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)獲得人臉多個(gè)部件的響應(yīng)來檢測(cè)人臉候選，然后再訓(xùn)練一個(gè)新的神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉候選的分類確認(rèn)(參見：S.Yang,P.Luo,C.C.Loy,and X.Tang.From facial parts responses to face detection:A deeplearning approach.In:IEEE ICCV,2015)。另一種方法則通過選擇部分特征比較來計(jì)算損失從而確認(rèn)人臉候選(參見：M.Opitz,G.Waltner,G.Poier,H.Possegger,andH.Bischo.Grid loss:Detecting occluded faces.In ECCV,2016)，該方法能夠較好地處理部分遮擋情況的人臉檢測(cè)問題。上述方法在一定程度上緩解了嚴(yán)重遮擋(如蒙面遮擋)情況下的人臉檢測(cè)問題，但仍未能獲得完全解決。當(dāng)人臉部件被遮擋，通過多個(gè)部件響應(yīng)來檢測(cè)人臉候選的人臉檢測(cè)方法，在遮擋區(qū)域的部件會(huì)引入噪聲或錯(cuò)誤，從而可能導(dǎo)致人臉分類確認(rèn)錯(cuò)誤；當(dāng)遮擋嚴(yán)重的時(shí)候，通過選擇部分特征比較計(jì)算損失確認(rèn)人臉候選的人臉檢測(cè)方法，計(jì)算得到的損失誤差較大，從而導(dǎo)致人臉檢測(cè)失敗。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種人臉檢測(cè)方法及裝置，該方法通過卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)候選人臉和提取高維深度特征(即候選特征)，然后通過局部線性嵌入進(jìn)行特征投影來消除蒙面遮擋帶來的特征不完全和不精確，再采用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)(即CNN-V)驗(yàn)證候選人臉，從而獲得更加精確的人臉檢測(cè)性能。同時(shí)，本發(fā)明還提出了一種近似外部特征空間的構(gòu)造方法，通過從外部的數(shù)據(jù)庫(kù)中尋找最相似的參考人臉和差異最大的參考非人臉，進(jìn)行近似外部特征空間構(gòu)造，利用近似外部特征空間對(duì)候選特征進(jìn)行嵌入變換，從而修正候選特征。本發(fā)明通過以下技術(shù)方案來實(shí)現(xiàn)。

本發(fā)明的一種人臉檢測(cè)方法，其步驟包括：

1)對(duì)待檢測(cè)圖像進(jìn)行候選人臉檢測(cè)，得到候選人臉圖像；

2)對(duì)所述候選人臉圖像進(jìn)行候選特征提取，得到候選特征；

3)對(duì)所述候選特征進(jìn)行嵌入變換，得到傳統(tǒng)嵌入特征或近似嵌入特征，所述嵌入特征能夠恢復(fù)人臉線索并移除遮擋帶來的噪聲；

4)對(duì)所述傳統(tǒng)嵌入特征或近似嵌入特征，通過分類與回歸算法進(jìn)行驗(yàn)證，得到檢測(cè)結(jié)果。