[發明專利]基于人工神經網絡的人臉檢測識別方法

在審

• 申請號: 201710378921.5
• 申請日: 2017-05-25
• 公開（公告）號: CN107194356A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 歐陽偉
• 申請（專利權）人: 湖南警察學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙)11435
• 代理人: 馮曉欣

1.基于人工神經網絡的人臉檢測識別方法，其特征在于，包括以下步驟：

（1）位置和姿態估計：用神經網絡分析圖像中潛在的臉部區域并確定臉部姿態；

（2）預處理：圖像進行預處理來改善圖像的亮度和對比度；

（3）檢測：在前兩步對圖像作位置、姿態和預處理后，由面檢測器檢測是否存在人臉；

（4）決斷：通過利用啟發式算法，將面檢測器的檢測結果合并在一起作決斷，來增強人臉檢測的正確率。

2.根據權利要求1所述的基于人工神經網絡的人臉檢測方法，其特征在于，還包括人臉檢測訓練，訓練方法如下：

（1）窗口輸入圖像樣本；

（2）訓練神經網絡，對人臉圖像樣本輸出1，非人臉圖像樣本輸出-1；在循環的第一次迭代時，隨即初始化網絡的權重；

（3）使用上一次訓練計算的權重做為下一次訓練的起點。

3.根據權利要求2所述的基于人工神經網絡的人臉檢測方法，其特征在于，在（1）還包括圖像樣本的處理，處理方法為：在20×20像素的窗口中，將圖像調整為統一的大小、位置和方位；圖像的擴縮率為與之間的隨機因子，平移量為0.5像素以內的隨機值。

4.根據權利要求2或3所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述人臉訓練所需的圖像樣本的生成方法如下：

（1）選擇初始人臉圖像；

（2）依據頭部的三維姿態，在每張人臉圖樣上標記特征點；

（3）不同人臉上的標記特征點組合；

（4）多次組合后，形成多個人臉圖像樣本。

5.根據權利要求4所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述標記特征點組合的原理為：相關特征點對之間的距離平方和為最小。

6.根據權利要求1所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述標記特征點組合的計算方法如下：當存在旋轉、伸縮和移動時，相關特征點對之間的距離平方和為最小，即在二維形式下，坐標變換可以寫為：

。

7.根據權利要求6所述的基于人工神經網絡的人臉檢測方法，其特征在于，有多對相關的坐標集，上述公式擴展為：

用偽逆方法解此線形方程系統：命名左邊的矩陣為A，矢量形式的變量為T，右邊為B，此方程的偽逆解為：

偽逆解產生變換T是我們的初始目標，T最小化了坐標集與改造前的之間差的平方和；

在知道如何組合兩組標記了的特征點后，按如下的過程不斷組合特征點：

（1）初始化，這是一些初始特征位置的向量，也是所有臉部每一個被標記特征的平均位置；

對于正面臉的組合，這些特征可以為輸入窗口中兩個眼睛的期望位置，其它姿態的人臉，這些位置應該來自頭部的平均3D模型；

（2）對每一個人臉，使用組合程序來計算最合適的旋轉、平移和伸縮來組合臉部特征，得到平均特征位置，已組合的特征位置記為；

（3）對每一人臉，通過已組合的特征位置的平均，更新；

（4）旋轉、平移和伸縮特征坐標，使得最大限度地匹配一些標準的坐標，這些標準坐標像用于初始值一樣的使用；

（5）轉第2步；

（6）迭代多次后收斂，產生每一人臉與其它人臉組合的變換。

8.根據權利要求1所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述步驟（2）中預處理包括光照補償。

9.根據權利要求8所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述光照補償包括線性光照模型補償。

10.根據權利要求8所述的基于人工神經網絡的人臉檢測方法，其特征在于，所述光照補償還包括商圖像補償。