[發明專利]基于BP神經網絡的動量人臉檢測方法在審

申請號：	201710617052.7	申請日：	2017-07-26
公開（公告）號：	CN107527018A	公開（公告）日：	2017-12-29
發明（設計）人：	蔣林華;蔣云良;曹書慧;林曉;胡文軍;龍偉	申請（專利權）人：	湖州師范學院
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/46;G06K9/62;G06N3/08
代理公司：	杭州宇信知識產權代理事務所(普通合伙)33231	代理人：	張宇娟
地址：	313000***	國省代碼：	浙江;33
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于 bp 神經網絡動量檢測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及圖像數據處理領域，尤其涉及一種基于BP神經網絡的動量人臉檢測方法。

背景技術

在計算機視覺中人臉檢測是一個值得研究的課題。在過去的許多年里，科研人員在人臉檢測的領域投放了大量的經歷。人臉檢測的本質是將圖像中存在的人臉用矩形標標注出來。隨著人臉檢測應用的增加，人臉檢測逐漸發展成為一個獨立的研究課題，受到研究人員的關注。

通常，人臉檢測可分為兩類：一類是在靜態圖像(灰度或彩色圖像) 上的人臉檢測，根據圖像上人臉的個數，可以在圖像上檢測到單個或多個人臉。另一類是在動態圖像上進行人臉檢測，也被稱為目標跟。本文的研究是基于彩色圖像中的人臉檢測。人臉檢測的過程實際上是對人臉模式特征的綜合判斷。輸入的圖像可能包含大量的模式特征，這些特征通過顏色屬性可以分為兩類：一類是皮膚顏色特征，另一類是灰度特征。

將神經網絡應用于人臉檢測早在1994年就已經出現，之后出現了使用卷積神經網絡來訓練分類器、視網膜連接神經網絡來改善正面人臉檢測、檢測在圖像中存在偏置角度的人臉、以及最新的卷積神經網絡級聯的方法用于人臉檢測，這類神經網絡在人臉檢測識別中，都或多或少出現了神經網絡算法收斂時間過長的問題，并且在網絡訓練過程中出現一定的震蕩趨勢，使算法陷入局部最小值。最終導致神經網絡算法的不穩定性。

在人臉識別方法中，將Gabor變換運用到神經網絡中已經現有技術涉及的，Gabor變換是一個窗口傅立葉變換。Gabor函數可以提取在頻域內不同尺度和不同方向上的相關特征。Gabor核可以在特定的頻率提取圖像的特征。

類似中國專利號：CN201210057616的基于局部特征Gabor小波的神經網絡；上海大學申請的“基于Gabor小波變換和局部二值模式優化的人臉識別方法”專利，公開號為CN102024141A。該專利采用一種基于Gabor小波變換和局部二值模式優融合在一起；清華大學申請的“人臉部件特征和 Gabor人臉特征融合的人臉識別方法及其裝置”專利，公開號為 CN101276421，將Gabor小波變換與人臉部件特征融合起來。上述現有技術，不僅數據計算量比較大，收斂時間也比較長。

發明內容

本發明要解決的技術問題是：設計一種解決神經網絡在人臉檢測中收斂時間比較長，且在訓練中容易產生震蕩的問題。

為了解決上述技術問題，本發明提出一種基于BP神經網絡的動量人臉檢測方法。

步驟1：提取訓練集的圖像Gabor特征；

步驟2：將其輸入到動量因子反向傳播神經網絡中進行訓練；

步驟3：使用訓練好的系統去檢測輸入圖像中是否存在人臉，如果存在則用矩形標出。

作為一種優選：步驟1中的Gabor特征提取的方法是選擇了五個尺度和八個方向上的Gabor核用來提取圖像中的Gabor特征，將輸入圖像用5*8 個Gabor核進行卷積，生成不同頻率下的40個不同尺度的圖像特征。

本發明有益效果：

1、為了提高傳統反向傳播算法的訓練效果，將動量因子加到該算法中，有效地減緩神經網絡在訓練中的震蕩趨勢，可以避免算法陷入局部最小值。此外，增加的動量因子可以自適應地調整反向傳播神經網絡每層的權重值。大量的實驗結果表明，與經典的或最先進的人臉檢測模型相比，我們的實驗方案是有效的。

2、對于圖像的Gabor特征提取，采用5*8個Gabor核進行卷積，能夠對復雜的圖像，特別是具有色彩紋理，或是色彩差異度較低，特征值不明顯的圖像進行有效的提取，有效提升后續的BP神經網絡訓練的快速性。

附圖說明

附圖1：本發明方法BP反向傳播算法的過程。