[發(fā)明專利]一種基于yolo的人臉檢測(cè)與人臉對(duì)齊方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710703277.4
• 申請(qǐng)日: 2017-08-16
• 公開(kāi)（公告）號(hào): CN107358223B
• 公開(kāi)（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 王兵;楊燕平;劉威鑫
• 申請(qǐng)（專利權(quán)）人: 上海荷福人工智能科技（集團(tuán)）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 成都華風(fēng)專利事務(wù)所(普通合伙) 51223
• 代理人: 徐豐;張巨箭

1.一種基于yolo的人臉檢測(cè)與人臉對(duì)齊方法，其特征在于：其中人臉的識(shí)別分為兩大步驟，一是人臉的檢測(cè)，二是人臉的對(duì)齊；人臉檢測(cè)方面，人臉檢測(cè)采用邊框檢測(cè)的方式，即利用網(wǎng)絡(luò)學(xué)習(xí)將圖像劃分為若干邊框，從若干邊框中捕捉人臉，并提取出人臉的關(guān)鍵點(diǎn)信息；人臉的對(duì)齊則是將圖像中的人臉與已知的人臉進(jìn)行比對(duì)從而達(dá)到識(shí)別的目的；所述方法包括以下步驟：

S1、進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，具體包括如下步驟：

S1-1、創(chuàng)建人臉數(shù)據(jù)集，在LFW數(shù)據(jù)庫(kù)上隨機(jī)挑選具有光照變化、尺度變化和場(chǎng)景變化的人臉圖像，并將這些人臉圖像劃分為訓(xùn)練集、測(cè)試集及驗(yàn)證集；所述訓(xùn)練集用來(lái)建立預(yù)訓(xùn)練模型，所述測(cè)試集用來(lái)測(cè)試所述預(yù)訓(xùn)練模型的泛化能力，所述驗(yàn)證集用于控制所述預(yù)訓(xùn)練模型的參數(shù)；

S1-2、對(duì)訓(xùn)練集、測(cè)試集和驗(yàn)證集中的圖像進(jìn)行標(biāo)注，即收集圖像上人臉在圖像上的坐標(biāo)信息(x，y，w，h)以及人臉關(guān)鍵點(diǎn)的坐標(biāo)信息(xi，yi)；

S1-3、重構(gòu)人臉檢測(cè)與對(duì)齊數(shù)據(jù)庫(kù)，構(gòu)建ImageNet及yolo檢測(cè)框架的聯(lián)合數(shù)據(jù)庫(kù)以對(duì)訓(xùn)練集進(jìn)行分類學(xué)習(xí)進(jìn)而創(chuàng)建預(yù)訓(xùn)練模型，預(yù)訓(xùn)練模型包括前半部分的人臉檢測(cè)模型和后半部分的人臉對(duì)齊模型；所述ImageNet創(chuàng)建預(yù)訓(xùn)練模型中前半部分的人臉檢測(cè)模型，所述yolo檢測(cè)框架創(chuàng)建預(yù)訓(xùn)練模型中后半部分的人臉對(duì)齊模型，并通過(guò)損失函數(shù)提高所述人臉對(duì)齊模型的魯棒性；

所述損失函數(shù)為：

Loss＝α_object*(β₁*confidenceloss+β₂*locationloss+β₃*alignedloss)+α_noobject*confidenceloss

其中，confidenceloss表示每個(gè)圖像邊框?qū)?yīng)置信度回歸，locationloss表示位置回歸，alignedloss表示關(guān)鍵點(diǎn)回歸，α_object、β₁、β₂、β₃、α_noobject為權(quán)重；本損失函數(shù)包含了訓(xùn)練集的位置回歸、置信度回歸以及關(guān)鍵點(diǎn)回歸，通過(guò)調(diào)節(jié)置信度、位置及關(guān)鍵點(diǎn)損失的權(quán)重，使得模型收斂、提高模型的魯棒性；

S2、進(jìn)行網(wǎng)絡(luò)驗(yàn)證，使用所述驗(yàn)證集控制所述預(yù)訓(xùn)練模型的參數(shù)；

S2的效果驗(yàn)證是指，對(duì)于人臉檢測(cè)模型，使用mAp進(jìn)行衡量，對(duì)于人臉對(duì)齊模型，使用歐拉損失衡量；通過(guò)設(shè)定不同的IoU值計(jì)算出人臉檢測(cè)的準(zhǔn)確率和查全率，從而計(jì)算得到mAp，即是衡量人臉在圖像上的坐標(biāo)信息(x，y，w，h)的準(zhǔn)確率；對(duì)于人臉對(duì)齊模型的驗(yàn)證使用歐拉損失衡量，即是衡量人臉關(guān)鍵點(diǎn)的坐標(biāo)信息(xi，yi)的準(zhǔn)確率；這樣通過(guò)驗(yàn)證集的衡量，可以相應(yīng)調(diào)整預(yù)訓(xùn)練模型的相關(guān)參數(shù)，提高人臉檢測(cè)模型和人臉對(duì)齊模型的檢測(cè)準(zhǔn)確率和對(duì)齊準(zhǔn)確率；

S3、進(jìn)行性能測(cè)試，使用所述測(cè)試集測(cè)試所述預(yù)訓(xùn)練模型的泛化能力。

2.根據(jù)權(quán)利要求1所述的一種基于yolo的人臉檢測(cè)與人臉對(duì)齊方法，其特征在于：所述損失函數(shù)中

α_object＝2,α_noobject＝1,β₁＝1,β₂＝0.5,β₃＝0.5。

3.根據(jù)權(quán)利要求1所述的一種基于yolo的人臉檢測(cè)與人臉對(duì)齊方法，其特征在于：選取的人臉圖像中，80％作為為訓(xùn)練集、10％作為測(cè)試集、10％作為驗(yàn)證集。