[發明專利]基于卷積神經網絡的人臉檢測方法及裝置

在審

• 申請號: 201710856524.4
• 申請日: 2017-09-21
• 公開（公告）號: CN107633229A
• 公開（公告）日: 2018-01-26
• 發明（設計）人: 謝靜;王正;李志國;曾建平
• 申請（專利權）人: 北京智芯原動科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/194;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于卷積神經網絡的人臉檢測方法，其特征在于，該方法包括：

第一步驟，輸入待處理圖像；

第二步驟，采用雙膚色分割法，從待處理圖像中提取前景區域；

第三步驟，根據前景區域的前景點所占比值和寬高比，從前景區域中篩選出候選區域；

第四步驟，選取標注人臉的圖像為正樣本圖像，標注非人臉的圖像為負樣本圖像，根據正樣本圖像和負樣本圖像對卷積神經網絡進行反復訓練，獲取訓練好的人臉檢測模型；以及

第五步驟，采用訓練好的人臉檢測模型對候選區域進行人臉檢測，輸出檢測結果。

2.如權利要求1所述的方法，其特征在于，所述第二步驟包括：

YIQ前景分割步驟，將待處理圖像從RGB顏色空間轉換到YIQ顏色空間，統計待處理圖像中像素點(x,y)的I分量值I(x,y)，若ITh1≤I(x,y)≤ITh2，則認為像素點(x,y)為前景點，否則認為像素點(x,y)為背景點，生成由前景點與背景點構成的二值圖像，對二值圖像進行中值濾波處理，以獲取YIQ二值圖像；

YCbCr前景分割步驟，將待處理圖像從RGB顏色空間轉換到YCbCr顏色空間，統計待處理圖像中像素點(x,y)的Cb分量值Cb(x,y)和Cr分量值Cr(x,y)，若CbTh1≤Cb(x,y)≤CbTh2并且CrTh1≤Cr(x,y)≤CrTh2，則認為像素點(x,y)為前景點，否則認為像素點(x,y)為背景點，生成由前景點與背景點構成的二值圖像，對二值圖像進行中值濾波處理，以獲取YCbCr二值圖像；

雙膚色二值圖像獲取步驟，若YIQ二值圖像與YCbCr二值圖像做與操作，獲取雙膚色二值圖像；

前景區域獲取步驟，采用連通區域法對雙膚色二值圖像進行連通區域標記，統計標記連通區域CR_i的標記點的個數SR_i，若SR_i≥STh，則在待處理圖像中獲取對應標記連通區域的外接矩形區域作為前景區域，其中CR_i為標記的第i個連通區域。

3.如權利要求2所述的方法，所述ITh1的取值范圍為0.01～0.06，所述ITh2的取值范圍為0.1～0.6，所述CbTh1的取值范圍為60～90，所述CbTh2的取值范圍為110～150，CrTh1的取值范圍為115～155，所述CrTh2的取值范圍為150～190，所述STh的取值范圍為15～40。

4.如權利要求1所述的方法，其特征在于，所述第三步驟包括：

區域寬高比計算步驟，統計第j個前景區域的寬度FAW_j和高度FAH_j，計算寬度與高度的比值

前景點比值計算步驟，統計第j個前景區域內前景點數量FSum_j，計算前景點所占的比值

候選區域篩選步驟，若RTh1≤WHR_j≤RTh2并且FR_j≥RTh3，則認為第j個前景區域為候選區域，否則將第j個前景區域內的所有前景點設置為背景點。

5.如權利要求4所述的方法，所述RTh1的取值范圍為0.4～0.9，所述RTh2的取值范圍為1.2～2.2，所述RTh3的取值范圍為0.4～0.9。

6.如權利要求1所述的方法，其特征在于，所述第四步驟包括：

訓練樣本選取步驟，選取多樣式的標注人臉圖像為正樣本圖像，選取多樣式的標注非人臉圖像為負樣本圖像；

樣本初步訓練步驟，將正樣本圖像和負樣本圖像進行灰度化處理，并將其縮放到固定寬度和固定高度，采用卷積神經網絡對經過灰度化和縮放處理的正樣本圖像和負樣本圖像進行訓練，獲得初步訓練的人臉檢測模型；

測試樣本選取步驟，選取多樣式的標注人臉圖像和標注非人臉圖像為測試圖像；樣本二次訓練步驟，將測試圖像進行灰度化處理，并將其縮放到固定寬度和固定高度，采用初步訓練的人臉檢測模型對經過灰度化和縮放處理的測試圖像進行反復訓練，直至人臉檢測模型收斂。

7.如權利要求6所述的方法，所述固定寬度的取值范圍為16～256，所述固定高度的取值范圍為16～256。