[發明專利]一種基于尺度建議網絡的人臉檢測方法

在審

• 申請號: 201710860946.9
• 申請日: 2017-09-21
• 公開（公告）號: CN107563350A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及人臉檢測領域，尤其是涉及了一種基于尺度建議網絡的人臉檢測方法。

背景技術

人臉檢測是人臉識別系統中的關鍵環節，人臉檢測系統應該能夠處理各種尺度、姿態和外觀的人臉。現今，人臉檢測是計算機視覺應用最廣泛的應用之一，人臉檢測在圖像搜索、身份識別、安全防護、即時通訊、娛樂媒體等方面有廣闊應用，尤其是多人臉檢測的應用更為廣泛，如大型社交領域的安全權限、公民出入境事務、銀行業務安全以及安防等重要領域都有相應的應用。常用的人臉檢測方法采用卷積神經網絡(CNN)，通過卷積神經網絡的人臉檢測器，并沒有考慮到姿態和規模的差異，由于其處理不同尺度的人臉時效率不高，而且依賴于在大尺度范圍或多尺度測試中擬合一個的單一模型，計算量大且價格昂貴，性能效果不太好。

本發明提出了一種基于尺度建議網絡的人臉檢測方法，輸入圖像進行重采樣獲得一個小尺寸圖像，通過尺度建議網絡產生尺寸建議，估計人臉大小，生成尺度直方圖，在網絡的末端放置最大池層，接著縮放直方圖，提取直方圖信號，直方圖向量在一定尺度下對人臉存在概率進行編碼。最后通過單尺度區域建議網絡和結果結合進行人臉檢測。如果在一幅圖像中生成多尺度建議，則對其進行多次縮放和檢測，并將結果組合起來形成最終的檢測結果。本發明在尺度建議階段的目標是估計圖像中出現所有人臉的可能大小，然后圖像縮放根據尺度建議和單尺度區域建議網絡進行檢測。可以節省檢測中的計算量，計算價格低，檢測性能好。

發明內容

針對計算量大且價格昂貴的問題，本發明的目的在于提供一種基于尺度建議網絡的人臉檢測方法，輸入圖像進行重采樣獲得一個小尺寸圖像，通過尺度建議網絡產生尺寸建議，估計人臉大小，生成尺度直方圖，在網絡的末端放置最大池層，接著縮放直方圖，提取直方圖信號，直方圖向量在一定尺度下對人臉存在概率進行編碼。最后通過單尺度區域建議網絡和結果結合進行人臉檢測。

為解決上述問題，本發明提供一種基于尺度建議網絡的人臉檢測方法，其主要內容包括：

(一)尺度建議網絡(SPN)；

(二)縮放直方圖；

(三)單尺度區域建議網絡進行人臉檢測。

其中，所述的尺度建議網絡(SPN)，定義尺度建議網絡來估計人臉大小，在尺度建議階段，尺寸建議通過尺度建議網絡(SPN)產生，專門設計的卷積神經網絡，目的是在最小的人為約束下生成灰度直方圖；

尺度建議網絡是一個完全卷積網絡，最后一個卷積層之后有一個最大池層，用于從任意大小的輸入圖像生成固定長度直方圖矢量；以原始圖像作為輸入，并產生一個尺度反應熱圖(大小為w×h×n)，經過最大池層熱圖減少到一個直方圖矢量的大小1×1×n，每一個元素對應于圖像中具有一定規模的人臉概率，直方圖向量解釋為一個尺度-概率直方圖，輸出特征長度等于標度直方圖中的bin的數量，直方圖用Sigmoid函數歸一化，使得每個元素概率都在[0,1]范圍內。

進一步地，所述的人臉大小，用于生成標定真實直方圖的人臉的大小定義為正方形包圍盒的邊長，保持它在整個訓練樣本中的一致性，邊界框注釋中的噪聲會影響尺度建議網絡的性能，兩個階段之間的邊界框的任何偏差都會嚴重影響性能，手工標注面部包圍盒容易產生噪聲，所以使用轉換點面部標志性進行注釋：

與左眼中心、右眼中心、鼻子、左嘴角和右嘴角的位置對應，分別為k＝1,2,…,5，相應的包圍盒定義為其中是盒子的中心位置，是它的邊長，o_x，o_y和o_y是樣本共享的偏移參數。

進一步地，所述的標定真實直方圖，直接把直方圖當作多個二進制分類器，為每個面部位置設置相應的bin，容易出現注釋噪聲，采用穩定的生成標定真實直方圖矢量的方法，對于每個標定真實面部尺寸s，分配一個高斯函數：

標注i的目標值從f(x)采樣：

高斯函數提供了軟邊界，有較高的魯棒性，σ的選擇取決于誤差分布和探測器的窗口大小。

進一步地，所述的尺度直方圖，在對數尺度直方圖同樣放置n個bin，左邊緣對應面部大小s₀，右邊緣對應面部大小s_n、直方圖矢量h的定義為：

h＝[a₁,a₂,a₃,…,a_n](4)