[發明專利]人臉誤檢優化方法及裝置

有效

• 申請號: 201810879801.8
• 申請日: 2018-08-03
• 公開（公告）號: CN110795975B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 劉承文
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/778;G06V10/25
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

本申請實施例提供一種人臉誤檢優化方法及裝置。該方法包括：提取待識別圖像集中每張圖像的人臉初始區域；基于預先訓練的多任務人臉判別網絡模型提取所述人臉初始區域中人臉的關鍵特征點，并根據每個關鍵特征點對應區域的深度特征判斷所述人臉初始區域中的人臉是否為誤檢人臉；若是，則將該張圖像從所述待識別圖像集中移除，以得到誤檢優化后的待識別圖像集。由此，通過采用多任務人臉判別網絡模型大大提高了計算實效性，不僅能夠提升人臉關鍵特征點定位的準確率，還可以減少每個關鍵特征點單獨判斷帶來的累積誤差，從而有效降低人臉檢測的誤檢率。

技術領域

本申請涉及計算機技術領域，具體而言，涉及一種人臉誤檢優化方法及裝置。

背景技術

人臉視頻監控與處理是智能監控系統中的一個重要組成部分。人臉監控在小區門禁、地鐵安檢等越來越多的實際場景中應用，在維穩反恐、流動人員管控等方面起到積極的促進作用。然而，在人臉檢測過程中，如何控制誤檢率一直是重大難題，因為應用場景的多樣性，會造成大量的圖案、車輪、背包、甚至空拍等錯誤檢測，這類誤檢圖片會影響后續的人臉比對和識別功能，導致虛警事件，增加人工甄別成本。例如，當前基于深度學習方法的人臉檢測，誤檢率一般都在5％左右，在某些復雜場景中甚至達10％，對于人臉監控產品的應用是一個致命的問題。

發明內容

為了克服現有技術中的上述不足，本申請的目的在于提供一種人臉誤檢優化方法及裝置，以解決或者改善上述問題。

為了實現上述目的，本申請實施例采用的技術方案如下：

第一方面，本申請實施例提供一種人臉誤檢優化方法，應用于監控設備，所述方法包括：

提取待識別圖像集中每張圖像的人臉初始區域；

基于預先訓練的多任務人臉判別網絡模型提取所述人臉初始區域中人臉的關鍵特征點，并根據每個關鍵特征點對應區域的深度特征判斷所述人臉初始區域中的人臉是否為誤檢人臉；

若是，則將該張圖像從所述待識別圖像集中移除，以得到誤檢優化后的待識別圖像集。

可選地，所述提取待識別圖像集中每幀圖像的人臉初始區域的步驟，包括：

將所述待識別圖像集中的每幀圖像轉換為灰度圖像；

提取所述灰度圖像的類Haar特征；

利用adaboost級聯分類器對提取出的類Haar特征進行推理，根據所述類Haar特征從所述灰度圖像中提取得到人臉的初始區域。

可選地，所述多任務人臉判別網絡模型包括依次連接的基礎特征提取網絡和深度特征提取網絡，所述基于預先訓練的多任務人臉判別網絡模型提取所述人臉初始區域中人臉的關鍵特征點，并根據每個關鍵特征點對應區域的深度特征判斷所述人臉初始區域中的人臉是否為誤檢人臉的步驟，包括：

將所述人臉初始區域輸入到所述多任務人臉判別網絡模型中，通過基礎特征提取網絡提取所述人臉初始區域中人臉的關鍵特征點；

通過深度特征提取網絡提取每個關鍵特征點對應區域的深度特征；

根據提取出的每個關鍵特征點對應區域的深度特征判斷所述人臉初始區域中的人臉是否為誤檢人臉。

可選地，所述通過深度特征提取網絡提取每個關鍵特征點對應區域的深度特征的步驟，包括：

分別通過每個卷積層組合提取每個關鍵特征點對應區域的特征圖；

通過ROI池化層從每個關鍵特征點對應區域的特征圖中提取出目標特征圖，并按照線性插值方法對提取出的目標特征圖進行池化操作得到池化后的每個關鍵特征點對應區域的池化深度特征；

將每個關鍵特征點對應區域的池化深度特征輸入到對應的全連接層組合中，得到每個關鍵特征點對應區域的深度特征。