[發明專利]一種基于通道分離型卷積的快速人臉檢測模型

在審

• 申請號: 201910364540.0
• 申請日: 2019-04-30
• 公開（公告）號: CN111860080A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 招繼恩;張海;譚大倫;候邦恩;杜春雷;龔振國
• 申請（專利權）人: 杰創智能科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 廣州專理知識產權代理事務所(普通合伙) 44493
• 代理人: 譚昉

本發明公開了一種基于通道分離型卷積的快速人臉檢測模型，包括以下步驟：將輸入圖像劃分為S*S個圖像塊，如果圖像中某個人臉區域的中心點落在某個圖像塊上，那么該圖像塊就負責對該人臉區域的檢測；每個圖像塊預測3個邊界框及其對應的目標概率，目標概率表示的是邊界框正確檢測到人臉的概率。本發明利用通道分離型卷積的設計大大減少了整個檢測網絡的參數量和計算復雜度，從而提升了網絡的人臉檢測速度。本發明基于全局信息進行預測，并且利用多個3*3和1*1的卷積層的組合對輸入圖片進行特征提取，因此能夠提升人臉檢測的精度。總之，本發明所提人臉檢測模型在提升人臉檢測速度的同時能夠保證較高的人臉檢測準確率。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種基于通道分離型卷積的快速人臉檢測模型。

背景技術

人臉檢測常應用于視頻監控，機器人視覺等領域。它要求算法實時性強，并且要有較高的準確率和較低的內存占用率。傳統的人臉檢測算法一般是基于boosting算法或者DPM模型。近年來，隨著深度學習在計算機視覺領域的成功，基于卷積神經網絡的方法也漸漸地被應用于人臉檢測的任務中。現存人臉檢測算法大多數要么準確率高，但是速度慢，要么速度快，但是準確率低。且大多數基于深度學習模型的人臉檢測算法結構過于復雜。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種基于通道分離型卷積的快速人臉檢測模型，以解決現有技術的不足。

為實現上述目的，本發明提供了一種基于通道分離型卷積的快速人臉檢測模型，包括以下步驟：

步驟1、將輸入圖像劃分為S*S個圖像塊，如果圖像中某個人臉區域的中心點落在某個圖像塊上，那么該圖像塊就負責對該人臉區域的檢測；

步驟2、每個圖像塊預測3個邊界框及其對應的目標概率，目標概率表示的是邊界框正確檢測到人臉的概率，將目標概率定義為P(目標)*IOU，若人臉區域的中心點落在預測邊界框內，則P(目標)＝1，否則為0；IOU表示的是預測邊界框與真值邊界框的交并比。

進一步地，所述每個預測邊界框要預測的的內容包括：x,y,w,h和目標概率C，其中(x,y)表示的是預測邊界框的相對中心坐標，而w和h表示的是邊界框的相對寬和高，目標概率表示的是預測邊界框與真值邊界框的交并比。

進一步地，所述3個邊界框中，與真值邊界框交并比最大的那個邊界框負責對人臉的檢測。

進一步地，所述與真值邊界框交并比最大的那個邊界框負責對人臉的檢測采用的損失函數如下：

其中，當第i個圖像塊中的第j個邊界框負責對人臉的檢測時，的值為1，的值為0，否則為的值為0，的值為1；α₁，α_nobj是常數項；一般來說，α₁的值設為5，α_nobj的值設為0.5；x_i,y_i,為預測邊界框中心點的坐標值；為真值邊界框中心點的坐標值；w_i，h_i為預測邊界框的長和寬；為真值邊界框的長和寬；C_i為預測的目標概率值；為實際目標概率值。

進一步地，所述模型利用通道分離型卷積，通道分離型卷積中卷積核的深度為1，卷積核分別對輸入特征圖的每個通道進行卷積，得到輸出特征圖對應的通道，之后再用卷積核對得到的輸出特征圖進行各通道信息的融合。

進一步地，所述模型包括20個卷積層和4個最大池化層。

本發明的有益效果是：