[發明專利]單步人臉檢測器優化系統、方法、裝置

有效

• 申請號: 201910502740.8
• 申請日: 2019-06-11
• 公開（公告）號: CN110222657B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 雷震;張士峰;張永明
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明的一種單步人臉檢測器優化系統，包括訓練系統：經數據增強模塊對被檢測圖像進行復制拼接、隨機裁剪獲的圖像塊，并通過數據增強獲取訓練樣本；經單步人臉檢測器接口模塊將訓練樣本發送至待訓練的單步人臉檢測器進行二分類和邊框回歸，并獲取二分類過程中的采樣特征；經尺度感知邊距模塊獲取訓練樣本的尺度感知邊距損失；經特征監督模塊通過基于特征監督的分類網絡進行訓練樣本的二分類；損失函數模塊，通過基于L_CLS、L_LOC、L_FSM的損失函數對單步人臉檢測器進行訓練；測試系統：計算訓練系統輸出的單步人臉檢測器的準確度，并在未達到設定條件時再次通過訓練系統訓練。本發明可以在不增加任何額外開銷的前提下提高人臉檢測器分類能力。

技術領域

本發明屬于模式識別技術領域，具體涉及一種單步人臉檢測器優化系統、方法、裝置。

背景技術

人臉檢測是一種在任意輸入圖像中決定是否存在人臉并返回每一個人臉位置的技術，其廣泛應用于計算機視覺等領域，例如人臉識別、人臉追蹤和人臉分析等。

目前在人臉檢測模型中，基于錨點框的單步檢測方法占主導地位，該方法基于不同位置、尺度和縱橫比的錨點框進行人臉檢測。隨著深度神經網絡的發展，這種基于錨點框的單步檢測方法已經在學術界取得了巨大的進步。具體地說，在非常有挑戰性的WIDERFACE數據集中，困難子集上的性能近幾年已經從40％被提升到了90％?，F在，如何持續改進這些高性能的人臉檢測器已經成為一個具有挑戰性的問題，尤其是在不增加額外開銷的情況下。針對該問題，通過分析高性能人臉檢測器在WIDER FACE驗證集上的錯誤分布，發現有兩種錯誤模式，即回歸和分類，其中分類錯誤在檢測中占主要作用。如果能夠增強人臉檢測器的分類能力，就可以從復雜的背景中識別出更多的人臉，從而減少錯誤樣本，提高檢測精度。因此，如何提高人臉檢測器的分類能力是一個值得進一步研究的問題。

發明內容

為了解決現有技術中的上述問題，即為了解決在不增加任何額外開銷的前提下提高人臉檢測器分類能力的問題，本發明的第一方面，提出了一種單步人臉檢測器優化系統，所述系統包括訓練系統、測試系統；所述訓練系統包括數據增強模塊、尺度感知邊距模塊、特征監督模塊、單步人臉檢測器接口模塊、損失函數模塊；

所述數據增強模塊，配置為基于被檢測圖像，通過復制拼接獲得拼接圖像；在所述拼接圖像中隨機裁剪獲得一個圖像塊，并對該圖像塊進行數據增強后，通過對錨點框進行劃分獲取訓練樣本；

所述單步人臉檢測器接口模塊，配置為將所述訓練樣本發送至待訓練的單步人臉檢測器進行二分類和邊框回歸，并獲取單步人臉檢測器進行訓練樣本的二分類過程中得到的各訓練樣本的采樣特征；

所述尺度感知邊距模塊，配置為獲取訓練樣本的尺度感知邊距損失；

所述特征監督模塊，配置為基于所述各訓練樣本的采樣特征，通過基于特征監督的分類網絡進行訓練樣本的二分類；

所述損失函數模塊，配置為通過基于L_CLS、L_LOC、L_FSM的損失函數，對單步人臉檢測器進行參數更新；其中，L_CLS為所述單步人臉檢測器二分類中的尺度感知邊距損失函數，L_LOC為邊框回歸損失函數，L_FSM為基于特征監督的分類網絡中二分類的損失函數；

所述測試系統，配置為基于預設的測試數據，利用所述訓練系統得到的單步人臉檢測器進行人臉檢測任務獲取檢測準確度，并在該準確度小于預設準確度閾值時，再次通過所述訓練系統優化所述單步人臉檢測器。

在一些優選的實施方式中，所述被檢測圖像為矩形，所述數據增強模塊中“基于被檢測圖像，通過復制拼接獲得拼接圖像”，其方法為：

將被檢測圖像復制4次，并通過矩陣式拼接獲取所述拼接圖像；所述拼接圖像的長邊和短邊分別為被檢測圖像長邊和短邊的2倍。