[發(fā)明專利]一種基于深度學(xué)習(xí)的實時人臉檢測方法

在審

• 申請?zhí)枺?/td>: 201910654324.X
• 申請日: 2019-07-19
• 公開（公告）號: CN110348423A
• 公開（公告）日: 2019-10-18
• 發(fā)明（設(shè)計）人: 王雙琴;王凱東
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安銘澤知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61223
• 代理人: 李振瑞

本發(fā)明公開了一種基于深度學(xué)習(xí)的實時人臉檢測方法，采用MobileNets和SSD作為基礎(chǔ)網(wǎng)絡(luò)，在此基礎(chǔ)上引入FPN將多層信息進行融合，使得網(wǎng)絡(luò)提取的特征更加豐富，對人臉檢測效果起到了積極的作用。另外在網(wǎng)絡(luò)損失函數(shù)的設(shè)計過程中，借鑒了MultiBox的損失函數(shù)形式，將整個損失函數(shù)劃分成置信度損失和定位損失兩個部分，并將MultiBox的2類交叉熵損失擴充為多類別Focal loss形式的損失函數(shù)，很好的解決了在訓(xùn)練過程中出現(xiàn)的類別不均衡現(xiàn)象。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的實時人臉檢測方法。

背景技術(shù)

人臉檢測中經(jīng)常使用目標檢測(object detection)算法，該算法只采用頂層特征做預(yù)測，但低層的特征語義信息比較少，但是目標位置準確；高層的特征語義信息比較豐富，但是目標位置比較粗略。另外雖然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做預(yù)測，使得不同尺度下的特征語義信息豐富程度不盡人意。

而且對于分類問題，當各類別的訓(xùn)練數(shù)據(jù)不均衡時，模型訓(xùn)練會優(yōu)先數(shù)據(jù)比重較多的類別，對于較少數(shù)據(jù)的類別準確率可能較差，模型容易被帶偏。

發(fā)明內(nèi)容

本發(fā)明實施例提供了，可以解決現(xiàn)有技術(shù)中存在的問題。

本發(fā)明提供了一種基于深度學(xué)習(xí)的實時人臉檢測方法，包括以下步驟：

將SSD的基礎(chǔ)網(wǎng)絡(luò)VGG換成MobileNets，將待檢測圖像輸入至改進后的網(wǎng)絡(luò)，將改進后的網(wǎng)絡(luò)中Conv11、Conv13、Conv14_2、Conv15_2、Conv16_2和Conv17_2這6層的特征圖分別進行兩兩特征融合后，再將融合后的結(jié)果與其他層的特征圖進行特征融合，直到所有層的特征圖融合完畢，每次融合后的特征圖以及Conv17_2中的特征圖均輸入到預(yù)測層中；

預(yù)測層對融合后的特征圖進行人臉檢測，輸出相應(yīng)的預(yù)測框，最后對這些預(yù)測框進行過濾，獲得最終的人臉檢測結(jié)果；

上述方法中損失函數(shù)分為置信度損失和定位損失兩部分，置信度損失采用Focalloss進行計算，定位損失采用Fast R-CNN中的Smooth L1 Loss進行計算。

本發(fā)明中的一種基于深度學(xué)習(xí)的實時人臉檢測方法，采用MobileNets+SSD作為基礎(chǔ)網(wǎng)絡(luò)，在此基礎(chǔ)上引入FPN將多層信息進行融合，使得網(wǎng)絡(luò)提取的特征更加豐富，對人臉檢測效果起到了積極的作用。另外在網(wǎng)絡(luò)損失函數(shù)的設(shè)計過程中，借鑒了MultiBox的損失函數(shù)形式，將整個損失函數(shù)劃分成置信度損失和定位損失兩個部分，并將MultiBox的2類交叉熵損失擴充為多類別Focal loss形式的損失函數(shù)，很好的解決了在訓(xùn)練過程中出現(xiàn)的類別不均衡現(xiàn)象。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為特征融合過程的示意圖；

圖2為特征融合模塊的處理過程示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。