[發明專利]一種四級人臉檢測和關鍵點回歸的方法及系統

在審

• 申請號: 201911194038.6
• 申請日: 2019-11-28
• 公開（公告）號: CN110956130A
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 馮偲
• 申請（專利權）人: 的盧技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

本發明公開了一種四級人臉檢測和關鍵點回歸的方法及系統，包括以下步驟，采集模塊采集人臉圖像數據，并結合公開數據集構建訓練樣本；處理模塊對所述訓練樣本進行處理，分為完整人臉圖像、部分人臉圖像和無人臉圖像三種類別；識別模塊搭建四級人臉檢測模型并基于所述訓練樣本分別對四個人臉檢測模型進行訓練，輸出充分訓練后的人臉檢測模型；使用采集模塊采集待測圖像；將所述待測圖像輸入訓練后的識別模塊進行人臉檢測。本發明的有益效果：能夠在不增加訓練樣本的基礎上，提升人臉檢測的精度，并在復雜光照環境下可以獲得效果比較好的人臉檢測框和人臉關鍵點，提高在實際應用中的人臉檢測效果。

技術領域

本發明涉及機器視覺的技術領域，尤其涉及一種四級人臉檢測和關鍵點回歸的方法及系統。

背景技術

近年來，人臉識別技術迅速發展并被廣泛應用于多個領域，通常的方法是通過圖像采集設備如攝像頭獲取圖像并對圖像中的人臉進行檢測，如果在圖像中獲取到人臉框，則會進行后續的人臉識別判斷等步驟，因此，人臉檢測是人臉識別過程中的重要步驟，該步驟的好壞直接決定了接下來的識別和判斷效果。

而在現有的人臉檢測方法中存在諸多問題，主要包括識別率和召回率等相關指標都比較低，且在復雜光照條件和使用場景下，會產生大量的漏檢測和誤檢測，在人臉存在大角度偏轉的時候，也會產生大量的漏檢現象。具體來看，在現有技術的圖像處理等算法中，通常會針對訓練樣本中人臉的膚色建立統計學模型，然后根據統計學模型對圖像進行二值化處理并找出人臉位置，該方法在光照或者人臉膚色變化較大的情況下會造成大量的漏檢和誤檢；而基于深度學習方法的人臉檢測雖然相比較上述算法有了很大的改進，例如MTCNN算法等都獲得了良好的效果，但是這種算法在檢測的過程中對人臉框的準確位置和關鍵的回歸還不夠準確，需要進一步的提升和改進。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有存在的問題，提出了本發明。

因此，本發明解決的一個技術問題是：提供一種四級人臉檢測和關鍵點回歸的方法，提高人臉檢測的準確率，并使得人臉關鍵點的回歸效果更好。

為解決上述技術問題，本發明提供如下技術方案：一種四級人臉檢測和關鍵點回歸的方法，包括以下步驟，采集模塊采集人臉圖像數據，并結合公開數據集構建訓練樣本；處理模塊對所述訓練樣本進行處理，分為完整人臉圖像、部分人臉圖像和無人臉圖像三種類別；識別模塊搭建四級人臉檢測模型并基于所述訓練樣本分別對四個人臉檢測模型進行訓練，輸出充分訓練后的人臉檢測模型；使用采集模塊采集待測圖像；將所述待測圖像輸入訓練后的識別模塊進行人臉檢測。

作為本發明所述的四級人臉檢測和關鍵點回歸的方法的一種優選方案，其中：所述對訓練樣本進行處理還包括以下步驟，根據標簽信息在正確的人臉框中心點隨機生成候選框，然后將候選框和正確框計算IOU，并根據IOU大小確定候選框的標簽。

作為本發明所述的四級人臉檢測和關鍵點回歸的方法的一種優選方案，其中：所述分類的標準為，0.65<IOU<1時，為完整人臉圖像，作為正樣本；0.3<IOU<0.65時，為有部分人臉圖像，作為部分樣本；IOU<0.3時，為無人臉圖像，作為負樣本。

作為本發明所述的四級人臉檢測和關鍵點回歸的方法的一種優選方案，其中：所述正樣本、部分樣本和負樣本的比例為1：1：3。

作為本發明所述的四級人臉檢測和關鍵點回歸的方法的一種優選方案，其中：所述四級人臉檢測模型包括A-NET、B-NET、C-NET和D-NET四個網絡模型，且A-NET為包括四個卷積層的輕量級的全卷積網絡模型，B-NET、C-NET和D-NET為有全連接的分類網絡模型。