[發明專利]融合RepGT-RepBox函數的遮擋人臉檢測方法

在審

• 申請號: 202010573445.4
• 申請日: 2020-06-22
• 公開（公告）號: CN111860174A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 陳寧;李夢璐
• 申請（專利權）人: 西安工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 燕肇琪

1.融合RepGT-RepBox函數的遮擋人臉檢測方法，其特征在于，具體按照以下步驟實施：

步驟1:步驟1、卷積層提取圖像feature map；

步驟2：RPN提取人臉候選區域，在提取人臉候選區時使用融合RepGT-RepBox函數的損失函數L，更加精準地選取包括人臉的候選區域；

步驟3：ROI池化層將人臉候選區域的特征轉換成固定大小；

步驟4：分類和回歸層判斷人臉具體位置。

2.根據權利要求1所述的融合RepGT-RepBox函數的遮擋人臉檢測方法，其特征在于，步驟1的具體實施方式如下：

步驟1.1、首先要獲取人臉圖像，人臉圖像來自WiderFace公開數據集，此數據集包含大量面部遮擋圖片，將圖像縮放至固定M×N大小；

步驟1.2、使用基于VGG16的Faster RCNN卷積層提取圖像feature map。

3.根據權利要求2所述的融合RepGT-RepBox函數的遮擋人臉檢測方法，其特征在于，步驟1.2中，所述Faster RCNN卷積層包括13個conv層，13個relu層，4個pooling層，依次通過這些層后可得到輸入圖像的feature map，conv、relu、pooling三種層的參數如下：

(1)13個conv層的參數均相同，具體為：kernel_size＝3,pad＝1，stride＝1；

(2)13個relu層均使用激活函數；

(3)4個pooling層的參數均相同，具體為：kernel_size＝2,stride＝2，經過此層后得出大小為(M/16)×(N/16)的feature map，kenel_size⁴＝16。

4.根據權利要求3所述的融合RepGT-RepBox函數的遮擋人臉檢測方法，其特征在于，步驟2的具體實施方式如下：

步驟2.1、先使用3*3的卷積核對feature map進行卷積運算，使feature map的特征更加集中；

步驟2.2、使用generate_anchors函數在feature map生成anchors，假設feature map中每個點上有k個anchors，所以anchors數量是celi(M/16)×celi(N/16)×K,celi()表示向上取整運算；

步驟2.3、使用softmax判斷得到的anchors屬于positiveanchors還是negativeanchors，提取出positive anchors為初步positive proposals候選區域；

步驟2.4、接著使用損失函數L計算positive anchors的bounding box regression的偏移量，通過L的值，判斷positive anchors是否范圍超過人臉邊界，剔除嚴重超出邊界的anchors；以獲得精確的positive proposals；

步驟2.5、排除掉超出人臉邊界的positive anchors后，對剩下的positive anchors進行Non-Maximum Suppression運算；

步驟2.6、對于進行了NMS后的positive anchors按分數從大到小排序，提取前Q個結果作為人臉候選區域positive proposals。

5.根據權利要求4所述的融合RepGT-RepBox函數的遮擋人臉檢測方法，其特征在于，步驟2.4中，所述損失函數L的表達式具體如下：

L＝L_Attr+α*L_RepGT+β*L_RepBox (1)

式(1)中，L_Attr為預測框與真實目標框所產生的損失值；L_RepGT為預測框與相鄰真實目標框所產生的損失值；L_RepBox為預測框與相鄰真實目標的預測框所產生的損失值；α和β為兩個相關系數。