[發明專利]一種人臉屬性檢測方法及系統

在審

• 申請號: 202011470390.0
• 申請日: 2020-12-14
• 公開（公告）號: CN112597843A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王春枝;張文棟;嚴靈毓;李星;王早寧;官沙;馬森
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

本發明涉及一種人臉屬性檢測方法系統，該方法包括：獲取人臉圖像的訓練集；對所述訓練集中各人臉圖像進行預處理；對預處理后的所述人臉圖像進行目標檢測，獲得人臉目標圖像；從所述人臉目標圖像中提取人臉特征；以所述人臉特征為輸入，以人臉圖像對應的屬性為輸出訓練人臉屬性檢測模型；所述人臉屬性檢測模型為殘差網絡；獲得待檢測人臉圖像的待檢測人臉特征；將待檢測人臉特征輸入所述人臉屬性檢測模型，獲得待檢測人臉圖像的人臉屬性。本發明提高了人臉屬性檢測速度和準確性。

技術領域

本發明涉及人臉識別技術領域，特別是涉及一種人臉屬性檢測方法及系統。

背景技術

目前，多媒體領域蓬勃發展，圖像視頻采集設備廣泛普及，計算機視覺領域的相關課題越來越受到研究人員的重視。人臉識別檢測技術在深度學習中突飛猛進，并取得了階段性的成果，近幾年人臉識技術在視頻監控、圖像檢索、廣告投放和人機交互等領域有著巨大的應用前景。

在加速輕量級卷積模塊實現的基礎上，針對人臉檢測、識別和屬性分析的任務特點，研究高效的實時處理算法，設計并訓練精度高但運算量小的輕量級模型。基于此，需設計一個高效的卷積神經網絡模型，對人臉圖片和視頻進行多屬性多目標的識別，充分利用不同的屬性間的相關性，在保證人臉屬性識別高準確率的前提下，盡量減少模型中的超參的數量和計算量，提高效率，提升用戶體驗。其次，改進網絡模型并對數據庫圖像進行適當的數據預處理，從而解決數據庫中圖像類別分布不均衡的問題。

數據庫中圖像類別分布不均勻會導致在一組樣本中不同類別的樣本量差異非常大，并且樣本量少的分類中所包含的特征過少，這樣就很難從中提取規律，即使得到分類模型，也容易產生過度依賴于有限的數據樣本而導致過擬合的問題，當模型應用到新的數據上時，模型的準確性會很差。

發明內容

基于此，本發明的目的是提供一種人臉屬性檢測方法及系統，提高了人臉屬性檢測速度和準確性。

為實現上述目的，本發明提供了如下方案：

一種人臉屬性檢測方法，所述方法包括：

獲取人臉圖像的訓練集；

對所述訓練集中各人臉圖像進行預處理；

對預處理后的所述人臉圖像進行目標檢測，獲得人臉目標圖像；

從所述人臉目標圖像中提取人臉特征；

以所述人臉特征為輸入，以人臉圖像對應的屬性為輸出訓練人臉屬性檢測模型；所述人臉屬性檢測模型為殘差網絡；

獲得待檢測人臉圖像的待檢測人臉特征；

將待檢測人臉特征輸入所述人臉屬性檢測模型，獲得待檢測人臉圖像的人臉屬性。

可選地，所述人臉屬性包括性別和年齡。

可選地，所述人臉圖像包括通過照片或視頻獲取的人臉圖像。

可選地，所述對所述訓練集中各人臉圖像進行預處理，具體包括：

使用OpenCV定位所述人臉圖像中人臉的位置并根據人臉的面部特征進行人臉圖片的矯正和截取，獲得人臉目標圖像。

可選地，所述從所述人臉目標圖像中提取人臉特征，具體包括：

通過卷積神經網絡從所述人臉目標圖像中提取人臉特征。

本發明還公開了一種人臉屬性檢測系統，所述系統包括：

訓練集獲取模塊，用于獲取人臉圖像的訓練集；

預處理模塊，用于對所述訓練集中各人臉圖像進行預處理；

人臉目標圖像獲取模塊，用于對預處理后的所述人臉圖像進行目標檢測，獲得人臉目標圖像；