[發(fā)明專利]基于MTCNN人臉檢測的改進方法和裝置在審
| 申請?zhí)枺?/td> | 202110794827.4 | 申請日： | 2021-07-14 |
| 公開（公告）號： | CN113449677A | 公開（公告）日： | 2021-09-28 |
| 發(fā)明（設計）人： | 馬玉;柯學 | 申請（專利權）人： | 上海駿聿數(shù)碼科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463 | 代理人： | 董艷芳 |
| 地址： | 200333 上海市普陀*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 mtcnn 檢測 改進 方法 裝置 | ||
1.一種基于MTCNN人臉檢測的改進方法，其特征在于，包括：
利用預先獲取的人臉圖像訓練樣本，對MTCNN模型進行訓練；其中，所述人臉圖像訓練樣本包括：正向人臉樣本、非正向人臉樣本和非人臉樣本；所述MTCNN模型包括：O-Net網絡層，所述O-Net網絡層的輸入圖片的尺寸為64x64；
使用訓練后的MTCNN模型，對預先獲取的待檢測人臉圖像進行人臉檢測，獲取正向人臉圖像并輸出檢測結果。
2.根據(jù)權利要求1所述的基于MTCNN人臉檢測的改進方法，其特征在于，所述O-Net網絡層包括：輸入層、卷積層、最大池化層和分類器。
3.根據(jù)權利要求2所述的基于MTCNN人臉檢測的改進方法，其特征在于，所述O-Net網絡層各層輸出圖片的尺寸分別為：輸入層的輸出尺寸為64×64×3、第一卷積和池化層的輸出尺寸為31×31×32、第二卷積和池化層的輸出尺寸為14×14×64、第三卷積和池化層的輸出尺寸為5×5×64、第四卷積層的輸出尺寸為3×3×128。
4.根據(jù)權利要求3所述的基于MTCNN人臉檢測的改進方法，其特征在于，所述MTCNN模型的輸出結果的維度為1×4×10，所述輸出結果的每個維度分別表示：人臉概率、邊框回歸偏移向量和人臉關鍵點位置坐標。
5.根據(jù)權利要求1所述的基于MTCNN人臉檢測的改進方法，其特征在于，所述非正向人臉樣本包括：倒置人臉樣本、順時針90°人臉樣本、逆時針90°人臉樣本。
6.根據(jù)權利要求5所述的基于MTCNN人臉檢測的改進方法，其特征在于，在所述訓練樣本中，所述正向人臉樣本、所述倒置人臉樣本、所述順時針90°人臉樣本、所述逆時針90°人臉樣本和所述非人臉樣本的比例為：4:2:1:1:4。
7.一種基于MTCNN人臉檢測的改進裝置，其特征在于，包括：
模型訓練模塊，用于利用預先獲取的人臉圖像訓練樣本，對MTCNN模型進行訓練；其中，所述人臉圖像訓練樣本包括：正向人臉樣本、非正向人臉樣本和非人臉樣本；所述MTCNN模型包括：O-Net網絡層，所述O-Net網絡層的輸入圖片的尺寸為64x64；
人臉檢測模塊，用于使用訓練后的MTCNN模型，對預先獲取的待檢測人臉圖像進行人臉檢測，獲取正向人臉圖像并輸出檢測結果。
8.根據(jù)權利要求7所述的基于MTCNN人臉檢測的改進裝置，其特征在于，所述非正向人臉樣本包括：倒置人臉樣本、順時針90°人臉樣本、逆時針90°人臉樣本。
9.一種電子設備，包括存儲器、處理器，所述存儲器中存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述權利要求1至6任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有機器可運行指令，所述計算機可運行指令在被處理器調用和運行時，所述計算機可運行指令促使所述處理器運行所述權利要求1至6任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海駿聿數(shù)碼科技有限公司，未經上海駿聿數(shù)碼科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110794827.4/1.html，轉載請聲明來源鉆瓜專利網。
