[发明专利]一种人脸检测方法及装置

权利要求书

1.一种人脸检测方法，其特征在于，包括：

采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量；

采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量；

将相同维度的所述第一图像特征向量和所述第二图像特征向量融合得到第三图像特征向量；

将所述第三图像特征向量降维得到第四图像特征向量；

根据所述第四图像特征向量，采用训练后的分类器检测各个所述候选窗口是否为人脸区域。

2.根据权利要求1所述的方法，其特征在于，所述第一深度卷积神经网络为Clarifai网络，所述第一深度卷积神经网络的训练方式包括：

按照初始学习率设为10^-4，动量为0.9，以第一样本训练库中的正样本和负样本的比例为1:3～1:10，对所述Clarifai网络进行微调训练。

3.根据权利要求1所述的方法，其特征在于，所述第二深度卷积神经网络为VGG Net-D网络，所述第二深度卷积神经网络的训练方式包括：

按照初始学习率设为10^-3，动量为0.9，以第一样本训练库中的正样本和负样本的比例为1:3～1:10，对所述VGG Net-D网络进行微调训练。

4.根据权利要求1所述的方法，其特征在于，

所述采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量的步骤中，对所述第一深度卷积神经网络的最后一个卷积层处理后的特征图采用平移池化offset max-pooling方法提取图像特征向量；

所述采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量的步骤中，对所述第二深度卷积神经网络的最后一个卷积层处理后的特征图采用平移池化offset max-pooling方法提取图像特征向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述第三图像特征向量降维得到第四图像特征向量的方法为主成分分析PCA方法。

6.根据权利要求1所述的方法，其特征在于，所述分类器为支持向量机SVM分类器，所述分类器的训练方式包括：

以第二样本训练库中的正样本和负样本的比例为1:1训练所述支持向量机SVM分类器，其中，所述支持向量机SVM分类器的分类决策函数中的核函数为多项式核函数。

7.根据权利要求1所述的方法，其特征在于，所述采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量的步骤之前，所述方法还包括：

构造图像金字塔获得多个尺度的输入图像。

8.根据权利要求1所述的方法，其特征在于，所述根据所述第四图像特征向量，采用训练后的分类器检测各个所述候选窗口是否为人脸区域的步骤之后，所述方法还包括：

根据检测得到的所述人脸区域，在所述输入图像上标注人脸检测框；

若多个所述人脸检测框的重叠面积大于参考阈值，则根据多个所述人脸检测框得到一个最优人脸检测框。

9.根据权利要求8所述的方法，其特征在于，所述根据多个所述人脸检测框得到一个最优人脸检测框的方法为非极大值抑制NMS方法。

10.一种人脸检测装置，其特征在于，包括：

第一提取模块，用于采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量；

第二提取模块，用于采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量；

融合模块，用于将相同维度的所述第一图像特征向量和所述第二图像特征向量融合得到第三图像特征向量；

降维模块，用于将所述第三图像特征向量降维得到第四图像特征向量；

检测模块，用于根据所述第四图像特征向量，采用训练后的分类器检测各个所述候选窗口是否为人脸区域。