[发明专利]一种人脸检测方法及装置

说明书

本发明公开了一种人脸检测方法及装置。本发明的方法为：1)从待处理的图像中检测出候选人脸，并提取该候选人脸的候选特征；2)将每一所述候选特征在预先构建的传统外部特征空间或近似外部特征空间进行投影变换，得到对应的传统或近似嵌入特征；其中，该近似外部特征空间是从参考人脸特征字典和非人脸特征字典中选择具有代表性的特征组成的字典；3)对所述嵌入特征进行验证，判别出所述嵌入特征对应的候选人脸是否为人脸。本发明的人脸检测装置包括候选模块、嵌入模块和验证模块。本发明能够得到精度更高的人脸检测性能；对有遮挡情况下，也具备良好的人脸检测能力。

技术领域

本发明属于计算机视觉和深度学习领域，尤其涉及一种针对遮挡条件下的人脸检测方法及装置。

背景技术

人脸检测技术可应用于相机自动对焦、人机交互、照片管理、城市安防监控、智能驾驶等诸多领域。当前，人脸检测在开放环境条件下的实际应用中，由于遮挡的普遍存在(如人群密集情况下)，人脸检测性能受到严重的挑战，因而遮挡条件下的人脸检测性能问题有待解决。另外，研究蒙面遮挡条件下的人脸检测具有重要的现实意义，例如：视频监控中用于发现可疑人员从而提供警告、通过检测蒙面人脸的分布规律进行天气状况预测等。传统的人脸检测方法在遮挡情况下遭遇严重的性能下降，原因在于检测过程中，被遮挡部分的人脸线索已经无效，从而造成在特征提取过程中不可避免地引入噪声。总之，不完整且不准确的特征使蒙面遮挡的人脸检测成为一个极具挑战的问题。

近几年来，在这一领域也研究了一些方法，现有技术是先检测出人脸候选，然后再对人脸候选分类确认。其中一种方法通过训练多个神经网络获得人脸多个部件的响应来检测人脸候选，然后再训练一个新的神经网络进行人脸候选的分类确认(参见：S.Yang,P.Luo,C.C.Loy,and X.Tang.From facial parts responses to face detection:A deeplearning approach.In:IEEE ICCV,2015)。另一种方法则通过选择部分特征比较来计算损失从而确认人脸候选(参见：M.Opitz,G.Waltner,G.Poier,H.Possegger,andH.Bischo.Grid loss:Detecting occluded faces.In ECCV,2016)，该方法能够较好地处理部分遮挡情况的人脸检测问题。上述方法在一定程度上缓解了严重遮挡(如蒙面遮挡)情况下的人脸检测问题，但仍未能获得完全解决。当人脸部件被遮挡，通过多个部件响应来检测人脸候选的人脸检测方法，在遮挡区域的部件会引入噪声或错误，从而可能导致人脸分类确认错误；当遮挡严重的时候，通过选择部分特征比较计算损失确认人脸候选的人脸检测方法，计算得到的损失误差较大，从而导致人脸检测失败。

发明内容

为克服现有技术的不足，本发明提供了一种人脸检测方法及装置，该方法通过卷积神经网络检测候选人脸和提取高维深度特征(即候选特征)，然后通过局部线性嵌入进行特征投影来消除蒙面遮挡带来的特征不完全和不精确，再采用多任务卷积神经网络(即CNN-V)验证候选人脸，从而获得更加精确的人脸检测性能。同时，本发明还提出了一种近似外部特征空间的构造方法，通过从外部的数据库中寻找最相似的参考人脸和差异最大的参考非人脸，进行近似外部特征空间构造，利用近似外部特征空间对候选特征进行嵌入变换，从而修正候选特征。本发明通过以下技术方案来实现。

本发明的一种人脸检测方法，其步骤包括：

1)对待检测图像进行候选人脸检测，得到候选人脸图像；

2)对所述候选人脸图像进行候选特征提取，得到候选特征；

3)对所述候选特征进行嵌入变换，得到传统嵌入特征或近似嵌入特征，所述嵌入特征能够恢复人脸线索并移除遮挡带来的噪声；

4)对所述传统嵌入特征或近似嵌入特征，通过分类与回归算法进行验证，得到检测结果。