[发明专利]抗侧脸干扰的人脸快速检测方法

说明书

本发明公开了一种抗侧脸干扰的人脸快速检测方法，用户选择一张普通的图片，利用深度神经网络提取图片特征后，确定人脸的确切位置。本发明提供一种人脸检测的训练方法，使用纯数据驱动的方式，使用普通人脸图片和人脸边界框作为输入，使用镜像对称与高斯滤波进行数据扩增，使用迁移学习与难例挖掘增强训练效果。本发明在读入人脸图片后，先将图片缩放，然后放入深度神经网络中提取特征，并产生多个人脸似然框和人脸似然框的置信度得分，最后采用非极大值抑制的方式选取最合适的人脸似然框。本发明对人脸照片的角度没有特定的要求，并且对于侧面人脸的检测效果依然非常明显。另外，本发明检测方法简单，采用端到端的检测方式，可应用于实时环境。

技术领域

本发明属于计算机智能监控视频处理技术领域，涉及一种抗侧脸干扰的人脸快速检测方法。

背景技术

监控视频，作为智能监控系统的核心部分，一直受到广泛的关注。随着建设完备公共安全系统的呼声越来越高，城市中的监控摄像头开始呈爆炸式增长。在现有的人力资源情况下，仅凭人力检索动辄十几路的监控视频，甚至是在海量视频库中进行检索，这将浪费大量的时间。因此将视频监控自动化，充分发挥视频监控的自主性和实时性，解放人工劳动力，这对安防领域乃至人们生活水平的提高有着至关重要的作用。为了满足辅助甚至是自动检索或监控视频摄像的需求，很多自动/半自动算法应运而生。

但目前世面上的检测算法，例如人脸检测算法，很难满足市场的需求，其面对人脸检测任务时，往往不能有效地解决模糊，遮挡，过小，亦或是检测速度过慢等问题。而本发明处理速度快，检测率高，可以充分解决模糊、遮挡以及人脸过小问题，能够有效辅助安防人员的工作。

发明内容

针对现有人脸检测方法的缺点，本发明提出一种抗侧脸干扰的人脸快速检测方法，可以有效地克服人脸遮挡、过小、模糊导致的人脸不能被检测等问题，而且采用卷积神经网络以及共享参数的策略，可以大大地提高检测速度。为了达到上述目的，本发明采用以下技术方案：

本发明抗侧脸干扰的人脸快速检测方法，包含数据收集与预处理阶段、预训练与训练阶段和检测阶段，具体步骤如下：

(a)数据收集与预处理阶段，收集实际应用场景下的人脸图像，并对收集到的人脸图像进行标定，生成原始训练集；

(b)数据收集与预处理阶段，对步骤(a)中收集到的人脸图像进行镜像对称、高斯滤波处理，生成综合扩增训练集；

(c)预训练和训练阶段，使用类别数为M的非人脸普通物体的图片作为数据以SoftMax Loss或log-likehood loss的方式来预训练一个物体检测的多分类模型；

(d)预训练和训练阶段，将步骤(c)中训练得到的模型参数来以迁移学习的方式初始化人脸检测模型的部分参数,并将原始的网络模型改为二分类模型；

(e)预训练和训练阶段，将步骤(b)中的得到的扩充训练集作为输入训练集，训练得到检测阶段将要使用的模型，训练采用端到端的方式，包含了候选区域提取、人脸检测特征提取及特征分类的功能；

(f)测试阶段该人脸检测方法可以在测试时方便的调节输入图片的缩放尺度以适应满足精确度、资源消耗和检测时间的要求。

作为优选的技术方案，所述步骤(a)包括下述步骤：

(a-1)使用步骤(a)中收集到的人脸图像，使用矩形框对图像中的人脸进行标定，标定时要求矩形框上至额头发际线最高点，下至下巴最低点，左右至脸颊；

(a-2)记录矩形框的左上角点在图像中的位置(x0,y0)与矩形框的宽高(w,h),得出矩形框右下角坐标(x1,y1)其中，x1＝x0+w，y1＝y0+h。

作为优选的技术方案，所述步骤(b)包括下述步骤：