[发明专利]一种基于卷积神经网络的人脸检测方法及系统

权利要求书

1.一种基于卷积神经网络的人脸检测方法，其特征在于，包括：

将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；

获取所ESFD的检测输出层中所述待检测图片的人脸检测结果；

在所述将待检测图片输入到训练后的ESFD中之前，所述方法还包括：

在所述S3FD中的卷积层和特征处理层之间加入增强型交织结构以及上下文特征融合结构，以构建所述ESFD，所述增强型交织结构是由经过norm层进行归一化处理后的Conv3_3、Conv4_3和Conv5_2，以及Conv_fc7、Conv6_2和Conv7_2，通过多个合成模块完成中间合并功能，形成网状结构得到的；所述合成模块的结构具体包括，低层与3×3的卷积核进行卷积后，连接max pooling层，高层分别经过3×3的卷积核后，连接反卷积层，然后与中间层合并，并将输出结果进行上下文特征融合；

训练所述ESFD，以获得所述训练后的ESFD。

2.根据权利要求1所述的方法，其特征在于，所述构建所述ESFD还包括：

将所述S3FD中的SoftmaxLoss层替换为FocalLoss层。

3.根据权利要求1所述的方法，其特征在于，所述构建所述ESFD还包括：

将所述S3FD中的固定anchor结构替换为随机anchor结构。

4.根据权利要求3所述的方法，其特征在于，所述将所述S3FD中的固定anchor结构替换为随机anchor结构，具体包括：

将所述固定anchor结构中的图像比例修改为预设比例；

将预设比例图像中特征点的位置坐标加上随机偏移量，以构成所述随机anchor结构。

5.根据权利要求1所述的方法，其特征在于，所述获取所ESFD的检测输出层中所述待检测图片的人脸检测结果，包括：

基于所述检测输出层中预设的Soft-NMS算法，获取分类得分大于预设阈值的人脸框作为所述人脸检测结果。

6.一种基于卷积神经网络的人脸检测系统，其特征在于，包括：

输入模块，用于将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；

检测输出模块，用于获取所ESFD的检测输出层中所述待检测图片的人脸检测结果；

训练模块，具体用于：

在所述S3FD中的卷积层和特征处理层之间加入增强型交织结构以及上下文特征融合结构，以构建所述ESFD，所述增强型交织结构是由经过norm层进行归一化处理后的Conv3_3、Conv4_3和Conv5_2，以及Conv_fc7、Conv6_2和Conv7_2，通过多个合成模块完成中间合并功能，形成网状结构得到的；所述合成模块的结构具体包括，低层与3×3的卷积核进行卷积后，连接max pooling层，高层分别经过3×3的卷积核后，连接反卷积层，然后与中间层合并，并将输出结果进行上下文特征融合；

训练所述ESFD，以获得所述训练后的ESFD。

7.一种基于卷积神经网络的人脸检测设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。

8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一项所述的方法。