[发明专利]基于深度学习的人脸检测系统

权利要求书

1.基于深度学习的人脸检测系统，其特征在于：包括人脸检测网络、数据输入模块、结果输出模块、模型训练模块以及数据集，所述的数据输入模块、人脸检测网络以及结果输出模块依次连接，所述的模型训练模块分别连接所述的人脸检测网络和数据集；

所述的数据输入模块，向人脸检测网络输入检测数据；

所述的人脸检测网络，对检测数据进行人脸识别检测；

结果输出模块，显示人脸检测网络的检测结果；

所述的数据集存储大量的检测数据，并提供给模型训练模块；

所述的模型训练模块，以数据集中的数据配合人脸检测网络进行训练。

2.根据权利要求1所述的基于深度学习的人脸检测系统，其特征在于：所述的检测数据包括预存检测数据和及时检测数据。

3.根据权利要求2所述的基于深度学习的人脸检测系统，其特征在于：所述的预存检测数据和及时检测数据均包括视频数据和图像数据。

4.根据权利要求1所述的基于深度学习的人脸检测系统，其特征在于：所述的数据集采用Wider face数据集。

5.根据权利要求1所述的基于深度学习的人脸检测系统，其特征在于：所述的人脸检测网络对输入的视频数据和图像数据进行一个检测来检测出其中的人脸，并且对其检测出的人脸用一个方框来标记出来。

6.根据权利要求5所述的基于深度学习的人脸检测系统，其特征在于：所述的人脸检测网络使用SSD目标检测算法，利用不同卷积层的feature map进行综合处理，直接去预测这个bounding box的坐标和类别的object detection。

7.根据权利要求6所述的基于深度学习的人脸检测系统，其特征在于：图像或视频在进入SSD目标检测算法的时候，它就会在一系列的卷积层中被逐个进行传递，产生一系列不同的特征图，这些特征图的每一个位置被一个3x3的卷积滤波器(convolutional filter)去评估一下，得到一个默认的边框。

8.根据权利要求7所述的基于深度学习的人脸检测系统，其特征在于：所述的特征图为人脸五官图。

9.根据权利要求1所述的基于深度学习的人脸检测系统，其特征在于：所述的数据输入模块通过Python所编写的程序直接从硬盘中已知位置调取预处理为MP4格式的文件进行人脸检测，或者是直接调取摄像头所采集到的视频，采用实时传送的方式来进行人脸检测。

10.根据权利要求1所述的基于深度学习的人脸检测系统，其特征在于：所述的结果输出模块采用1080p高清显示。