[发明专利]人脸检测方法及系统

权利要求书

1.人脸检测方法，其特征在于，包括如下步骤：

S001：采集包含人脸的图像，对图像中的人脸区域进行标定；

S002：对标定的人脸框坐标进行转换；

S003：使用聚类算法选取锚框；

S004：优化深度学习人脸检测网络；

S005：基于人脸样本库和步骤S004优化后的深度学习人脸检测网络，训练人脸检测模型；

S006：输入待检测图像，对待检测图像预处理之后提取特征，基于步骤S005训练的人脸模型，使用步骤S003聚类得到的锚框回归人脸框，检测人脸。

2.如权利要求1所述的人脸检测方法，其特征在于，步骤S001标定的内容包括：人脸区域外接矩形的左上角坐标，及人脸矩形框的长度和宽度。

3.如权利要求2所述的人脸检测方法，其特征在于，步骤S002中对标定的人脸框坐标进行转换，具体包括：

S002_1：根据步骤S001标定内容计算人脸框的中心坐标(x_center，y_center)以及人脸框的长h_rect和宽w_rect；

S002_2：对步骤S002_1计算的数值进行归一化处理，得到用于训练输入的x、y、w和h，其中，x为人脸框横坐标，x＝x_center/w_image，y为人脸框纵坐标，y＝y_center/h_image，w为人脸框长，w＝w_rect/image_width，h为人脸框高，h＝h_rect/h_image，w_image和h_image分别为图像的宽和高。

4.如权利要求1所述的人脸检测方法，其特征在于，步骤S003使用KMeans聚类算法选取锚框，具体包括:

使用KMeans聚类算法，将标注好的人脸矩形框聚类出6种适合人脸框比例的长宽比。

5.如权利要求1所述的人脸检测方法，其特征在于，步骤S004优化深度学习人脸检测网络，具体包括：

S004_1：将原网络中的3x3卷积操作先使用1x1的卷积操作根据需要按比例降通道，再使用3x3卷积将通道升为原有数量；

S004_2：调整原有网络中的route层链接结构，与改进后的卷积采样层相对应。

6.人脸检测系统，其特征在于，包括训练和检测两个部分；其中，所述训练部分包括：样本处理模块、锚框选取模块和训练模块；所述检测部分包括：图像输入模块、图像预处理模块、人脸检测模块和图像输出模块；

所述样本处理模块用于样本的采集、标定及人脸框坐标转换；

所述锚框选取模块用于聚类出适合人脸比例的人脸框；

所述训练模块用于优化深度学习人脸检测网络，并根据优化后的深度学习人脸检测网络训练人脸检测器；

所述图像输入模块用于获取图像信息；

所述图像预处理模块用于对图像进行缩放，长宽均为32的倍数且相同；

所述人脸检测模块用于检测输入图像中包含的人脸；

所述图像输出模块用于输出检测结果并在图像中描绘出人脸框位置。

7.如权利要求6所述的人脸检测系统，其特征在于，所述样本处理模块进行人脸框坐标转换的具体步骤包括：

A1：根据所述样本处理模块标定内容计算人脸框的中心坐标x_center和y_center，以及人脸框的长h_rect和宽w_rect；

A2：对步骤S002_1计算数值进行归一化处理，得到用于训练输入x、y、w和h，其中，x为人脸框横坐标，x＝x_center/w_image，y为人脸框纵坐标，y＝y_center/h_image，w为人脸框长，w＝w_rect/image_width，h为人脸框高，h＝h_rect/h_image，w_image和h_image分别为图像的宽和高。