[发明专利]在CPU上实时多尺度人脸检测方法与系统及相关设备

说明书

本发明涉及人脸检测技术领域，具体涉及一种在CPU上实时多尺度人脸检测方法与系统及相关设备，目的在于降低人脸检测的硬件成本，提高人脸检测的速度与准确度。本发明的人脸检测系统包括：特征提取模块、多尺度检测模块和非极大值抑制模块。其中，特征提取模块配置为：从待检测图像中提取关键特征，得到多尺度的待检测特征图；多尺度检测模块配置为：根据多尺度的待检测特征图预测人脸得分和相应的位置；非极大值抑制模块配置为：根据人脸得分进行非极大值抑制，从而得到检测结果。本发明降低了人脸检测的硬件成本，提高了多尺度人脸检测的速度与准确度，能在CPU上实现准确率较高的多尺度人脸检测功能，继而可以应用在手机等平台上。

技术领域

本发明涉及人脸检测技术领域，具体涉及一种在CPU上实时多尺度人脸检测方法与系统及相关设备。

背景技术

随着计算机视觉的发展，人脸检测技术取得了很大的进步，而且在现实中得到了很广泛的应用。但是人脸检测技术仍会遇到很大的困难，在非约束环境下，因为图像背景复杂、人脸尺度和姿态多样等，为了在保证检测速度的同时也保证检测精度，需要使用GPU等高速并行的计算设备，使得硬件成本较高。如果仅使用CPU，会遇到检测速度和检测精度不能兼得的情况，

因此，希望提出一种新的网络结构，该网络具有参数少，计算量小的优点，能够实现在CPU上在保证精度的同时，实时进行多尺度人脸检测。

发明内容

为了解决现有技术中的上述问题，本发明提出了一种在CPU上实时多尺度人脸检测方法与系统及相关设备，降低了人脸检测的硬件成本，提高了多尺度人脸检测的速度与准确度。

本发明的一方面，提出一种在CPU上实时多尺度人脸检测系统，包括：特征提取模块、多尺度检测模块和非极大值抑制模块；

所述特征提取模块配置为：从待检测图像中提取关键特征，得到多尺度的待检测特征图；

所述多尺度检测模块配置为：根据所述多尺度的待检测特征图预测人脸得分和相应的位置；

所述非极大值抑制模块配置为：根据所述人脸得分进行非极大值抑制，从而得到检测结果。

优选地，所述多尺度的待检测特征图包括：第一尺度的待检测特征图、第二尺度的待检测特征图和第三尺度的待检测特征图。

优选地，所述多尺度检测模块具体配置为：根据所述第一尺度的待检测特征图、所述第二尺度的待检测特征图、所述第三尺度的待检测特征图，分别计算每个待检测特征图中的人脸得分与相应位置。

优选地，所述特征提取模块包括：卷积层Conv1、第一CReLU激活函数、池化层Pool1、卷积层Conv2、第二CReLU激活函数、池化层Pool2、Inception1、Inception2、Inception3、卷积层Conv3-1、卷积层Conv3-2、卷积层Conv4-1、卷积层Conv4-2、第一融合子模块和第二融合子模块；

其中，

所述卷积层Conv1用于对所述待检测图像的局部信息进行初步提取，卷积核大小选择为7×7，生成特征图通道为24；

所述第一CReLU激活函数用于对所述卷积层Conv1的输出进行非线性映射；

所述池化层Pool1为3×3的最大池化层,用3×3范围内的最优值代替当前位置信息，使当前点信息更具代表性；

所述卷积层Conv2用于对前一层特征信息的进一步加工提取，卷积核大小选择3×3，生成特征图通道为24；

所述第二CReLU激活函数用于对所述卷积层Conv2的输出进行非线性映射；

所述池化层Pool2为3×3的最大池化层，用于规范当前特征信息；