[发明专利]一种基于级联式多尺度的密集人脸检测方法

权利要求书

1.一种基于级联式多尺度的密集人脸检测方法，其特征在于，包括以下步骤：

步骤S1:采集人脸数据集，并进行预处理，得到预处理后的数据集；

步骤S2:根据预处理后的数据集训练全局检测器；

步骤S3:根据预处理后的数据集，构建局部人脸数据集.并根据得到的局部人脸数据集训练局部检测器；

步骤S4:将全局检测器与局部检测器级联；

步骤S5:将待测图像输入级联后的全局检测器及局部检测器，得到全局检测结果和局部检测结果，并采用非极大值抑制的方法将全局检测结果和局部检测结果结合，得到最终人脸检测结果；

所述步骤S2具体为:

步骤S21:将预处理后的数据集，采用VGG16模型基础网络，并且将在Imagenet的预训练的权重加载在现有的VGG模型基础网络上，并在此基础上，训练全局检测器；

步骤S22:全局检测器包含必要的两个部分，特征提取部分和回归分类部分，其中回归分类部分包括分类器和回归器，特征提取部分的数学表达式如公式(1)所示：

其中a是图像，r_i＝(r_ix,r_iy,r_iw,r_ih)是对应的感兴趣区域坐标值，其中r_i是候选集r＝{r₁,r₂,r₃...r_i...r_n}的第i个感兴趣区域，r_ix,r_iy,r_iw,r_ih中的下标x,y,w,h分别是感兴趣区域的横坐标，纵坐标，区域的宽和区域的高，而特征提取的过程t是一系列的函数{t¹,t²,t³...t^n-1,tⁿ}复合得到的，其中上标的1到n代表卷积层的层号；

步骤S23：含训练分类器和回归器，回归器的任务是为每一个感兴趣区域r_i匹配一个真实框g_i，其中g_i是由真实区域集g＝{g₁,g₂,...g_i…g_n}中选出的，这样回归任务就是极小化定位风险函数

在Fast RCNN中，L_loc是平滑的L₁损失函数L_loc作用在距离向量Δ_i＝(δ_ix,δ_iy,δ_iw,δ_ih)，其中：

分类器的任务是通过拟合一个分类函数L_cls，这个分类函数的目标是学习一个从图像区域到类别的分布函数，L_cls(t(a_i,r_i),v_i)＝p(v＝k|r_i,a)，其中v_i是从人脸的类别标签候选集v＝{v₁,v₂,v₃…v_i…v_n}中由网络预测的第i个标签值，k是具体的标签属性，r_i是图像区域，p是图像区域属于标签k的概率值，分类器的任务是极小化分类风险函数

所述步骤S3具体为：

步骤S31:预处理后的的数据集人脸的尺度遵循正态分布(μ,σ)；

步骤S32:设定o_s＜μ-σ，o_l ＞μ+σ，其中o_s和o_l 分别表示大人脸和小人脸的尺度边界，则可以确定小人脸和大人脸的缩放因子f_s和f_l,

scale_average代表尺度平均值；

步骤S33:将小人脸所在的区域定义为信号，把其余人脸所在的区域和那些重叠率没有达到90％的小人脸所在的区域定义为噪音，用signal_small，noise_small，noise_otherlarge分别表示小人脸信号，来自于重叠率没达到90％的小人脸的噪声，来自于大人脸的噪声，由于小人脸和其余人脸的尺度比不一致，所以噪音贡献的权重也不一样，所以定义了权重系数w_s＝0.8和w_l＝0.2，得到小人脸裁剪尺寸：

其中W_s是ω_s的候选集，C是图像的数目；

同样的，在训练大人脸局部检测器的时候，将大人脸所在的区域定义为信号，把其余人脸所在的区域和那些重叠率没有达到90％的大人脸所在的区域定义为噪音，用signal_large,noise_large,noise_othersmall分别表示大人脸信号，来自于重叠率没有达到90％的大人脸噪声，来自于小人脸的噪声，由于大人脸和其余人脸的尺度不一致，所以噪音贡献的权重也不一样，所以定义了权重系数w_s＝0.8和w_l＝0.2，得到了大人脸的裁剪尺寸：

其中W_l是ω_l的候选集，C是图像的数目；

步骤S34：当检测小人脸的时候，对于每一张在原始数据集的图片，首先，以全局检测器中检测到的符合小人脸定义的小人脸为中心，裁剪出来一张ω_S×ω_S的子图片，并且保留这张图片其余具有相似尺度的小人脸，然后将所有的子图像放大f_s倍，把这些图片收集起来用来训练其中的一个小人脸局部检测器；

步骤S35：当检测大人脸的时候，对于每一张在原始数据集的图片，首先以全局检测器中检测到的符合大人脸定义的大人脸为中心，裁剪出来一张的ω_l×ω_l子图片，并且保留这张图片其余具有相似尺度的大人脸，然后将所有的子图片缩小f_l倍，把这些图片收集起来，得到局部大人脸数据集，并根据得到的局部人脸数据集训练大人脸局部检测器。