[发明专利]一种头部姿态检测方法

说明书

本发明涉及一种头部姿态检测方法，它包括以下步骤：（a）选择数据集；（b）对所述数据集中的人脸图片进行预处理，随后进行大小转换得到设定大小的图片；（c）对深度学习的模型构建以MobileNetv2作为骨干；（d）将所述设定大小的图片放入所述神经网络进行分类；（e）对所述全连接层的结果做softmax以将所述全连接层的值映射成概率值；（f）对所述概率值进行映射得回归，用MSE损失函数的方法计算回归的损失概率；（g）对所述损失概率进行权重加权求和，并对最终的损失概率梯度方向，以完成深度学习模型的训练；（h）将所述深度学习模型对儿童头部进行测试。具有程序检测速度快、能达到实时性。

技术领域

本发明涉及一种头部姿态检测方法，涉及一种利用计算机视觉技术中深度学习训练模型对精神疾病儿童的头部姿态进行检测的方法。

背景技术

头部姿态能够帮助人们定位以传递一些丰富的信息，比如人们用他们的头部指向来表明其对话对象和意图。在一些对话中，头部方向是一个非语言的公示，提醒倾听者什么时候去转换角色和开始说话；在这些对话中，头部姿态方向和手势的形式有着相同重要的作用。

对于一些自闭症、多动症或抽动症儿童来说，头部指向更能够反映出这些孩子对于当前环境中所指的意图是什么，可以方便治疗师或者医生了解这些孩子的想法。当今的头部姿态检测方法有多种：如早期使用探测器阵列方法（训练很多的头部探测器，每个检测器适应一个特殊姿势，然后指定一个离散姿势到这些探测器上，相应的预测一些头部姿态）；中期使用机器学习中的非线性回归方法或者随机森林算法；近期的一些算法是提取人脸的关键点，以深度学习训练进行头部姿态的预测。

但是上述方法存在一定的缺陷：都比较依赖于环境的影响。如果环境背景有很大的变换，或者检测者的年龄有很大的差距（如具有自闭症、多动症或抽动症等精神疾病的人群普遍是儿童，而儿童的头部姿态检测和成人略有不同），就容易造成检测结构不准确。

发明内容

本发明目的是为了克服现有技术的不足而提供一种头部姿态检测方法，适用于具有自闭症、多动症或抽动症等精神疾病的儿童。

为达到上述目的，本发明所采用的技术方案为：一种头部姿态检测方法，它包括以下步骤：

（a）选择数据集；

（b）对所述数据集中的人脸图片进行预处理，使用多任务级联卷积神经网络对所述人脸图片进行人脸检测和切割，随后进行大小转换得到设定大小的图片；

（c）对深度学习的模型构建以MobileNetv2作为骨干且分别连接三个全连接层的神经网络；

（d）将所述设定大小的图片放入所述神经网络进行分类；

（e）对所述全连接层的结果做softmax以将所述全连接层的值映射成概率值；

（f）对所述概率值进行映射得回归，用MSE损失函数的方法计算回归的损失概率；

（g）对所述损失概率进行权重加权求和，并对最终的损失概率梯度方向，以完成深度学习模型的训练；

（h）以鼻子为基础点，水平的方向设置成x轴，垂直的方向设置成y轴，z轴则垂直于x轴与y轴形成的平面，环绕x轴、y轴、z轴顺时针旋转的角度定义为头部姿态在pitch、yaw、roll方向的偏移角度，将所述深度学习模型对儿童头部进行测试得到儿童头部的姿势位置。

优化地，步骤（a）中，所述数据集是BIWI、300W-LP和AFLW2000数据集。

优化地，步骤（b）中，所述预处理是将所述人脸图片中不需要的背景或其它物体排除。

进一步地，步骤（b）中，所述多任务级联卷积神经网络由PNet、RNet和Onet三个级联的轻量级CNN完成。