[发明专利]一种基于轻量级级联网络的人脸检测方法

权利要求书

1.一种基于轻量级级联网络的人脸检测方法，其特征在于：该方法包括以下步骤：

(1)构建图像金字塔，使得图片中的人脸缩放到第一级网络P-Net能够检测的适宜尺寸，并利用第一级网络P-Net进行检测，快速生成人脸候选窗口；

(2)第二级网络R-Net网络对第一级网络P-Net网络生成的人脸候选窗口进一步过滤，拒绝大部分非面部窗口；

(3)第三级网络O-Net网络对第二级网络R-Net网络生成的人脸候选窗口再次过滤，输出最终的人脸候选框和5个人脸特征点；

三级所述网络均包括：面部/非面部分类、人脸的候选框位置以及人脸特征点定位三个训练任务；

对于面部/非面部分类任务，使用交叉熵损失函数进行计算其交叉熵损失值

其中，对于每一个样本x_i,p_i为该候选框被认定为是面部分类的概率，代表该候选框的真实标记；

对于人脸的候选框位置任务，需要预测每个候选窗口与图片中人脸真实区域之间的偏移，该任务包含了4个坐标，即边界框的左边、顶部、高度和宽度，学习目标被制定为回归问题，对于每个样本x_i，计算其人脸候选框的欧几里得距离如下式所示：

其中，是通过网络输出的回归坐标，是真实的人脸区域位置，

人脸区域位置包含了四个数字，分别是左上角坐标、区域高度和区域宽度，因此

对于人脸特征点定位任务，该任务包含了面部五个点的位置，每个点包含两个坐标，共有10个坐标数据，对于每个样本x_i，计算其人脸特征点定位的欧几里得距离如下式所示：

其中，是通过网络预测得到的回归坐标，是真实的人脸关键点坐标；

所述5个人脸特征点包括左眼、右眼、鼻子、左嘴角和右嘴角5个，共有10个特征数据，即

步骤(2)所述的第二级网络R-Net网络对第一级网络P-Net网络生成的人脸候选窗口进一步过滤的具体方法是：

根据P-Net输出的人脸框图，将框图统一缩放至24×24像素，利用R-Net检测框图中是否包含人脸，并输出人脸框图的坐标；

所述第二级网络R-Net网络的结构设计，加入了两个SE结构与一个残差结构的网络层；所述第二级网络R-Net网络的结构依次包括输入层、第一卷积层、最大池化层、第二卷积层、残差结构；把第二卷积层和残差结构的结果进行合并，把合并的结果依次输入第一SE结构、最大池化层、第三卷积层、第二SE结构、第四卷积层和GAP层；

步骤(3)所述第三级网络O-Net网络对第二级网络R-Net网络生成的人脸候选窗口再次过滤，输出最终的人脸候选框和5个人脸特征点的具体方法是：

根据R-Net输出的人脸框图，将框图统一缩放至48×48像素，利用O-Net检测框图中是否包含人脸，并输出人脸的框图坐标；

所述第三级网络O-Net网络的结构设计，加入了两个SE结构与两个残差网络结构，所述第三级网络O-Net网络依次包括输入层、第一卷积层、最大池化层、第二卷积层、最大池化层、第三卷积层、第一残差结构；将第三卷积层和第一残差结构的结果进行合并，将合并结果依次输入第一SE结构、最大池化层、第四卷积层、第二残差结构；将第四卷积层和第二残差结构的结果进行合并；将合并结果依次输入第二SE结构、第五卷积层、GAP层。

2.根据权利要求1所述的基于轻量级级联网络的人脸检测方法，其特征在于：步骤(1)所述的构建图像金字塔，并并利用第一级网络P-Net进行检测的具体方法是：

假设图片大小为W×H像素，设置的最小可识别人脸大小为A×A像素，首先进入循环：将图片送入P-Net网络中进行推导，然后将图片按照缩放因子α进行缩放，使得图片大小为α·W×α·H，再将图片送入P-Net网络中进行推导，直至α·W＜A或α·H＜A时退出循环。