[发明专利]一种基于多监督稠密对齐的人脸检测方法、系统及存储介质

权利要求书

1.一种基于多监督稠密对齐的人脸检测方法，其特征在于，包括以下步骤：

步骤1：收集若干68点人脸稠密对齐数据集并进行预处理，得到训练数据；

步骤2：根据训练目标构建多监督检测模型，多监督检测模型的损失函数为多任务损失函数；

步骤3：通过训练数据对多监督检测模型进行训练，得到最优检测模型；

步骤4：用训练完成的最优检测模型检测自然人脸图像。

2.根据权利要求1所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤1中，收集网络开源的若干68点人脸稠密对齐数据集，将若干数据集进行整合后统一处理。

3.根据权利要求1或2所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤1的具体过程如下：

步骤1.1：采用人脸检测器对每个数据集中的每一张图像中的人脸数据进行筛选过滤，使图像中的实际人脸与68点标注信息统一；

步骤1.2：对筛选过滤后的图像标注进行解析，根据7个人脸部件区域生成对应的语义信息标注；其中，7个人脸部件区域为下半部轮廓、上半部轮廓、右眼、鼻子、嘴巴外轮廓与嘴巴内轮廓；

步骤1.3：对经过步骤1.2处理后的数据进行增强，得到训练数据。

4.根据权利要求1所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤2中，多监督检测网络包括轻量化特征提取网络和多任务网络头。

5.根据权利要求1或4所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤2的具体过程为：

在轻量化网络MobileNet，构建轻量化特征提取网络；

根据轻量化特征提取网络得到特征，根据特征构建特征金字塔，然后在特征金字塔的输出端构建多任务网络头；其中，多任务网络头包括分类网络头、回归网络头、68点关键点回归网络头和面部7个特定区域的语义分割网络头。

6.根据权利要求5所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，分类网络头和回归网络头均通过目标检测算法得到。

7.根据权利要求5所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤2中，多任务损失函数Loss如下：

Loss＝L_cls+L_loc+L_lam+L_pol

其中，L_cls为人脸类型判别损失函数，L_loc为人脸位置回归损失函数，L_lam为稠密关键点回归损失函数，L_pol为面部语义分割损失函数。

8.根据权利要求1所述的一种基于多监督稠密对齐的人脸检测方法，其特征在于，步骤3的具体过程为：将训练超参数设置为500轮，batch size为16，学习率设置为0.001，计算多任务损失函数，再利用随机梯度下降算法训练多监督检测模型，得到最优检测模型。

9.一种基于多监督稠密对齐的人脸检测系统，其特征在于，包括

预处理模块，用于收集训练数据集并进行预处理，得到训练数据；

构建模块，用于根据训练目标构建多监督检测模型；

训练模块，用于通过训练数据对多监督检测模型进行训练，得到最优检测模型；

检测模块，用于用训练完成的最优检测模型检测自然人脸图像。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至8任一项所述的基于多监督稠密对齐的人脸检测方法。