[发明专利]基于五官掩膜约束的密集人脸检测方法及系统和存储介质

权利要求书

1.一种基于五官掩膜约束的密集人脸检测方法，其特征在于，包括以下步骤：

步骤1：收集训练数据集并进行预处理，生成五官语义信息掩膜；

步骤2：根据训练目标构建含有五官语义信息掩膜约束的人脸检测网络；

步骤3：采用迁移学习方法对含有五官语义信息掩膜约束的人脸检测网络进行训练，得到最优检测模型；

步骤4：采用最优检测模型检测密集人脸图像。

2.根据权利要求1所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，步骤1中，训练数据集采用网络开源的大规模5点人脸标注数据集，数据集包含超过30000张图像，以及400000个人脸，选择40％作为训练集，10％作为验证集，50％作为测试集。

3.根据权利要求1所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，步骤1的具体过程包括：

步骤1.1：对数据集中的每张图像按照人脸面部部件解析5点关键点标注，人脸5点特征信息分别对应右眼、左眼、鼻尖、右嘴角和左嘴角；

步骤1.2：根据解析得到的5点人脸标注，将人脸5点特征信息分成上半部分人脸区域与下半部分人脸区域，根据上半部分人脸区域、下半部分人脸区域与5点特征信息的对应关系，生成五官语义信息掩膜。

4.根据权利要求3所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，上半部分人脸区域、下半部分人脸区域与5点特征信息的对应关系为：

上半部分人脸对应右眼-左眼-鼻尖倒三角区域，下半部分人脸对应右嘴角-左嘴角-鼻尖正三角区域。

5.根据权利要求1所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，步骤2的具体过程为：构建特征提取网络，在特征提取网络基础上构建多任务网络头，从而形成含有五官语义信息掩膜约束的人脸检测网络。

6.根据权利要求5所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，利用深度残差网络ResNet50、轻量化网络MobileNet-v1或轻量化网络ShuffleNet-v2构建特征提取网络；

多任务网络头包括分类网络头、位置回归网络头、关键点回归网络头和面部五官掩膜区域语义分割网络头；其中，分类网络头和位置回归网络头均根据目标检测算法得到。

7.根据权利要求1所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，步骤2中，根据训练目标构建含有五官语义信息掩膜约束的人脸检测网络的损失函数Loss公式如下：

Loss＝Lcls+Lbox+Lpts+Lmask

其中，Lcls为人脸前景背景分类损失函数，

Lbox为人脸框定位损失函数，

Lpts为人脸五官定位损失函数，

Lmask为约束项。

8.根据权利要求7所述的一种基于五官掩膜约束的密集人脸检测方法，其特征在于，

人脸的前景和背景分类损失函数Lcls根据分类网络头得到；

人脸框定位损失函数Lbox根据位置回归网络头得到；

人脸五官定位损失函数Lpts根据5点关键点回归网络头得到；

约束项Lmask根据面部五官掩膜区域语义分割网络头得到。

9.一种基于五官掩膜约束的密集人脸检测系统，其特征在于，包括：

生成模块，用于收集训练数据集并进行预处理，生成五官语义信息掩膜；

构建模块，用于根据训练目标构建含有五官语义信息掩膜约束的人脸检测网络；

训练模块，用于采用迁移学习方法对含有五官语义信息掩膜约束的人脸检测网络进行训练，得到最优模型；

检测模块，用于采用最优模型检测密集人脸图像。

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任一项所述的基于五官掩膜约束的密集人脸检测方法。