[发明专利]一种基于人体上下文注意力机制的人脸检测方法

说明书

本发明公开了一种基于人体上下文注意力机制的人脸检测方法，涉及人脸检测技术领域，解决现有检测方式在户外施工中无人机视角下精度差的技术问题，方法包括：S1.采集图片并利用网络PNet回归得到多个可能包含有人脸的回归目标框；S2.利用soft‑NMS过滤掉回归目标框中重合较多的目标框得到一次过滤目标框；S3.对一次过滤目标框进行扩充和利用网络Rnet处理得到高精度目标框；S4.利用soft‑NMS过滤掉高精度目标框中重合较多的目标框得到二次过滤目标框；S5.对二次过滤目标框进行扩充和利用网络ONet处理得到最终的人脸框以及人脸框的打分；S6.通过基于cosface分类损失的训练方法对网络PNet、网络RNet、网络ONet进行训练。

技术领域

本发明涉及人脸检测技术领域，更具体地说，它涉及一种基于人体上下文注意力机制的人脸检测方法。

背景技术

目前来说，由于石油化工生产等户外工作领域，其实际工作场景下，不同于目前主流人脸检测方法所针对的室内场景。一般来说石油化工等领域的户外场景，其监控主要依赖无人机，并且其成像具有人脸与镜头夹角大、人脸尺寸偏小等特点，因此为实际生产过程中人脸检测算法的应用带来了许多新的挑战。

并且在近年来，随着科学技术的发展，无人机技术也进入了迅猛发展的时代。各种民用、商用的无人机也进入了千家万户，大众也开始接触无人机设备以及使用无人机进行日常的拍照以及录像，而在警用无人机领域，基于无人机端的检测识别以及定位技术对于公共安全保障体系具有特殊的战略意义。与此同时，随着自动化技术的发展，户外工作的监控技术自动化、去人力化的需求越来越多。并且目前越来越多的户外施工项目的安全性、保密性等工作的要求日益提高；针对目前户外施工对安全性、保密性同自动化、去人工这一对矛盾，如何将现在的无人机技术以及人脸检测技术结合起来用于户外施工的监控就显得尤为重要。

在计算机视觉领域，人脸检测任务一直是计算机视觉领域关注的焦点任务，同时也是在实际应用上落地最成功的任务。下面介绍目前常用的人脸检测算法：(1)级联型人脸检测算法。基于级联型人脸检测算法主要代表为MTCNN算法，此处介绍MTCNN算法的主要流程。MTCNN算法的主要思路是通过三个级联的人脸检测网络，由粗到精地对人脸框进行回归，得到最后的人脸框。(2)基于两步式检测框架的人脸检测算法。两步式检测算法是指从RCNN为起源的一系列算法，其中最经典的是以Faster R-CNN算法为基础框架延伸出来的一系列算法。Faster R-CNN算法的主要流程是首先对输入图片通过基础的卷积神经网络(如VGG网络或者ResNet网络)提取特征，然后通过RPN网络生成特定数量的候选目标框，取分类得分排名前两千的目标框作为目标潜在区域送入RoI Pooling层，并且把这些目标框调整到统一尺度。最后利用全连接层融合归一化后的目标卷积特征，再分别连接两个全连接层进行目标框的分类和位置回归任务。(3)基于单步式检测框架的人脸检测算法。单步式检测算法主要是以YOLO以及SSD为代表的一系列算法，具有速度快，准确率高的特点。以SSD算法为基础而提出的SFD(Single Shot Scale-invariant Face Detector)算法也是人脸检测领域的单步式检测的经典算法。

总体来说，目前人脸检测方法已经较为成熟，但主要都是针对数据集中的室内场景。针对目前石油化工等产业户外施工时所采用的无人机前下视角，仍缺少较为有效的、有针对性的方法，检测精度低。

发明内容

本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的是提供一种可以提高检测精度的基于人体上下文注意力机制的人脸检测方法。

本发明的技术方案是：一种基于人体上下文注意力机制的人脸检测方法，包括：

S1.在户外施工场景下采集包含有人的图片，并利用增添了注意力机制支路的潜在人脸框产生网络PNet回归得到不同尺度下的多个可能包含有人脸的回归目标框；

S2.利用soft-NMS过滤掉所述回归目标框中重合较多的目标框得到一次过滤目标框；