[发明专利]基于深度学习的面部运动轮椅控制图像处理方法

权利要求书

1.一种基于深度学习的面部运动轮椅控制图像处理方法，其特征在于，包括如下步骤：

第一步：根据输入图片生成图片金字塔，缩放各种尺度的图片后将所有的图片进行图像预处理，先对其进行形态学上的腐蚀膨胀操作来消除噪点后，之后对图片像素值进行归一化；

第二步：将处理后的图片传送到第一级网络，来获得图片中的人脸候选窗口以及它们的Bounding Box回归向量；

第三步：通过Bounding Box回归的结果矫正候选窗口，最后通过NMS非极大值抑制来合并高度重合的窗口；

第四步：根据上一步输出的所有候选框，进一步拒绝大量错误的候选框后，通过Bounding Box回归进行校准，同样采用NMS非极大值抑制合并窗口后输入到最后一级网络；

第五步：最后一级网络不仅输出检测窗口的置信度以及Bounding Box回归向量，还输出人脸关键点的坐标向量。

2.如权利要求1所述的基于深度学习的面部运动轮椅控制图像处理方法，其特征在于，在第二步中采用全卷积神经网络，通过卷积网络参数共享的特性来实现快速的滑动窗口算法。

3.如权利要求1所述的基于深度学习的面部运动轮椅控制图像处理方法，其特征在于，在人脸判断中将其转化为二分类问题使用交叉熵损失：

4.如权利要求1所述的基于深度学习的面部运动轮椅控制图像处理方法，其特征在于，对于Bounding Box回归与关键点回归，用L2正则化损失：