[发明专利]基于卷积神经网络和条件随机场的人脸检测方法

摘要

本发明公开了一种基于卷积神经网络和条件随机场模型的人脸检测方法，其能够提高网络输出层确定的人脸框的精度。本发明首先对卷积神经网络进行训练，得到判定人脸和非人脸的分类器，对输入图像进行滑动窗口人脸检测，得到包含人脸的窗口；然后标注同一张人脸对应的所有检测窗口，窗口对应的置信分作为条件随机场CRF的随机变量，通过CRF模型计算窗口之间的关联关系，根据关联关系的紧密程度对窗口进行取舍；最后根据面积重叠的大小和横向距离、纵向距离重叠的大小分别对同尺度和不同尺度的窗口进行合并，得到最终的人脸框。

主权项

1.一种基于卷积神经网络和条件随机场的人脸检测方法，其特征在于，包括以下步骤：(1)从人脸数据库采集人脸图像，根据该人脸数据库中该人脸图像的标签信息从该人脸图像中提取人脸区域和非人脸区域，并将人脸图像缩放成神经网络结构规定的图像大小；(2)采用反向传播算法对步骤(1)中缩放后的图像进行训练，以得到二分类器网络结构，并在二分类器网络结构的输出层利用公式X＝1/(e^‑q+1)得到图像的置信分X，其中q表示输出层的值；(3)获取输入图片，使用步骤(2)得到的二分类器网络结构、并采用随机滑动窗口的方式对该输入图片进行检测，以得到该输入图片中所有包含人脸的区域，并框选出所有包含人脸的区域；(4)根据步骤(3)中随机滑动窗口的边界确定包含人脸区域的最远距离和人脸的中心点，根据随机滑动窗口偏离中心点的距离的大小标记这些随机滑动窗口，将偏离中心点距离少于窗口边长1/5的随机滑动窗口标记为中心窗口，将偏离中心点距离大于等于窗口边长1/5的随机滑动窗口标记为边缘窗口；(5)计算步骤(3)得到的每个包含人脸的区域所对应的所有随机滑动窗口的联合概率密度P，舍去与中心窗口联合概率密度小于0.5的边缘窗口；(6)将步骤(5)之后剩下的随机滑动窗口进行合并，即将同一张人脸对应的多个滑动窗口合并成一个人脸窗口作为最终的人脸框。