申请/专利权人：玉林师范学院

申请日：2019-12-04

公开（公告）日：2023-05-26

公开（公告）号：CN111126173B

主分类号：G06V40/16

分类号：G06V40/16

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2020.06.02#实质审查的生效;2020.05.08#公开

摘要：本发明公开了一种高精度人脸检测方法，属于人脸检测技术领域，主要解决的是目前人脸检测存在准确率不高、效率慢的技术问题，所述方法包括步骤如下：S1.根据灰度转换对原始人脸图像预处理得到单通道灰度图；S2.依次经过通道压缩的多个卷积层和多个使网络加速收敛性的BN层对所述单通道灰度图进行特征提取得到人脸特征图；S3.根据卷积神经网络对所述人脸特征图进行学习得到描述特征后，结合回归网络和分类网络对人脸位置进行回归定位，并连接多个不同尺度的特征图融合，对所述人脸特征图进行检测得到人脸检测图；S4.使用人脸分类模型对所述人脸检测图进行确认。本发明准确率高、效率高。

主权项：1.一种高精度人脸检测方法，其特征在于，包括步骤如下：S1.根据灰度转换对原始人脸图像预处理得到单通道灰度图；S2.依次经过通道压缩的多个卷积层和多个使网络加速收敛性的BN层对所述单通道灰度图进行特征提取得到人脸特征图；S3.根据卷积神经网络对所述人脸特征图进行学习得到描述特征后，结合回归网络和分类网络对人脸位置进行回归定位，并连接多个不同尺度的特征图融合，对所述人脸特征图进行检测得到人脸检测图；S4.根据人脸分类模型对所述人脸检测图进行确认；在所述步骤S4中，所述人脸分类模型包括依次经过通道压缩的4个卷积层和两个全连接层连接，并使用softmax分类器进行分类；4个卷积层输出通道分别为4、4、8、16，两个全连接层输出通道分别为64、2，特征向量输出为2，即分类结果为人脸、非人脸两类；softmax分类器算法为：类标y可以取k个不同的值，对于训练集{x1,y1,…,xm,ym}，得到有yi∈{1,2,…,k}，此处的类别下标从1开始，而不是0；对于给定的测试输入x，使用假设函数针对每一个类别j估算出概率值py＝j|x，即估计x的每一种分类结果出现的概率，因此，假设函数将要输出一个k维的向量来表示这k个估计的概率值，向量元素的和为1；假设函数hθx如下： 其中是模型的参数，这一项对概率分布进行归一化，使得所有概率之和为1；为了方便起见，同样使用符号θ来表示全部的模型参数，在实现Softmax回归时，将θ用一个k×n+1的矩阵来表示会很方便，该矩阵是将θ1,θ2,…θk按行罗列起来得到的，如下所示： 下面公式为softmax的代价函数： 通过添加一个权重衰减项来修改代价函数，这个衰减项会惩罚过大的参数值，现在的代价函数变为： 有了这个权重衰减项以后λ0，代价函数就变成了严格的凸函数，可以保证得到唯一的解；此时的Hessian矩阵变为可逆矩阵，并且因为Jθ是凸函数，梯度下降法和L-BFGS算法可以保证收敛到全局最优解；为了使用优化算法，需要求得这个新函数Jθ的导数，如下： 通过最小化Jθ就实现一个可用的softmax分类模型；在所述步骤S2中，所述BN层为卷积神经网络的BatchNormalization层。

全文数据：

权利要求：

百度查询： 玉林师范学院 一种高精度人脸检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD