申请/专利权人：深圳市富浩鹏电子有限公司

申请日：2020-12-25

公开（公告）日：2024-05-17

公开（公告）号：CN112541483B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/25;G06V10/774;G06V10/80;G06V10/762;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.05.07#专利申请权的转移;2024.02.20#专利申请权的转移;2021.04.09#实质审查的生效;2021.03.23#公开

摘要：YOLO和分块‑融合策略结合的稠密人脸检测方法，包括以下步骤：对人脸训练数据集进行数据增广，扩充密集场景下的人脸样本；构建YOLOv3和分块‑融合策略相结合的YOLOv3网络模型，在检测阶段，将原图进行分块，并将分块得到的子图和原图一同输入到YOLOv3网络模型中分别进行检测；对NMS算法进行改进，解决大尺度人脸融合问题的同时提高小人脸检测的精度。本发明通过多次NMS在解决人脸融合问题的同时，利用不同分块重叠率下的检测提高小人脸的召回提高最终检测精度。

主权项：1.一种YOLO和分块-融合策略结合的稠密人脸检测方法，其特征在于包括以下步骤：步骤1：对人脸训练数据集进行数据增广，扩充密集场景下的人脸样本；步骤2：构建YOLOv3和分块-融合策略相结合的YOLOv3网络模型，在检测阶段，将原图进行分块，并将分块得到的子图和原图一同输入到YOLOv3网络模型中分别进行检测；YOLOv3网络模型分为模型训练和目标检测两个阶段，具体如下：模型训练：在模型训练阶段使用YOLOv3网络模型进行训练，训练时使用步骤1中数据增广后的人脸数据集，其中；YOLOv3网络训练损失函数如公式3.1～3.6所示： YOLOv3损失函数包含边界框中心点坐标损失Losscenter，如公式3.2；边界框宽高损失Losswh，如公式3.3；目标置信度损失Lossscore,如公式3.4、公式3.5；目标类别损失Lossclass，如公式3.6；式中，各变量的含义如下：其中SxS为网络划分图片的网格数，B为每个网格预测的边界框数目，为网格i中第j个边界框的预测；其中各公式中变量的含义分别为：公式3.2λcoord为动态参数，为中心点坐标的真值，Cxyi为中心点坐标预测值；公式3.3中，和表示该目标宽度和高度的真实值，wi和hi分别表示该目标高度和宽度的预测值；公式3.4和公式3.5分别为包含目标时的置信度损失和不含目标时的置信度损失，其中λnoobj为不含目标时网络的误差系数，和Ci分别代表检测目标的置信度真值和置信度预测值；式3.6中和为检测目标概率的真值和目标概率的预测值；目标检测：在目标检测阶段，利用模型训练阶段得到的权重文件进行检测，检测时首先将输入图片执行带边缘重叠的分块，得到分块与原图共5张图片，之后将分块图片与输入图片一同输入到YOLOv3网络中，在YOLOv3网络中分别对5张图片进行预测；其中，YOLOv3网络对每张图片进行预测的具体过程如下：首先输入图片经过YOLOv3网络的特征提取网络darknet53，darknet53网络包含53个卷积层，通过darknet53卷积之后，得到输入图片132尺寸的特征图；以416*416*3尺寸的输入图片为例，通过darknet53网络卷积后，将得到13*13*255尺寸的特征图，在13*13*255特征图的基础上通过上采样以及与浅层特征融合又分别得到26*26*255、52*52*25尺寸的特征图，这3个尺度下的特征图分别用于对大尺度、中尺度、小尺度目标进行预测；YOLOv3通过在这3个尺度下的特征图上分别预测得到大、中、小3个尺度下的目标，其中YOLOv3网络模型在特征图上的目标检测原理为，YOLOv3网络对特征图上的每个像素对应的网格，都会给出3个anchor进行预测，找到大小最合适的anchor，其中anchor由训练前通过对数据集进行聚类得到，之后网络输出的4个偏移量，即可得到预测框；YOLOv3对每个预测边界框，给出4个值，tx、ty、tw、th，这4个值和预测边界框bx、by、bw、bh的映射关系如公式4.1～4.4所示；bx＝δtx+cx4.1by＝δty+cy4.2 其中，tx、ty分别表示中心点偏移的量，tw、th则表示为预测边界框的相对anchor的缩放量，其中pw、ph分别表示anchor的宽和高；δtx、δty用于表示某个目标的中心点相对负责检测这个目标的网格的偏移量，其中Cx,Cy表示中心点坐标所在的网格；当YOLOv3网络完成了原图加分块图片一共5张图片的预测之后，将其中4张分块图片的预测结果映射到原始图片上，最终使用NMS算法去除冗余预测结果之后得到最终的检测结果；步骤3：对NMS算法进行改进，解决大尺度人脸融合问题的同时提高小人脸检测的精度。

全文数据：

权利要求：

百度查询： 深圳市富浩鹏电子有限公司 YOLO和分块-融合策略结合的稠密人脸检测方法

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