[发明专利]一种基于卷积神经网络的人脸检测方法在审
| 申请号： | 201711204234.8 | 申请日： | 2017-11-27 |
| 公开（公告）号： | CN108090417A | 公开（公告）日： | 2018-05-29 |
| 发明（设计）人： | 刘琳;姜飞;申瑞民 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 人脸检测模型 人脸检测 卷积神经网络 网络结构 复杂场景 特征融合 特征提取 样本集 准确率 图片 | ||
1.一种基于卷积神经网络的人脸检测方法，其特征在于，包括以下步骤：
1)建立人脸检测模型，该模型采用RFCN网络结构，所述RFCN网络结构包括基于特征融合的特征提取层；
2)获取样本集；
3)对步骤1)中建立的人脸检测模型进行训练；
4)以训练后的人脸检测模型对待测图片进行人脸检测。
2.根据权利要求1所述的基于卷积神经网络的人脸检测方法，其特征在于，所述特征提取层中，将res3的输出层与res4的输出层相叠加融合。
3.根据权利要求1所述的基于深度学习的举手检测方法，其特征在于，所述步骤2)中，样本集的样本数量大于3万个。
4.根据权利要求1所述的基于卷积神经网络的人脸检测方法，其特征在于，所述步骤3)的训练采用caffe框架，包括：
301)在ImageNet上对所述人脸检测模型进行预训练；
302)采用所述样本集对经预训练后人脸检测模型再次进行训练。
5.根据权利要求1所述的基于卷积神经网络的人脸检测方法，其特征在于，所述步骤4)中，对所述待测图片进行多尺度检测。
6.根据权利要求5所述的基于卷积神经网络的人脸检测方法，其特征在于，所述多尺度检测具体为：
401)对所述待测图片进行多个尺寸的伸缩处理；
402)利用训练后的人脸检测模型对每个尺寸下获得的图片分别进行人脸检测，获得多个人脸检测结果；
403)对所述多个人脸检测结果进行合并筛选，获得最终检测结果。
7.根据权利要求6所述的基于卷积神经网络的人脸检测方法，其特征在于，所述步骤403)中，采用NMS算法对所述多个人脸检测结果进行合并筛选。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711204234.8/1.html，转载请声明来源钻瓜专利网。
