[发明专利]一种基于卷积神经网络级联的大场景监控图像人脸检测方法

说明书

本发明公开了一种基于卷积神经网络级联的大场景监控图像人脸检测方法，本方法的具体操作步骤如下：(1)、收集整理大场景监控图像数据并做详细标注；(2)、融合人脸区域及其语义信息，即脸部及其周围肩膀区域的级联卷积神经网络结构设计；(3)、融合人脸区域及其语义信息的级联卷积神经网络模型训练。本发明有效解决了大场景监控图像中由于人脸尺度小，尺度变化大，人脸细节模糊而造成的人脸检测效果差的问题，相比于已有的人脸检测算法，检测性能有极大提升。

技术领域

本发明涉及计算机视觉、人工智能领域，尤其涉及一种基于卷积神经网络级联的大场景监控图像人脸检测方法。

背景技术

“人脸检测”是经典的计算机视觉研究课题之一。随着时代的推进，“人脸检测”在我们的生活中有了越来越广泛的运用，针对于这些日常生活运用，目前已经有很多成熟的算法，例如开源的Opencv人脸检测算法、Dlib人脸检测算法等这些传统的人脸检测算法。

近年来兴起的基于深度学习的人脸检测算法，CascadeCNN、MTCNN等。得益于深度学习算法的强大的学习能力，极大的提高了人脸检测算法的性能。

近年来，国际安全形势不容乐观，全球多地接连发生恐怖袭击事件。从另一个侧面来看，安防监控产业也迎来了蓬勃发展的新时期。安防监控设备的智能化更是未来的发展趋势。“大场景监控图像”中的人脸检测是一个比较特殊的运用领域。诸如广场、车站、体育场等这些大场景区域，人群密集，是恐怖袭击事件的高发区域。在这些大场景监控区域，为了获取更大的视野范围，监控设备安装位置较高，因此所获取的人脸图片尺度较小，并且由于监控图像中人脸的位置分布广泛，导致人脸尺度变化范围大，除此以外，大场景监控图像中人脸细节比较模糊，传统的人脸检测算法和已经公布的基于深度学习的人脸检测算法都难以对这种图像做到满意的检测效果，出现的误检率和漏检率都很高。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于卷积神经网络级联的大场景监控图像人脸检测方法，以解决目前存在的人脸检测算法对于大场景监控图像中的人脸检测效果差的问题。

为达到上述目的，本发明所采用的技术方案是：

一种基于卷积神经网络级联的大场景监控图像人脸检测方法，包括以下步骤：

（1）收集整理大场景监控图像数据并做详细标注；

（2）融合人脸区域及其语义信息（脸部及其周围肩膀区域）的级联卷积神经网络结构设计；

（3）融合人脸区域及其语义信息的级联卷积神经网络模型训练。

所述步骤（1）收集整理大场景监控图像数据并做详细标注包括以下步骤：

（1-1）采集诸如广场、车站、体育场等这些大场景区域的监控图像数据；

（1-2）使用labelImg图像标注软件对上一步采集的图像数据进行标注，标注包括“人脸矩形区域位置”和“人脸语义信息”，即脸部及其周围肩膀区域的矩形区域位置，标注后生成 XML文件；

（1-3）对标注后生成 XML文件，使用Python编写程序将XML文件中保存的标注位置坐标转换为对应的文本文件，特别注意将人脸区域位置坐标与对应的人脸语义信息矩形区域位置一一对应保存，作为数据集的标注文件。

所述步骤（2）融合人脸区域及其语义信息，即脸部及其周围肩膀区域的级联卷积神经网络结构设计包括以下步骤：

（2-1）以级联卷积神经网络结构为基础，加入人脸区域语义信息特征；

（2-2）针对级联网络结构的第二级和第三级网络，增加一个人脸区域语义信息特征输入端，通过卷积神经网络同时提取人脸区域特征和对应的语义信息特征，然后在网络的高层将两种特征融合，得出检测区域属于人脸的概率。