[发明专利]人脸检测方法、装置、计算机可读存储介质及设备

权利要求书

1.一种人脸检测方法，其特征在于，所述方法包括：

获取待识别人脸图像并进行第一预处理操作，得到第一大小的输入图像；

将所述输入图像输入到训练后的卷积神经网络，得到人脸框；其中：

所述训练后的卷积神经网络依次包括第一卷积模块、第二卷积模块、第一Inception模块、第二Inception模块、第三卷积层、第四卷积层、第五卷积层和第六卷积层；所述第一卷积模块包括第一卷积层、第一激活层和第一池化层，所述第二卷积模块包括第二卷积层、第二激活层和第二池化层；

所述输入图像输入到训练后的卷积神经网络，在第二Inception模块、第四卷积层和第六卷积层各输出一个特征图；以设定的长宽比和多个尺寸在每张特征图的每个单元位置得到若干目标框；使用二分类损失函数确定目标框的类别是否是人脸，使用回归损失函数对类别是人脸的目标框进行位置回归，得到人脸框；

对所述人脸框进行NMS操作，得到最终的人脸检测框。

2.根据权利要求1所述的人脸检测方法，其特征在于，训练前的卷积神经网络的第一卷积模块和第二卷积模块均包括BN操作，所述卷积神经网络通过如下方法训练得到：

对数据集的图像进行第二预处理操作，得到由第二大小的训练样本组成的训练集，所述第二大小大于所述第一大小；

将训练样本输入到训练前的卷积神经网络，在第二Inception模块、第四卷积层和第六卷积层各输出一个特征图；

以设定的长宽比和多个尺寸在每张特征图的每个单元位置得到若干目标框；

使用二分类损失函数确定目标框的类别是否是人脸，使用回归损失函数对类别是人脸的目标框进行位置回归，得到人脸框；

使用误差反向传播算法更新卷积神经网络；

去掉第一卷积模块和第二卷积模块中的BN操作，并使用训练集对卷积神经网络进行微调。

3.根据权利要求2所述的人脸检测方法，其特征在于，所述第一预处理操作包括：

将待识别人脸图像进行灰度化处理；

对灰度化后的图像进行设定倍数的下采样操作，得到第一大小的输入图像；

所述第二预处理操作包括：

将数据集的图像采用差值的方法归一化为第二大小；

若数据集的图像上标注的人脸区域小于设定大小，则将该人脸区域用黑色覆盖，并将该图像的标签设置为非人脸；

将归一化后的图像进行数据扩充，所述数据扩充包括随机图像对比度变化、随机亮度变化、随机裁剪和/或随机图像翻折；

将数据扩充后的图像进行灰度化处理，得到第二大小的训练样本。

4.根据权利要求3所述的人脸检测方法，其特征在于，所述第一卷积层使用5*5的卷积核进行32通道的步长为4的卷积操作，所述第二卷积层使用3*3的卷积核进行64通道的步长为2的卷积操作，所述第一池化层和第二池化层均进行3*3的步长为2的池化操作，所述第三卷积层使用1*1的卷积核进行128通道的步长为1的卷积操作，所述第四卷积层使用3*3的卷积核进行256通道的步长为2的卷积操作，所述第五卷积层使用1*1的卷积核进行128通道的步长为1的卷积操作，所述第六卷积层使用3*3的卷积核进行256通道的步长为2的卷积操作。

5.根据权利要求4所述的人脸检测方法，其特征在于，所述待识别人脸图像的大小为640*480，所述设定倍数的下采样操作为2倍下采样，所述第一大小为320*240，所述第二大小为1024*1024；在第二Inception模块输出的特征图的每个单元位置以32、64、128的三个尺寸和1：1的长宽比得到三个目标框，在第四卷积层输出的特征图的每个单元位置以256的尺寸和和1：1的长宽比得到一个目标框，在第六卷积层输出的特征图的每个单元位置以512的尺寸和和1：1的长宽比得到一个目标框。