[发明专利]一种学习噪声区域信息的人脸检测方法及装置

权利要求书

1.一种学习噪声区域信息的人脸检测方法，其特征在于，包括以下步骤：

S1、构建深度神经网络模型，所述深度神经网络模型的网络结构从前至后包括：卷积层、批标准化层、激活函数层、第一混合深度可分离卷积模块、最大值池化层、第一倒置残差模块、第二混合深度可分离卷积模块、第二倒置残差模块，所述第二倒置残差模块后接两个并行的卷积层；所述第一倒置残差模块和第二倒置残差模块从前至后均由卷积层、批标准化层、激活函数层、深度可分离卷积层、批标准化层、激活函数层、卷积层、批标准化层、特征相加层封装而成；所述混合深度可分离卷积模块从前至后由两个并行的深度可分离卷积层、特征连接层、批标准化层、激活函数层封装而成；

S2、收集任意大小的人脸图像，并预先锚框的长宽比和面积大小比，然后分成训练集和测试集；

S3、将训练集输入深度神经网络模型，由深度神经网络模型提取训练集中的人脸图像特征图，然后利用设定的锚框在人脸图像特征图的每个特征点上生成候选区域，并且每个候选区域用预测定位信息和预测置信度定义无噪声得分；所述无噪声得分反映候选区域包含噪声信息的程度；

所述无噪声得分计算公式如下：

式中：cls表示某候选区域的置信度，reg表示候选区域与真实边界框之间的距离交并比值，表示某一个候选区域，B₊₁和B_-1分别表示正样本候选区域集合和负样本候选区域集合，α是调节因子，用来调节置信度和距离交并比值在无噪声得分中的占比；所述距离交并比计算公式如下：

其中：b为候选区域B的中心点，b^gt为真实边界框B^gt的中心点，ρ(·)为欧式距离计算公式，C为候选区域B和B^gt的最小外接矩形的对角线距离；正样本候选区域集合和负样本候选区域集合是通过将所有候选区域按置信度排序之后，选择前N个候选区域为正样本，其余候选区域为负样本，其中N为300；最后针对每个候选区域用损失函数计算损失值，所述深度神经网络模型的损失函数由类别损失函数和定位回归损失函数构成；所述的类别损失函数采用改进的二元交叉熵损失函数，用于计算无噪声得分与预测概率值之间的损失值；所述的定位回归损失函数采用改进的平滑L1损失函数，计算候选区域与真实边界框之间的损失值；并根据制定优化策略衰减损失值，以及设定相关超参数，重复对深度神经网络模型进行训练，直至损失值收敛，得到优化深度神经网络模型；

S4、将人脸图像输入优化深度神经网络模型，输出人脸检测结果。

2.根据权利要求1所述的学习噪声区域信息的人脸检测方法，其特征在于，对每个候选区域用损失函数计算损失值之前，设定一个权重因子，控制重要程度不同的样本对训练损失值的占比，该权重因子计算公式如下：

r＝(α·f(reg)+(1-α)·f(cls))^γ；

其中f(x)对定位信息和类别置信度进行归一化，γ是调节因子，这两个参数都是为了增加权重因子的方差设定的；将权重因子添加到损失函数中，公式如下所示：

L_cls是类别损失函数，采用改进的二元交叉熵损失函数，用于计算无噪声得分与预测概率值之间的损失值，p_i为某候选区域的预测概率值，i表示正样本，j表示负样本；L_reg是定位回归损失函数，采用改进的平滑L1损失函数，计算候选区域与真实边界框之间的损失值，t是真实边界框位置，表示预测的边界框位置；最终获得用于深度神经网络模型训练的完整的损失函数为：

L＝L_cls+L_reg。

3.根据权利要求1所述的学习噪声区域信息的人脸检测方法，其特征在于，所述的激活函数层采用抑制最大值为6的修正线性单元层。

4.根据权利要求1所述的学习噪声区域信息的人脸检测方法，其特征在于，所述的锚框尺寸比例中面积大小为[32×32，64×64，96×96]，单位为mm，尺度比例为[0.5，1.2]。