[发明专利]一种多人脸检测方法、设备及存储介质

权利要求书

1.一种多人脸检测方法，其特征在于，包括以下步骤：

步骤S1.构建人脸图像数据集；

步骤S2.构建多人脸检测神经网络；

步骤S3.根据所述人脸图像数据集对所述多人脸检测神经网络进行迭代训练得到多人脸检测模型；

步骤S4.构建多人脸检测解码器；

步骤S5.将待检测图像输入所述多人脸检测模型得到预测结果，将所述预测结果输入所述多人脸检测解码器得到检测结果；

其中，步骤S2包括：

步骤S21.构建降维卷积模块，所述降维卷积模块位于网络的起始部分，用于处理输入层的输入图像，所述降维卷积模块包含一个Conv层、一个Activation层、一个BN层以及一个MaxPooling2D层；

所述Conv层包含12个5×5的卷积核，卷积步长设置为4，padding的值设置为same，卷积核参数使用均值为0、方差为1的高斯随机数来初始化；

所述Activation层接在所述Conv层之后，使用Relu作为激活函数；

所述BN层接在所述Activation层之后，gamma_regularizer和beta_regularrizer的值都设置为0.0001；

所述MaxPooling2D接在所述BN层之后，池化窗口大小设置为2×2，池化步长设置为2，padding设置为same；

步骤S22.构建多尺度卷积模块：所述多尺度卷积模块包括一个Conv_1层、一个Conv_2层、一个Conv_3层、一个Conv_4层；

所述Conv_1层包含16个1×1的卷积核，卷积步长设置为1，padding设置为same；

所述Conv_2层包含16个3×3的卷积核，卷积步长设置为1，padding设置为same；

所述Conv_3层包含16个5×5的卷积核，卷积步长设置为1，padding设置为same；

所述Conv_4层包含16个7×7的卷积核，卷积步长设置为1，padding设置为same；

所述Conv_1层、Conv_2层、Conv_3层、Conv_4层以并联的方式结合，也就是输入图像在经过多尺度卷积模块时会分别经过这4个层，然后在模块的最后将这4个层的输出张量在Concatenate层做一个拼接并输出；

步骤S23.构建多尺度人脸先验框及置信度预测模块，在不同尺度的卷积特征图上设置一系列不同尺度的先验框，这些先验框和多尺度卷积层构成了多人脸检测神经网络的最后一个模块，多人脸检测神经网络通过该模块预测每个先验框的中心偏移量以及长宽偏移量，再结合先验框的设置可以得到特征图上人脸检测框的预测值。