[发明专利]基于神经网络的人脸检测模型的训练、人脸检测方法及系统

摘要

本发明提供一种基于神经网络的人脸检测模型的训练、人脸检测方法及系统，训练方法：根据预测人脸框相对于默认人脸框的偏置信息，及真实人脸框相对于默认人脸框的偏置信息，计算预测人脸框偏置网络层的损失函数；根据默认人脸框的置信度，计算预测人脸框置信度网络层的损失函数；计算两个损失函数的误差并将误差反馈到神经网络中对神经网络中的权重进行调整；重复迭代训练直至收敛得到人脸检测模型，从而使得预测人脸框更加精确的包含人脸。检测方法：将待测人脸图像输入到训练好的人脸检测模型中输出偏置信息及置信度；根据偏置信息计算对应的预测人脸框；选取大于预设的置信度阈值的置信度或者最高置信度所对应的预测人脸框作为人脸检测结果。

主权项

1.一种基于神经网络的人脸检测模型的训练方法，其特征在于，所述神经网络包括：人脸检测的网络层、预测人脸框偏置的网络层及预测人脸框置信度的网络层；其中，所述人脸检测的网络层是根据所述神经网络中不同网络层对应训练集中的人脸图像的感受野选取的，所述人脸检测的网络层中的每个胞元绑定六个默认人脸框，所述默认人脸框是根据对应的人脸检测的网络层规模设置的；每层人脸检测的网络层连接一层预测人脸框偏置的网络层及一层预测人脸框置信度的网络层；所述方法包括：接收到模型训练指令时，将所述训练集中的人脸图像输入到所述神经网络中进行训练；通过预测人脸框偏置的网络层计算出预测人脸框相对于对应的默认人脸框的偏置信息，以及计算出真实人脸框相对于对应的默认人脸框的偏置信息；并通过预测人脸框置信度的网络层计算出每个默认人脸框包含人脸的置信度；根据所述预测人脸框相对于对应的默认人脸框的偏置信息，以及所述真实人脸框相对于对应的默认人脸框的偏置信息，计算预测人脸框偏置的网络层的损失函数；并根据所述默认人脸框包含人脸的置信度，计算预测人脸框置信度的网络层的损失函数；计算所述预测人脸框偏置的网络层的损失函数与所述预测人脸框置信度的网络层的损失函数的误差，并将所述误差通过反向传播反馈到所述神经网络中，根据所述误差更新所述神经网络的网络权重参数以及根据更新后的网络权重参数调整预测人脸框；重复迭代训练直至调整后的预测人脸框与真实人脸框的误差在预设的误差范围之内，输出人脸检测模型。