[发明专利]一种基于深度学习的实时人脸检测方法及系统

摘要

本发明公开了一种基于深度学习的实时人脸检测方法及系统，该方法包括以下步骤构建的人脸图像数据库和卷积神经网络，利用构建的数据库对神经网络进行训练，得到最优的卷积神经网络以及人脸数据库中的人脸特征；构建storm拓扑结构；数据源输入组件将实时视频流分发给各数据处理组件，数据处理组件通过卷积神经网络对人脸和非人脸进行分类、人脸边界框回归、坐标定位，得到人脸检测的结果。本发明通过优化后的卷积神经网络对人脸图像数据进行特征提取，有效地提高了特征提取的准确率，将Storm架构和卷积神经网络的特征提取相结合，提高了人脸检测的效率。

主权项

一种基于深度学习的实时人脸检测方法，其特征是，包括以下步骤：步骤S10：构建人脸数据库，并设计用于人脸检测的卷积神经网络；步骤S20：利用人脸数据库对卷积神经网络进行训练，得到最优卷积神经网络，利用最优的卷积神经对人脸数据库的人脸数据进行特征提取，取得人脸特征；步骤S30：构建Storm的拓扑结构，所述Storm的拓扑结构包括若干个数据源输入组件spout；每个数据源输入组件spout分别与若干个数据处理组件bolt连接；在以数据源输入组件spout为父节点的数据处理组件bolt上分别布置训练好的最优卷积神经网络，且所有数据处理组件bolt具有相同的子节点；所述相同的字节点用于将检测到的人脸区域坐标在检测图像上进行标注和返回检测结果；步骤S40：数据源输入组件spout将采集的待检测的人脸图像实时视频流分发给各个数据处理组件bolt，每个数据处理组件bolt通过预先布置的最优卷积神经网络进行人脸部位识别、通过分类器对识别的结果进行人脸/非人脸分类、将人脸部位通过最优卷积神经网络进行边界框回归并得出人脸部位在原图中的坐标，返回人脸坐标结果。