[发明专利]一种基于通道分离型卷积的快速人脸检测模型

说明书

本发明公开了一种基于通道分离型卷积的快速人脸检测模型，包括以下步骤：将输入图像划分为S*S个图像块，如果图像中某个人脸区域的中心点落在某个图像块上，那么该图像块就负责对该人脸区域的检测；每个图像块预测3个边界框及其对应的目标概率，目标概率表示的是边界框正确检测到人脸的概率。本发明利用通道分离型卷积的设计大大减少了整个检测网络的参数量和计算复杂度，从而提升了网络的人脸检测速度。本发明基于全局信息进行预测，并且利用多个3*3和1*1的卷积层的组合对输入图片进行特征提取，因此能够提升人脸检测的精度。总之，本发明所提人脸检测模型在提升人脸检测速度的同时能够保证较高的人脸检测准确率。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于通道分离型卷积的快速人脸检测模型。

背景技术

人脸检测常应用于视频监控，机器人视觉等领域。它要求算法实时性强，并且要有较高的准确率和较低的内存占用率。传统的人脸检测算法一般是基于boosting算法或者DPM模型。近年来，随着深度学习在计算机视觉领域的成功，基于卷积神经网络的方法也渐渐地被应用于人脸检测的任务中。现存人脸检测算法大多数要么准确率高，但是速度慢，要么速度快，但是准确率低。且大多数基于深度学习模型的人脸检测算法结构过于复杂。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于通道分离型卷积的快速人脸检测模型，以解决现有技术的不足。

为实现上述目的，本发明提供了一种基于通道分离型卷积的快速人脸检测模型，包括以下步骤：

步骤1、将输入图像划分为S*S个图像块，如果图像中某个人脸区域的中心点落在某个图像块上，那么该图像块就负责对该人脸区域的检测；

步骤2、每个图像块预测3个边界框及其对应的目标概率，目标概率表示的是边界框正确检测到人脸的概率，将目标概率定义为P(目标)*IOU，若人脸区域的中心点落在预测边界框内，则P(目标)＝1，否则为0；IOU表示的是预测边界框与真值边界框的交并比。

进一步地，所述每个预测边界框要预测的的内容包括：x,y,w,h和目标概率C，其中(x,y)表示的是预测边界框的相对中心坐标，而w和h表示的是边界框的相对宽和高，目标概率表示的是预测边界框与真值边界框的交并比。

进一步地，所述3个边界框中，与真值边界框交并比最大的那个边界框负责对人脸的检测。

进一步地，所述与真值边界框交并比最大的那个边界框负责对人脸的检测采用的损失函数如下：

其中，当第i个图像块中的第j个边界框负责对人脸的检测时，的值为1，的值为0，否则为的值为0，的值为1；α₁，α_nobj是常数项；一般来说，α₁的值设为5，α_nobj的值设为0.5；x_i,y_i,为预测边界框中心点的坐标值；为真值边界框中心点的坐标值；w_i，h_i为预测边界框的长和宽；为真值边界框的长和宽；C_i为预测的目标概率值；为实际目标概率值。

进一步地，所述模型利用通道分离型卷积，通道分离型卷积中卷积核的深度为1，卷积核分别对输入特征图的每个通道进行卷积，得到输出特征图对应的通道，之后再用卷积核对得到的输出特征图进行各通道信息的融合。

进一步地，所述模型包括20个卷积层和4个最大池化层。

本发明的有益效果是：