[发明专利]基于深度学习的SSD的人脸检测方法

说明书

一种基于深度学习的SSD的人脸检测方法，所述方法包括以下步骤：（1）输入图像。（2）将得到的图片resize成300×300，并送入网络。（3）进行多层级的提取feature map。（4）在每个feature map中各个位置location，每个location对应多个default box。（5）对所有default box的特征分别回归其类别的置信度和default box的相对偏移量。（6）对于每个default box，回归出每个类别的class score。（7）根据回归的类别中人脸类别的class score，选取default box。（8）根据default box的预测结果可以知道人脸的倾斜角度。从而知道人脸的朝向。

技术领域

本发明属于深度学习领域，具体涉及一种SSD（Single Shot Multi-boxesDetector，单镜头多箱式检测）人脸检测的方法。

背景技术

人脸检测是一种在任意数字图像中找到人脸的位置并确定其大小的计算机技术，其研究具有重要的学术价值。人脸是一类具有相当复杂的细节变化的自然结构目标，对此类目标的挑战性在于：人脸由于外貌、表情、肤色等不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物；作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。人脸检测的目的是判断输入的人脸图像或者视频帧图像中是否有人脸存在，若存在人脸，则确定图像中人脸所在的位置，并进一步给出人脸中各个器官的具体位置、大小等信息。典型的人脸检测算法可以分为三大类：基于启发式的检测算法、基于肤色区域分割的检测算法和基于统计模板的检测算法。具体的方法有人工神经网络方法，Adaboost算法，特征脸检测算法以及样本学习方法等。

深度学习（Deep Learning）是机器学习领域利用多层特征来建立数据之间复杂关系的技术，广泛应用在信号和信息处理领域。深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

人脸检测算法中，特征选取的好坏对于实际应用的影响非常大，因此，选择一种能很好地表示某一对象的特征是解决实际问题的关键。然而，人为设计的特征，如Adaboost算法，时间代价很大，劳动成本也很高。基于这些问题，深度学习作为一个不需要人为参与的特征提取方法，可以通过自动学习来完成特征提取的任务。而目前较为高效的基于深度学习的人脸检测算法YOLO（You Only Look Once），虽然对物体的检测速度很快，达到了完全实时，但其对位置预测不够精确，对小物体效果不够理想。

SSD即深度学习中一个最新的Object Detector算法，在多尺度下面计算特征，然后评估在该尺度下的区域存在的概率以及相关offset，是一种遍历所有区域的方式。

发明内容

为了克服现有算法无法同时保证人脸检测的高速率与高精度性，本发明提出一种基于SSD的人脸检测算法。其结合了YOLO和anchor进行检测，在多个feature map上进行处理，使用图像在各个scale下各个位置的特征进行回归，既保证了速度，也保证了准确度。

本发明解决其技术问题所采用的技术方案是：

一种基于深度学习的SSD的人脸检测方法，所述方法包括以下步骤：

1）输入图像。

2）将得到的图片resize成300×300，并送入网络。

3）进行多层级的提取feature map。

4）在每个feature map中各个位置location，每个location对应多个defaultbox。