[发明专利]一种基于SSD框架的人脸检测方法及系统有效

专利信息
申请号: 201811058101.9 申请日: 2018-09-11
公开(公告)号: CN109409210B 公开(公告)日: 2020-11-24
发明(设计)人: 王鲁许;董远;白洪亮;熊风烨 申请(专利权)人: 苏州飞搜科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;吴欢燕
地址: 215000 江苏省苏州市苏州工*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ssd 框架 检测 方法 系统
【说明书】:

发明实施例提供了一种基于SSD框架的人脸检测方法及系统,该方法包括:对目标人脸图像标注锚点;基于训练后的SSD框架卷积神经网络,对标注有锚点的目标人脸图像进行检测,获取到目标人脸框,所述SSD框架卷积神经网络通过标注有锚点的样本人脸图像训练得到。本发明实施例通过设置自适应人脸大小分布的锚点匹配算法,将每张人脸图像中的人脸根据人脸尺寸大小匹配最合适的锚点,从而生成训练人脸区域,使SSD框架卷积神经网络得到充分训练,提高了人脸检测的性能。

技术领域

本发明实施例涉及深度学习领域,尤其涉及一种基于SSD框架的人脸检测方法及系统。

背景技术

近几年来,随着计算机等高新技术的快速发展,基于神经网络的人脸检测技术广泛应用在摄影、监控和门禁等领域,特别是基于SSD训练框架的卷积神经网络具有检测速度快,检测大物体方面准确率高的特点而倍受人们关注。

由于受限于低层特征提取不足,基于SSD框架的卷积神经网络在检测不同尺寸的人脸时的效果较差,特别是小尺寸人脸(小尺寸人脸指的尺寸是在50px*50px以下的人脸)方面性能相对较差,在训练数据有限的情况下,不能很好的挖掘数据的信息加以训练,导致训练不充分,降低了SSD框架的卷积神经网络监测人脸的性能。

因此,现在亟需一种基于SSD框架的人脸检测方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题,本发明实施例提供了一种基于SSD框架的人脸检测方法及系统。

第一方面,本发明实施例提供了一种基于SSD框架的人脸检测方法,包括:

对目标人脸图像标注锚点;

基于训练后的SSD框架卷积神经网络,对标注有锚点的目标人脸图像进行检测,获取到目标人脸框,所述SSD框架卷积神经网络通过标注有锚点的样本人脸图像训练得到。

第二方面,本发明实施例提供了一种基于SSD框架的人脸检测系统,包括:

锚点标注模块,用于对目标人脸图像标注锚点;

人脸检测模块,用于基于训练后的SSD框架卷积神经网络,对标注有锚点的目标人脸图像进行检测,获取到目标人脸框,所述SSD框架卷积神经网络通过标注有锚点的样本图像训练得到。

第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。

第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

本发明实施例提供的一种基于SSD框架的人脸检测方法及系统,通过设置自适应人脸大小分布的锚点匹配算法,将每张人脸图像中的人脸根据人脸尺寸大小匹配最合适的锚点,从而生成训练人脸区域,使SSD框架卷积神经网络得到充分训练,提高了人脸检测的性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于SSD框架的人脸检测方法的流程示意图;

图2为本发明实施例提供的SSD框架卷积神经网络的训练流程示意图;

图3为本发明实施例提供的基于SSD框架的人脸检测系统的结构示意图;

图4为本发明实施例提供的电子设备结构示意图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州飞搜科技有限公司,未经苏州飞搜科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811058101.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top