[发明专利]一种基于卷积神经网络的人脸检测方法

权利要求书

1.一种基于卷积神经网络的人脸检测方法，其特征在于，该方法包括以下步骤：

步骤1、建立数据库获得图像数据进行预处理构建卷积神经网络；

步骤2、通过卷积神经网络中的图像特征分析模块对预处理数据进行四次迭代运算生成图像特征参数；

步骤3、通过卷积神经网络中的全连接层对图像特征参数运算生成图像一维向量；

步骤4、通过卷积神经网络中的分类层对图像一维向量进行分类和回归获得人脸图像的位置坐标；其中：所述步骤4中分类层对图像一维向量进行分类和回归过程，包括如下步骤：

步骤4.1、通过随机梯度下降法的优化方法对图像一维向量进行迭代权值，达到令损失函数不断的调整，从不断调整训练时的超参数以获得最佳训练结果，其中超参数包含：迭代次数、批次、最大迭代次数、学习率；

步骤4.2、分类过程选取的损失函数为将中心损失函数与softmax损失函数相结合的方法，具体表达式为：

其中，L_S为softmax损失函数，L_c为中心损失函数，λ为系数，表示二者权重这里取λ＝0.1，式中Wx+b为全连接层的输出，经log后表示x_i属于类别y_i的概率，C表示类别的特征中心；

步骤4.3、回归过程所采用的损失函数为：欧氏距离损失函数，具体表达式如下：

y_i∈R⁴

其中，是网络预测的输出结果，y为标记的真实标签，即68个人脸关键点的坐标；

步骤4.4、将最优权值条件下输出的68个人脸关键点的坐标与数据库中带标签的的人脸关键点坐标及人脸作比对，从而算出此卷积神经网络用于人脸检测的准确率。

2.如权利要求1所述的基于卷积神经网络的人脸检测方法，其特征在于，所述步骤2中图像特征分析模块对预处理数据过程，包括如下步骤：

步骤2.1、所述图像特征分析模块的卷积层对预处理数据的权值与参数进行相卷积的方法提取图像特征；

步骤2.2、所述图像特征分析模块的激活函数层将图像特征运用ReLu函数进行非线性运算获得非线性特征图参数；

步骤2.3、所述图像特征分析模块的最大池化层对非线性特征图的参数进行降低处理。