[发明专利]一种基于深度学习的实时场景小脸检测方法

权利要求书

1.一种基于深度学习的实时场景小脸检测方法，其特征在于，该方法具体包括以下步骤：

步骤(1)、将数据集中的图像读入网络结构，对图像经过卷积层，池化层提取图像特征，形成特征层；

步骤(2)、从提取的特征层中，选取能使网络模型实现最高预测效果的特征层，进行特征层融合；

步骤(3)、对融合的特征层进行分类预测，最后使用改进后的非极大值抑制算法剔除冗余的检测框，保留精准的检测框作为预测输出；

步骤31)、对选取的融合特征层进行分类预测，判断是否存在对应物体，生成对应置信度S_i；

步骤32)、设置两个阈值最小min和最大max；

步骤33)、使用soft and hard nms算法筛选预测框

计算出每个预测框与最大置信度预测框的交并比IoU，对于交并比IoU在min之下的的预测框，不施以惩罚，对其置信度分数予以保留；对于处于min和max之间的预测框，在非极大值抑制算法中引入的高斯函数重打分，并且施以较小的惩罚的因数获得更新后的置信度分数，而对于IoU处于max之上的预测框，同样送入高斯函数进行重打分机制，并且施以较重的惩罚因数；其对应函数为：

步骤34)、计算剩余集合中预测框与M的IoU(M,bi)，判断该IoU值与max以及min的大小，进入不同区段进行不同的重打分进程；公式中M对应每一轮筛选中的最大置信度预测框，bi对应每一轮剩下集合中的第i个预测框，其原始置信度是Si，σ表示正态分布的标准偏差；

步骤35)、输出筛选过后的预测框。

2.根据权利要求1所述的一种基于深度学习的实时场景小脸检测方法，其特征在于：步骤1)包括：

步骤11)、使用VGG16网络作为基础网络，修改网络层以及辅助结构为去除了VGG16基础网络架构中的全连接层，将最后的池化层改为卷积层，再外接三个卷积层用于特征提取；

步骤12)、基于上述网络框架，采用selective search方法生成候选框，对人脸图像候选框进行特征提取，得到特征层。

3.根据权利要求1所述的一种基于深度学习的实时场景小脸检测方法，其特征在于：步骤2)包括：

步骤21)、根据步骤1所述提取的人脸图像特征，每个添加的特征层或者VGG16原有的特征层，使一组卷积滤波器产生固定的预测集合，为保证融合的特征层能够吸纳更底层的特征，并且包含最丰富的语义特征供网络理解，选取六个不同尺度的特征提取层作为检测器的预测；

步骤22)、针对选取的六个不同尺度的特征层，这些特征层的通道数为C，大小为M×N，使用3×3×C的卷积核进行卷积，输出相关类别的得分分数以及与默认检测框的坐标偏移量。

4.根据权利要求3所述的一种基于深度学习的实时场景小脸检测方法，其特征在于：所述六个不同尺度的特征层分别为conv3_3，conv4_3，fc7，conv6_2，conv7_2，conv8_2层。

5.根据权利要求3所述的一种基于深度学习的实时场景小脸检测方法，其特征在于：所述坐标偏移量为默认边界框的坐标与输出特征图边界框之间的相对距离。