[发明专利]基于颜色纹理双通道卷积神经网络及循环神经网络的人脸融合检测方法

权利要求书

1.一种基于颜色纹理双通道卷积神经网络及循环神经网络的人脸融合检测方法，其特征在于，包括如下步骤：

步骤1：对输入图像进行人脸区域提取，将人脸区域重采样为固定尺寸并划分为不重叠的图像块；

步骤2：对步骤1所得每个图像块进行预处理操作提取颜色及纹理分量；

步骤3：将步骤2所得每个图像块提取的颜色及纹理分量输入完成训练的双通道卷积神经网络得到高维特征表达；

步骤4：将步骤3所得所有图像块的高维特征表达作为空间循环神经网络的输入获得网络的输出分数；将输出分数与预设阈值进行比较，判断输入图像是否为人脸融合图像。

2.根据权利要求1所述的基于颜色纹理双通道卷积神经网络及循环神经网络的人脸融合检测方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：采用人脸检测算法提取输入图片I(x，y)中人脸的矩形边界框，利用该矩形边框左上角位置(x₀，y₀)和右下角位置(x₁，y₁)确定人脸区域；人脸区域检测采用的算法包括Viola-Jones算法，但不限于此；

步骤1.2：截取输入彩色图片I(x，y)的人脸区域I_f(x，y)，并将其重采样为N×N大小；

步骤1.3：将重采样后的人脸区域图像均匀划分为不交叠的k²个图像块B_(i，j)，其中(i，j)表示图像块垂直方向和水平方向的序号；每个图像块的空间尺寸为

3.根据权利要求1所述的基于颜色纹理双通道卷积神经网络及循环神经网络的人脸融合检测方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：对于步骤1.3获得的图像块其中分别表示图像块的RGB三个颜色通道分量；首先将图像块B(_i，j)进行颜色空间变换，从原本的RGB颜色空间转换到HSV颜色空间并提取颜色分量

步骤2.2：对于步骤1.3获得的图像块利用公式(1)计算其灰度级图像G_(i，j)，公式(1)如下所示：

步骤2.3：对于步骤2.2获得的灰度级图像G_(i，j)，采用Schmid滤波器组提取纹理信息；Schmid滤波器组由d个具有旋转不变性的滤波器构成；滤波器的形式如公式(2)所示：

其中，参数r表示半径而(σ，τ)的取值将决定滤波器的具体参数值；F₀(σ，τ)表示使滤波器系数直流分量为0的偏置量；利用上述滤波器依次对灰度级图像G_(i，j)进行空间域卷积操作得到d个处理结果，并组成纹理分量