[发明专利]一种结合人脸检测的人脸质量评估方法在审
| 申请号: | 201910966655.7 | 申请日: | 2019-10-12 |
| 公开(公告)号: | CN110738160A | 公开(公告)日: | 2020-01-31 |
| 发明(设计)人: | 向伟;沈复民;孔繁昊;奚兴;张艳明 | 申请(专利权)人: | 成都考拉悠然科技有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06T7/00 |
| 代理公司: | 51228 成都君合集专利代理事务所(普通合伙) | 代理人: | 尹玉 |
| 地址: | 610000 四川省成都市自由贸易试*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 人脸 先验 人脸检测 质量分类 质量评估 置信度 多尺度特征 任务学习 特征提取 回归 检测 显存 尺度 网络 筛选 输出 融合 图片 | ||
1.一种结合人脸检测的人脸质量评估方法,其特征在于,输入待检测图片并进行特征提取;然后,提取不同尺度的特征进行多尺度特征融合;最后,网络进行多任务训练,分别输出人脸置信度、人脸框坐标、人脸质量,根据人脸置信度筛选出代表人脸的先验框,根据人脸框坐标将先验框回归后得到最后检测得到的人脸框,先验框对应的人脸质量分类即为回归后人脸框的质量分类。
2.根据权利要求1所述的一种结合人脸检测的人脸质量评估方法,其特征在于,在输入待检测图片之前设置先验框,根据输入图像的大小生成大小不同的先验框,以实现在原图中有多种大小的感受野以覆盖了常见人脸的大小;在不同的特征图设置不同大小的先验框,以提取多种尺度进行检测;在每一个像素点附近生成均匀分布的若干个先验框。
3.根据权利要求2所述的一种结合人脸检测的人脸质量评估方法,其特征在于,将先验框与真实目标进行匹配,匹配成功的先验框负责预测物体是人脸的概率和它的质量分类;首先将生成的所有的先验框与真实目标做IoU计算得出交并比IoU;然后,每一个真实目标分配一个最大IoU的先验框,确保每一个真实目标至少有一个先验框与之匹配;最后,为了解决正负样本不均衡的问题,将交并比IoU大于阈值的也分配给真实目标,增加正样本的数量。
4.根据权利要求3所述的一种结合人脸检测的人脸质量评估方法,其特征在于,将样本按照起损失值排序并选取最高的70%进行训练,同时保证正样本和负样本的比例最高不超过3:1。
5.根据权利要求1所述的一种结合人脸检测的人脸质量评估方法,其特征在于,待检测图片经过特征提取网络后图像尺度大小被减小32倍。
6.根据权利要求5所述的一种结合人脸检测的人脸质量评估方法,其特征在于,输入的待检测图片依次经过conv1、pool1、conv2、pool2后进行特征提取;所述conv1的k=7、c=24、s=4,pool1的k=3、s=4,所述conv2的k=5、c=64、s=2,所述pool2的k=3、s=2。
7.根据权利要求1所述的一种结合人脸检测的人脸质量评估方法,其特征在于,待检测图片依次经过inception1、inception2、inception3丰富感受野,然后依次进入conv3_1、conv3_2、conv4_1、conv4_2提取不同尺度的特征并进行多尺度特征融合,分别从inception3、Conv3_2和Conv4_2中提取三种不同尺度的特征。
8.根据权利要求7所述的一种结合人脸检测的人脸质量评估方法,其特征在于,所述inception3中先验框大小设置为32x32、64x64、128x128;所述Conv3_2中先验框大小设置为256x256;所述Conv4_2中先验框大小设置为512x512;inception3的输出特征图大小为32*32,Conv3_2的输出特征图大小为16*16,Conv4_2输出特征图大小为8*8。
9.根据权利要求7所述的一种结合人脸检测的人脸质量评估方法,其特征在于,分别采用一个2分类SoftmaxLoss进行人脸和非人脸分类,一个SoothL1Loss进行人脸框坐标的回归,和一个9分类的SoftmaxLoss进行人脸质量分类;得到三种不同尺度进行特征融合之后,利用卷积层分别为三个任务进行多任务训练,对每一个任务进行权重分配,损失值的比例为2:1:1。
10.根据权利要求1所述的一种结合人脸检测的人脸质量评估方法,其特征在于,质量分类一共分为9类,按照质量顺序依次分别为标准人脸、小幅度侧脸、微小表情、轻微模糊、夸张表情、大幅度侧脸、中度模糊、重度模糊、遮挡。
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成都考拉悠然科技有限公司,未经成都考拉悠然科技有限公司许可,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/201910966655.7/1.html,转载请声明来源钻瓜专利网。





