[发明专利]一种基于深度学习的面部太田痣区域自动检测方法

权利要求书

1.一种基于深度学习的面部太田痣区域自动检测方法，其特征在于，包括以下步骤：

(1)采集人脸图像；

(2)对采集的人脸图像进行网格化处理；

(3)将每个网格图像分别输入训练好的神经网络模型中，神经网络模型输出该网格图像对应的B个目标检测框，预测每个目标检测框的目标区域起始位置横坐标、目标区域起始位置纵坐标、目标区域宽度、目标区域高度以及该目标检测框的可靠度；

(4)根据可靠度筛选目标检测框，得到每个网格对应的太田痣区域；

(5)将所有网格对应的太田痣区域相加，得到整个面部的太田痣区域面积。

2.根据权利要求1所述基于深度学习的面部太田痣区域自动检测方法，其特征在于，在步骤(1)中，在稳定环境下，采集待测人员的左侧脸图像、右侧脸图像和正脸图像。

3.根据权利要求1所述基于深度学习的面部太田痣区域自动检测方法，其特征在于，在步骤(2)中，将采集的人脸图像划分成19*19的网格，每个网格负责检测太田痣区域中心在该网格上的太田痣区域，每个网格有一个标签，用于标记太田痣区域。

4.根据权利要求1所述基于深度学习的面部太田痣区域自动检测方法，其特征在于，在步骤(3)中，目标检测框的可靠度计算方法如下：

上式中，confidence表示可靠度；P(obj)表示目标检测框内是否包含目标区域，若有目标区域，则其值为1，否则其值为0；表示预测目标区域与实际目标区域之间的重叠率。

5.根据权利要求1所述基于深度学习的面部太田痣区域自动检测方法，其特征在于，在步骤(3)中，神经网络模型的损失函数如下：

L_all＝L_pos+L_conf+L_class

其中，L_pos表示位置预测的误差：

上式中，λ_pos表示位置误差权值；S表示每一行/列的网格数；表示第i个网格的第j个目标检测框内是否有目标区域，若有目标区域，则其值为1，否则其值为0；x_i，y_i，w_i，h_i分别为第i个网格对应的目标区域的起始位置横坐标、起始位置纵坐标、宽度和高度，为x_i，y_i，w_i，h_i对应的预测值；

L_conf表示可靠度预测的误差：

上式中，表示第i个网格的第j个目标检测框内是否不包含目标区域，若不包含目标区域，则其值为1，否则其值为0；C_i为第i个网格对应的目标检测框的可靠度，为C_i的预测值；

L_class表示类别预测的误差：

上式中，p_i(c)为第i个网格对应的类别可靠度误差，为p_i(c)的预测值。