[发明专利]一种基于多感受野动态结合的人脸检测方法及系统

说明书

本发明公开一种基于多感受野动态结合的人脸检测方法及系统，涉及人脸检测技术领域，包括：将待检测图像输入预先生成的神经网络模型中进行特征提取，得到相应的初始特征图；采用第一空洞卷积对初始特征图进行第一预设次数的卷积操作，得到具有第一感受野的第一特征图；采用第二空洞卷积对初始特征图进行第二预设次数的卷积操作，得到具有第二感受野的第二特征图；采用第三空洞卷积对初始特征图进行第三预设次数的卷积操作，得到具有第三感受野的第三特征图；将第一特征图、第二特征图和第三特征图进行叠加得到第四特征图；采用注意力机制更新第四特征图的权重，并根据经权重更新后的第四特征图进行人脸检测。本发明有效提升人脸检测的准确率。

技术领域

本发明涉及人脸检测技术领域，具体涉及一种基于多感受野动态结合的人脸检测方法及系统。

背景技术

人脸检测技术作为人脸识别、性别识别、表情识别等任务的基础，在过去几十年得到了广泛关注以及长足发展。随着计算机硬件性能在近几年得到巨大提升，使得卷积神经网络在人脸检测方面的应用更深入，并对人脸的检测性能有了进一步提高。

现有技术应用卷积神经网络进行人脸检测，在利用多层卷积层特征的时候，仅仅考虑了人脸本身的特征，而忽略了人脸周围的背景(context)信息。

发明内容

本发明的目的在于提供一种基于多感受野动态结合的人脸检测方法及系统。

为达此目的，本发明采用以下技术方案：

提供一种基于多感受野动态结合的人脸检测方法，具体包括：

步骤S1，将待检测图像输入预先生成的神经网络模型中进行特征提取，得到相应的初始特征图；

步骤S2，采用第一空洞卷积对所述初始特征图进行第一预设次数的卷积操作，得到具有第一感受野的第一特征图；

步骤S3，采用第二空洞卷积对所述初始特征图进行第二预设次数的卷积操作，得到具有第二感受野的第二特征图；

步骤S4，采用第三空洞卷积对所述初始特征图进行第三预设次数的卷积操作，得到具有第三感受野的第三特征图；

步骤S5，将所述第一特征图、所述第二特征图和所述第三特征图进行叠加得到第四特征图；

步骤S6，采用注意力机制更新所述第四特征图的权重，并根据经权重更新后的所述第四特征图进行人脸检测。

作为本发明的一种优选方案，所述第一空洞卷积的卷积核为3*3，且所述第一预设次数为1。

作为本发明的一种优选方案，所述第二空洞卷积的卷积核为3*3，且所述第二预设次数为2。

作为本发明的一种优选方案，所述第三空洞卷积的卷积核为3*3，且所述第三预设次数为3。

作为本发明的一种优选方案，所述神经网络模型采用S3FD算法对所述待检测图像进行特征提取。

一种基于多感受野动态结合的人脸检测系统，应用以上任意一项所述的基于多感受野动态结合的人脸检测方法，所述基于多感受野动态结合的人脸检测系统具体包括：

特征提取模块，用于将待检测图像输入预先生成的神经网络模型中进行特征提取，得到相应的初始特征图；

第一卷积模块，连接所述特征提取模块，用于采用第一空洞卷积对所述初始特征图进行第一预设次数的卷积操作，得到具有第一感受野的第一特征图；

第二卷积模块，连接所述特征提取模块，采用第二空洞卷积对所述初始特征图进行第二预设次数的卷积操作，得到具有第二感受野的第二特征图；

第三卷积模块，连接所述特征提取模块，采用第三空洞卷积对所述初始特征图进行第三预设次数的卷积操作，得到具有第三感受野的第三特征图；