[发明专利]一种基于多级CNN的影片人脸提取的方法

权利要求书

1.一种基于多级CNN的影片人脸提取的方法，其特征在于：具体步骤如下：

S1、从视频连续帧中生成scaling系数为0.7的图片处理过程，设置符合短视频常规情况的最小的人脸检测尺寸阈值；

S2、通过CNN全连接层网络，获得建议人脸候选池，输出包含人脸的候选区域；

S3、通过用于修正结果集的CNN对第一步中产生的候选人脸池进行初步修正，通过消除识别错误的case，来拟合更准的结果；

S4、使用size、深度、宽度更大的CNN网络，对第二步产生的结果进一步拟合，再去除一次false positive，得到比第二部更准的结果；

S5、将第S4步的结果反scaling回来到原始坐标，形成大小不一候选框集合，带有区域框位置，其中左上右下实际坐标，人脸关键点位置；

S6、对于S5产生的候选集合，有很多的置信度不一重叠区域，所以要用到重叠检测，将所有候选人脸做重叠度检测；

S7、将重叠度检测结果中区域聚合的部分，极大值留下，其他全部删除，留下了我们所要提取的某一帧的人脸；

S8、通过循环，使用叠加CNN连续处理人脸拟合获取整个视频在时间线上的连续帧，获得视频的演员人脸集合；

S9、针对临近时间线因素，对人脸关键点位置做最后一次线性状态测试，进一步refine，排除异常结果。

2.根据权利要求1所述的一种基于多级CNN的影片人脸提取的方法，其特征在于，所述S1中阀值以原始帧开始，循环产生0.7上一次图片大小的图片，直到最小检测尺寸，形成图片金字塔。

3.根据权利要求1所述的一种基于多级CNN的影片人脸提取的方法，其特征在于，所述S2中输出是16个通道的map，包含了是否是人脸，人脸框的位置范围，以及定位到的关键点人脸位置，包括左眼，右眼，鼻子，左嘴角，右嘴角，其中位置等数据都是相对于原点的offset。