[发明专利]基于低成本运算平台的人脸检测方法、装置及介质

权利要求书

1.一种基于低成本运算平台的人脸检测方法，其特征在于：

包括前置处理、微调及回归处理；

所述前置处理包括：对输入的图片使用神经网络框架进行特征提取，得到若干人脸预选框；

所述微调用于对所述神经网络进行微调，包括：通过多个微型的卷积核以及可配置的网络结构的自定义组合，其中每个所述卷积核设置有对应的步长参数，所述卷积核用于神经网络的卷积及池化；

所述回归处理包括：基于所述人脸预选框的平均关键点执行回归过滤处理，得到人脸框有效位置及人脸关键点的位置。

2.如权利要求1所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述对输入的图片使用神经网络框架进行特征提取包括：输入所述图片中的每个像素点，计算对应一个人脸框的预测值以及置信。

3.如权利要求1所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述图片可自定设置，根据输入的所述图片的类型的不同，配置所述神经网络框架最后一层神经网络的神经元数量及训练方式，所述图片类型包括但不限于人脸。

4.如权利要求1所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述通过多个卷积核级联执行卷积运算包括：根据卷积层为线性运算公式将所述神经网络框架中的卷积核配置为多个小的级联卷积核，其中A代表了输入神经元，m代表了当前神经元的层数，w和b分表代表这权重和偏置，g代表了激活函数，k则代表了感受野，以保持感受野不变的情况下，采用微型联卷积核执行卷积运算。

5.如权利要求1所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述配置的网络结构包括具有不同步长的所述卷积核和全连接层组合，具体地，根据卷积层为线性运算公式其输出维度为(W-F+2P)/S+1，其中W代表输入图像的维度，F代表卷积核或者滤波矩阵的大小，P为填充的维度，S为步长的大小；根据输入的图像维度，采用不同大小的卷积核，同时对应地扩大S的值；以及根据输出神经层的维度与输入神经层的关系(W-F+2P)/S+1，执行S的自定义设置，以确定所述神经网络框架的自定义配置。

6.如权利要求4或5所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述神经网络框架包括但不限于resnet50、resnet18或darknet53。

7.如权利要求1所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述回归处理包括：在所述全连接层的神经网络结构后添加特定数量的神经元，设置人脸脸部及人脸预选框对应的损失函数。

8.如权利要求6所述的基于低成本运算平台的人脸检测方法，其特征在于：

所述脸部、所述预选框及所述回归树对应的损失函数分别配置为：

L_{classfication}＝-(y_ilong(p_i))+(1-y_i)(1-log(p_i))；

L_box＝|y’^box-y^box|²；

L_landmark＝|y’^landmark-y^landmark|²；

其中，p代表输入人脸的概率，其中y’代表这预测值，y代表真实值，y’^landmark及y^landmark分别为回归树的预测值及真实值，其中所述脸部的损失函数L_{classfication}为熵计算，所述预选框及所述回归树对应的损失函数分别为预测值与真实值之间的欧几里得距离和L2范数。