[发明专利]一种基于人体上下文注意力机制的人脸检测方法

权利要求书

1.一种基于人体上下文注意力机制的人脸检测方法，其特征在于，包括：

S1.在户外施工场景下采集包含有人的图片，并利用增添了注意力机制支路的潜在人脸框产生网络PNet回归得到不同尺度下的多个可能包含有人脸的回归目标框；

S2.利用soft-NMS过滤掉所述回归目标框中重合较多的目标框得到一次过滤目标框；

S3.对所述一次过滤目标框的覆盖区域进行扩充，并引入包含人体姿态的上下文信息得到一次扩充目标框，利用增添了注意力机制支路的微调网络Rnet对所述一次扩充目标框和一次过滤目标框进行处理得到高精度目标框；

S4.利用soft-NMS过滤掉所述高精度目标框中重合较多的目标框得到二次过滤目标框；

S5.对所述二次过滤目标框的覆盖区域进行扩充得到二次扩充目标框，利用最后的输出网络ONet对所述二次扩充目标框和二次过滤目标框进行处理得到最终的人脸框以及人脸框的打分；

S6.通过基于cosface分类损失的训练方法对所述网络PNet、网络RNet、网络ONet进行训练。

2.根据权利要求1所述的一种基于人体上下文注意力机制的人脸检测方法，其特征在于，所述步骤S1包括：

S1-1.利用ResNet50进行特征提取，其中，对于经过了不同层级输出的特征图分别作为不同尺度下的特征结果；

S1-2.对所述特征结果进行基于注意力机制的特征检测，将检测结果与所述特征结果进行指数叠加，得到包含有人脸区域的高亮特征图；

S1-3.将所述高亮特征图输入所述网络Pnet得到所述回归目标框。

3.根据权利要求1所述的一种基于人体上下文注意力机制的人脸检测方法，其特征在于，在所述步骤S2、步骤S4中，计算所有目标框的IoU分数，根据各目标框的IoU分数与最高的IoU分数进行降分处理，并用降分处理得到新的分数代替各目标框原有的IoU分数，公式如下：

或者：

其中，S_i表示第i个目标框的iou得分，M表示置信度最高的目标框，B_i表示第i个目标框，iou()函数表示计算iou，k为设定的阈值，σ为设定的衰减指数。

4.根据权利要求1所述的一种基于人体上下文注意力机制的人脸检测方法，其特征在于，所述步骤S3包括：

S3-1.在所述一次过滤目标框中，在原图上保持中心不变，将尺度扩大，得到包含相关的人体的上下文结构信息的区域特征框；

S3-2.对所述一次过滤目标框、区域特征框提取一次特征得到特征图，将该特征图与注意力特征图进行指数叠加作为第一支路，并且将所述一次过滤目标框、区域特征框作为第二支路，进行进一步的特征提取以及人脸检测和人脸分类。

5.根据权利要求1所述的一种基于人体上下文注意力机制的人脸检测方法，其特征在于，所述步骤S5包括：

S5-1.在所述二次过滤目标框中，在原图上保持中心不变，将尺度扩大，得到包含相关的人体的上下文结构信息的区域特征框；

S5-2.对所述二次过滤目标框、区域特征框提取一次特征得到特征图，将该特征图与注意力特征图进行指数叠加作为第一支路，并且将所述二次过滤目标框、区域特征框作为第二支路，进行进一步的特征提取，回归得到最终的人脸框以及人脸框的打分。

6.根据权利要求1所述的一种基于人体上下文注意力机制的人脸检测方法，其特征在于，所述步骤S6包括：

所述cosface分类损失函数为：

其中s为超球面的半径，m为margin，N为样本总数，y_i表示第i个样本的类别标签，s为超球面的半径，m为margin，为固定参数，θ_j表示第j类样本中心同当前样本的特征夹角；

利用Adam优化方法对损失以及网络结构进行梯度下降，达到了最优的效果。