一种基于深度学习的球面图像人脸检测方法及系统技术方案

本发明专利技术涉及一种基于深度学习的球面图像人脸检测方法及系统，用于实现：建立用于存储球面图像数据库；对数据库中的球面图像进行展开处理，得到全景图像；对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；使用摄像装置采集多个球面图像，并对球面图像依次执行上述步骤的处理，进一步，使用人脸检测模型执行检测，得到人脸区域图。本发明专利技术的有益效果为：有效的解决了球面图像中人脸倒着无法进行检测的问题；将球面图像展开为全景图像后再使用鲁棒性更好的MTCNN深度学习模型，使得球面图像边缘位置的人脸检测更加准确。

A Face Detection Method and System for Spherical Images Based on Deep Learning

The invention relates to a spherical image face detection method and system based on depth learning, which is used to realize: establishing a spherical image database for storing spherical images; expanding and processing spherical images in the database to obtain panoramic images; facial annotation of panoramic images; using face annotated images as data source of training depth learning model, and performing training processing to obtain panoramic images. Face detection model; use the camera to collect multiple spherical images, and then perform the above steps on the spherical images in turn. Further, use the face detection model to perform detection, and get the face area map. The beneficial effects of the present invention are as follows: effectively solving the problem that face inversion cannot be detected in spherical image; expanding spherical image into panoramic image and then using MTCNN depth learning model with better robustness to make face detection of spherical image edge position more accurate.

【技术实现步骤摘要】
一种基于深度学习的球面图像人脸检测方法及系统
本专利技术涉及一种基于深度学习的球面图像人脸检测方法及系统，属于计算机领域。
技术介绍
在安防监控领域的单目全景摄像头设备上，通常从摄像头采集的数据都是一个球面图像，为了在这些设备上实现高性价比的人脸检测功能，通常会使用摄像头采集的球面图像作为原始数据进行人脸检测。比如，在单目360°全景行车记录仪上实现人脸检测的功能。现有技术存在以下缺点：(1)由于球面图像中的人脸可能是倒着的，导致通常的人脸检测算法无法检测出倒着的图像；(2)当人脸图像位于球面图像的边缘位置时，人脸图像会有畸变，导致传统的人脸检测算法鲁棒性差；(3)由于球面图像的分辨率高，因此，对人脸检测算法的性能有较高要求。
技术实现思路
本专利技术提供一种基于深度学习的球面图像人脸检测方法及系统，首先需要将球面图像进行展开，得到全景图像；由于球面图像越靠近边缘的位置畸变越大，因此在展开后的全景图像相对应的位置会存在一定的拉伸变形的情况，因此，我们需要建立自己的图像数据库，使用鲁棒性更好的深度学习算法进行模型训练，得到基于全景图像的人脸检测模型；然后使用该人脸检测模型在实际应用中进行人脸检测。本专利技术的技术方案包括一种基于深度学习的球面图像人脸检测方法，其特征在于，该方法包括以下步骤：A.建立用于存储球面图像数据库；B.对数据库中的球面图像使用算法进行处理，得到全景图像；C.对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；D.使用摄像装置采集多个球面图像，并对球面图像依次执行步骤A及B的处理，进一步，使用人脸检测模型执行检测，得到人脸区域图。根据所述的基于深度学习的球面图像人脸检测方法，其中所述步骤A还包括：所述数据库为存储有大量球面图像的数据库，其中大量球面图像作为训练数据源。根据所述的基于深度学习的球面图像人脸检测方法，其中步骤B具体包括：对数据库中的球面图像通过展开算法得到对应的全景图像，得到的球面图像中的人脸在全景图像中为正着的。根据所述的基于深度学习的球面图像人脸检测方法，其中步骤C具体包括：对数据库中的全景图像进行人脸标注，用以提供训练深度学习模型所需的数据；利用深度学习算法对标注数据进行训练，其中深度学习算法为MTCNN算法，进一步得到基于MTCNN的全景图像人脸检测模型。根据所述的基于深度学习的球面图像人脸检测方法，其中步骤D具体包括：使用单目摄像头采集到多个球面图像；将球面图像通过展开算法展开为全景图像；使用已训练的基于MTCNN的全景图像人脸检测模型对当前全景图像进行检测；将基于全景图像检测到的人脸区域映射到球面图像对应的位置，从而得到球面图像中人脸的区域。本专利技术的技术方案还包括一种用于上述任意方法的基于深度学习的球面图像人脸检测系统，其特征在于，该系统包括：图像存储模块，用于建立用于存储球面图像数据库；图像展开模块，用于对数据库中的球面图像使用算法进行处理，得到全景图像；图像训练模块，用于对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；图像检测模块，用于使用摄像装置采集多个球面图像，并对球面图像依次使用存储模块及图像展开模块进行处理，进一步，使用所述图像训练模块得到的人脸检测模型执行检测，得到人脸区域图。本专利技术的有益效果为：通过全景展开算法将球面图像展开为全景图像，然后通过该全景图像进行人脸检测，有效的解决了球面图像中人脸倒着无法进行检测的问题；球面图像越靠近边缘的位置畸变越大，对于在球面图像边缘位置的人脸，传统的人脸检测方法检测准确率低，本文将球面图像展开为全景图像后再使用鲁棒性更好的MTCNN深度学习模型，使得球面图像边缘位置的人脸检测更加准确。附图说明图1所示为根据本专利技术的方法的总体流程图。图2所示为根据本专利技术的总体系统框图；图3所示为根据本专利技术实施方式的人脸检测模型获得流程图；图4所示为根据本专利技术实施方式的人脸检测流程图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本
的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本专利技术的实施例，并且除非另外要求，否则不会对本专利技术的范围施加限制。图1所示为根据本专利技术的方法的总体流程图。该流程包括如下步骤：A.建立用于存储球面图像数据库；B.对数据库中的球面图像使用算法进行处理，得到全景图像；C.对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；D.使用摄像装置采集多个球面图像，并对球面图像依次执行步骤A及B的处理，进一步，使用人脸检测模型执行检测，得到人脸区域图。图2所示为根据本专利技术的总体系统框图。该系统包括：图像存储模块，用于建立用于存储球面图像数据库；图像展开模块，用于对数据库中的球面图像进行展开处理，得到全景图像；图像训练模块，用于对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；图像检测模块，用于使用摄像装置采集多个球面图像，并对球面图像依次使用存储模块及图像展开模块进行处理，进一步，使用所述图像训练模块得到的人脸检测模型执行检测，得到人脸区域图。图3所示为根据本专利技术实施方式的人脸检测模型获得流程图。其流程如S31-S35所示，包括：S31，建立一个大数据量的球面图像数据库；S32，对数据库中的球面图像通过展开算法得到对应的全景图像，这样在球面图像倒着的人脸在全景图像中是正着的；S33，对数据库中的全景图像进行人脸标注，用以提供训练深度学习模型所需的数据；S34，利用深度学习算法对标注数据进行训练，本文采用的是效率更好的MTCNN算法；S35，得到基于MTCNN的全景图像人脸检测模型。图4所示为根据本专利技术实施方式的人脸检测流程图。其流程如S41-S45所示，包括：S41，首先通过单目摄像头采集到球面图像；S42，将球面图像通过展开算法展开为全景图像；S43，利用上述训练好的基于MTCNN的全景图像人脸检测模型对当前全景图像进行检测；S44，将基于全景图像检测到的人脸区域映射到球面图本文档来自技高网...

【技术保护点】
1.一种基于深度学习的球面图像人脸检测方法，其特征在于，该方法包括以下步骤：A.建立用于存储球面图像数据库；B.对数据库中的球面图像进行展开处理，得到全景图像；C.对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；D.使用摄像装置采集多个球面图像，并对球面图像依次执行步骤A及B的处理，进一步，使用人脸检测模型执行检测，得到人脸区域图。

【技术特征摘要】
1.一种基于深度学习的球面图像人脸检测方法，其特征在于，该方法包括以下步骤：A.建立用于存储球面图像数据库；B.对数据库中的球面图像进行展开处理，得到全景图像；C.对全景图像进行人脸标注，将进行人脸标注的图像作为训练深度学习模型的数据源，执行训练处理得到人脸检测模型；D.使用摄像装置采集多个球面图像，并对球面图像依次执行步骤A及B的处理，进一步，使用人脸检测模型执行检测，得到人脸区域图。2.根据权利要求1所述的基于深度学习的球面图像人脸检测方法，其特征在于，所述步骤A还包括：所述数据库为存储有大量球面图像的数据库，其中大量球面图像作为训练数据源。3.根据权利要求1所述的基于深度学习的球面图像人脸检测方法，其特征在于，所述步骤B具体包括：对数据库中的球面图像通过展开算法得到对应的全景图像，得到的球面图像中的人脸在全景图像中为正着的。4.根据权利要求1所述的基于深度学习的球面图像人脸检测方法，其特征在于，所述步骤C具体包括：对数据库中的全景图像进行人脸标注，用以提供训练深度学习模型所需的数据；利用深度学习算法对标注数据...

【专利技术属性】
技术研发人员：来彦栋，
申请(专利权)人：珠海研果科技有限公司，
类型：发明
国别省市：广东,44