Including the embodiment of the invention provides a method of face detection, feature extraction: the first image of each candidate window in the input image using the first deep convolutional neural network after training; second image feature vector is extracted from each candidate window in the input image using second convolutional neural network trained by the same dimension; the first image feature vector and the second image feature vector fusion third image feature vector; the third image dimensionality fourth image feature vectors; according to the fourth image feature vector, using the trained classifier to detect each of the candidate face region whether the window. An embodiment of the invention also provides a face detection device. The embodiment of the invention extracts the image feature vectors from candidate face images and integrates the image feature vectors through two deep convolutional neural networks, and by dimensionality reduction, it can not only detect human faces more accurately, but also improve the efficiency of detection.
【技术实现步骤摘要】
一种人脸检测方法及装置
本专利技术涉及人脸检测
,特别是涉及一种人脸检测方法及装置。
技术介绍
人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果存在则返回所有人脸的位置和大小等信息。常用的人脸检测方法有基于提升级联的方法、基于DPM的方法、基于卷积神经网络(CNN)以及深度卷积神经网络(DCNN)的方法。但是现有技术的方法一般采用单个网络提取图像特征向量,图像特征信息的表达不丰富,无法解决姿态变化的影响等检测问题,从而影响人脸检测结果。
技术实现思路
本专利技术实施例提供一种人脸检测方法,以解决现有技术中的检测方法的图像特征信息的表达不丰富以及姿态变化的影响等检测问题。本专利技术实施例提供一种人脸检测装置,以解决现有技术中的人脸检测装置检测的图像特征信息的表达不丰富以及姿态变化的影响等检测问题。第一方面,提供一种人脸检测方法,包括:采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量;采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量;将相同维度的所述第一图像特征向量和所述第二图像特征向量融合得到第三图像特征向量;将所述第三图像特征向量降维得到第四图像特征向量;根据所述第四图像特征向量,采用训练后的分类器检测各个所述候选窗口是否为人脸区域。第二方面,提供一种人脸检测装置,包括:第一提取模块,用于采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量;第二提取模块,用于采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像 ...
【技术保护点】
一种人脸检测方法,其特征在于,包括:采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量;采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量;将相同维度的所述第一图像特征向量和所述第二图像特征向量融合得到第三图像特征向量;将所述第三图像特征向量降维得到第四图像特征向量;根据所述第四图像特征向量,采用训练后的分类器检测各个所述候选窗口是否为人脸区域。
【技术特征摘要】
1.一种人脸检测方法,其特征在于,包括:采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量;采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量;将相同维度的所述第一图像特征向量和所述第二图像特征向量融合得到第三图像特征向量;将所述第三图像特征向量降维得到第四图像特征向量;根据所述第四图像特征向量,采用训练后的分类器检测各个所述候选窗口是否为人脸区域。2.根据权利要求1所述的方法,其特征在于,所述第一深度卷积神经网络为Clarifai网络,所述第一深度卷积神经网络的训练方式包括:按照初始学习率设为10-4,动量为0.9,以第一样本训练库中的正样本和负样本的比例为1:3~1:10,对所述Clarifai网络进行微调训练。3.根据权利要求1所述的方法,其特征在于,所述第二深度卷积神经网络为VGGNet-D网络,所述第二深度卷积神经网络的训练方式包括:按照初始学习率设为10-3,动量为0.9,以第一样本训练库中的正样本和负样本的比例为1:3~1:10,对所述VGGNet-D网络进行微调训练。4.根据权利要求1所述的方法,其特征在于,所述采用训练后的第一深度卷积神经网络提取输入图像中的各个候选窗口的第一图像特征向量的步骤中,对所述第一深度卷积神经网络的最后一个卷积层处理后的特征图采用平移池化offsetmax-pooling方法提取图像特征向量;所述采用训练后的第二深度卷积神经网络提取输入图像中的各个候选窗口的第二图像特征向量的步骤中,对所述第二深度卷积神经网络的最后一个卷积层处理后的特征图采用平移池化offsetmax-pooling方法提取图像特征向量。5.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员:段旭,张祥德,
申请(专利权)人:北京眼神科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。