Provides a number of examples of detection and head pose using small scale hardware module CNN evaluation system based on the joint angle, the small scale hardware CNN module such as Hi3519 chip Hass semiconductor embedded in the CNN module. In some embodiments, face detection and head pose of the disclosed system for evaluation of joint angle joint implementation of multiple tasks: most or all of the face, face detection has been generated in the sequence of evaluation, attitude angle in the video frame tracking of the same person has face detection detection in a sequence of video frames, and generating the best attitude tracking evaluation. The joint system of face detection and attitude angle assessment can be implemented in embedded systems with limited resources, such as the integration of one or more small scale CNN modules. The proposed system is combined with sub image technology to implement multiple face detection and face recognition tasks based on small and low-cost CNN modules.
【技术实现步骤摘要】
基于嵌入式系统小规模卷积神经网络模块的人脸检测和头部姿态角评估优先权要求及相关专利申请本专利申请为正在审查中的美国专利申请15/657,109(申请名称:基于嵌入式系统小规模卷积神经网络模块的人脸识别(FaceDetectionUsingSmall-scaleConvolutionalNeuralNetwork(CNN)ModulesforEmbeddedSystems);申请日:2017年7月21日)的部分继续申请,并且依照35U.S.C.120,要求该正在审查中的美国专利申请15/657,109的优先权。该正在审查中的美国专利申请15/657,109依照35U.S.C.119(e),要求美国临时专利申请62/428,497(申请名称:基于有限分辨率小规模CNN模块的卷积神经网络(CNN)(CONVOLUTIONALNEURALNETWORKS(CNN)BASEDONRESOLUTION-LIMITEDSMALL-SCALECNNMODULES);申请日:2016年11月30日)的优先权。上述所有专利申请的内容均以引用形式被并入本申请,并作为本申请的一部分。本申请还与正在审查中的美国专利申请15/441,194(申请名称:基于有限分辨率小规模CNN模块的卷积神经网络(CNN)系统(CONVOLUTIONALNEURALNETWORK(CNN)SYSTEMBASEDONRESOLUTION-LIMITEDSMALL-SCALECNNMODULES);专利技术人:王星、吴谦伟、梁杰;申请日:2017年2月23日)相关。
本申请一般涉及机器学习和人工智能领 ...
【技术保护点】
一种基于采用至少一个具有最大输入尺寸限制条件的小规模卷积神经网络模块对视频图像联合执行人脸检测和头部姿态评估的方法,其特征在于,所述方法包括:从一序列视频帧中接收视频图像;在所述视频图像内检测候选人脸图像块,其中所述候选人脸图像块具有大于所述小规模卷积神经网络模块的最大输入尺寸的第一图像尺寸;将所述候选人脸图像块划分为一组子图像,该组子图像具有小于所述小规模卷积神经网络模块的最大输入尺寸的第二图像尺寸;利用所述小规模卷积神经网络模块处理该组子图像,从而生成对应于该组子图像的一组输出;将该组输出合并为对应于已检测到的候选人脸图像块的组合输出;并且处理该组合输出,从而生成人脸分类器,并且当所述人脸分类器将所述已检测到的候选人脸图像块划分为人脸图像时,为所述已检测候选人脸图像生成一组头部姿态评估。
【技术特征摘要】
2016.11.30 US 62/428,497;2017.07.21 US 15/657,109;1.一种基于采用至少一个具有最大输入尺寸限制条件的小规模卷积神经网络模块对视频图像联合执行人脸检测和头部姿态评估的方法,其特征在于,所述方法包括:从一序列视频帧中接收视频图像;在所述视频图像内检测候选人脸图像块,其中所述候选人脸图像块具有大于所述小规模卷积神经网络模块的最大输入尺寸的第一图像尺寸;将所述候选人脸图像块划分为一组子图像,该组子图像具有小于所述小规模卷积神经网络模块的最大输入尺寸的第二图像尺寸;利用所述小规模卷积神经网络模块处理该组子图像,从而生成对应于该组子图像的一组输出;将该组输出合并为对应于已检测到的候选人脸图像块的组合输出;并且处理该组合输出,从而生成人脸分类器,并且当所述人脸分类器将所述已检测到的候选人脸图像块划分为人脸图像时,为所述已检测候选人脸图像生成一组头部姿态评估。2.根据权利要求1所述的方法,其特征在于,在将所述候选人脸图像块划分为一组子图像之前,所述方法还包括:将所述候选人脸图像块的尺寸重新设定为大于所述小规模卷积神经网络模块的最大输入尺寸的第三图像尺寸,其中所述第三图像尺寸满足图像划分的预定义条件;以及将所述候选人脸图像块划分包括:将所述重新设定尺寸的候选人脸图像块划分为一组具有第二图像尺寸的子图像。3.根据权利要求2所述的方法,其特征在于,所述将所述候选人脸图像块的尺寸重新设定为第三图像尺寸包括:当所述第一图像尺寸大于所述第三图像尺寸,则将所述候选人脸图像块降采样至所述第三图像尺寸;以及当所述第一图像尺寸小于所述第三图像尺寸,则所述过程将所述候选人脸图像块上采样至所述第三图像尺寸。4.根据权利要求1所述的方法,其特征在于,该组头部姿态评估包括与已检测人脸相关的三个头部姿态角。5.根据权利要求4所述的方法,其特征在于,每个评估的头部姿态角均介于-90°和90°之间,并且全正面人脸的三个头部姿态角均为0°。6.根据权利要求4所述的方法,其特征在于,所述方法包括:在一序列视频帧中检测一特定人的一组人脸图像;为所述特定人的该组已检测的人脸图像中的每个人脸图像分别生成一组头部姿态评估;基于该组头部姿态评估选择最佳姿态,其中所述最佳姿态表示相对于头部的全正面方向具有最小整体旋转角的头部姿态;以及将所述特定人的被选定的最佳姿态相关的已检测人脸图像传送至服务器。7.根据权利要求6所述的方法,其特征在于,所述基于该组头部姿态评估选择最佳姿态包括:分别计算每组头部姿态评估中三个头部姿态角的绝对值的和;以及在该组已检测人脸图像中选择对应于最小计算和的最佳姿态。8.根据权利要求6所述的方法,其特征在于,所述方法还包括:在所述序列视频帧中跟踪所述特定人的已检测人脸。9.根据权利要求1所述的方法,其特征在于,该组输出的其中一个输出为对应于该组子图像的其中一个子图像的一组特征图;其中该组合输出包括对应于该组子图像的多组特征图的合并特征图。10.根据权利要求9所述的方法,其特征在于,对应于该组子图像的合并特征图等同与不需划分而利用大规模卷积神经网络模块整体处理所述候选人脸图像块而生成的全特征图。11.根据权利要求1所述的方法,其特征在于,生成所述人脸分类器和该组头部姿态评估的步骤包括采用两个或多个全连接层。12.一种采用至少一个具有最大输入尺寸限制条件的小规模卷积神经网络模块的人脸检测和头部姿态评估联合系统,其特征在于,所述系统包括:用于从...
【专利技术属性】
技术研发人员:王星,梅迪·塞伊菲,陈明华,吴谦伟,梁杰,
申请(专利权)人:奥瞳系统科技有限公司,
类型:发明
国别省市:加拿大,CA
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。