一种基于卷积神经网络的人脸检测方法及系统技术方案

本发明专利技术实施例提供了一种基于卷积神经网络的人脸检测方法，包括：将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；获取所ESFD的检测输出层中所述待检测图片的人脸检测结果。本发明专利技术实施例提供的一种基于卷积神经网络的人脸检测方法及系统，通过修改S3FD的网络结构，在原有S3FD的网络架构中加入了增强型交织结构和上下文特征融合模块、改变anchor策略并调整损失函数以构成新的ESFD架构，强化了对特征的利用能力并提升了对小人脸的检测能力，从而提高了人脸检测的召回率和准确率。

【技术实现步骤摘要】
一种基于卷积神经网络的人脸检测方法及系统
本专利技术实施例涉及人脸检测
，尤其涉及一种基于卷积神经网络的人脸检测方法及系统。
技术介绍
近几年来，由于SSD训练框架具有检测速度快，检测大物体方面准确率高的特点而倍受人们关注。现有技术中，也多采用基于SSD的人脸检测框架，SSD的核心是在特征图上采用卷积核来预测一系列defaultboundingboxes的类别分数、偏移量，并为了提高检测准确率，在不同尺度的特征图上进行预测。但是现有的SSD的人脸检测框架受限于低层特征提取不足导致其在检测小人脸方面性能相对较差，从而导致整个检测的召回率和准确率较低，因此现在亟需一种新的人脸检测方法来解决上述问题。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的基于卷积神经网络的人脸检测方法及系统。第一方面本专利技术实施例提供一种基于卷积神经网络的人脸检测方法，包括：将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；获取所ES本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的人脸检测方法，其特征在于，包括：将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；获取所ESFD的检测输出层中所述待检测图片的人脸检测结果。

【技术特征摘要】
1.一种基于卷积神经网络的人脸检测方法，其特征在于，包括：将待检测图片输入到训练后的改进型单步多尺度检测器ESFD中，所述ESFD是在S3FD基础上加入了增强型交织结构以及上下文特征融合结构、改变anchor策略并调整损失函数后构建的；获取所ESFD的检测输出层中所述待检测图片的人脸检测结果。2.根据权利要求1所述的方法，其特征在于，在所述将待检测图片输入到训练后的ESFD中之前，所述方法还包括：在所述S3FD中加入增强型交织结构以及上下文特征融合结构，以构建所述ESFD；训练所述ESFD，以获得所述训练后的ESFD。3.根据权利要求2所述的方法，其特征在于，所述在所述S3FD中加入增强型交织结构以及上下文特征融合结构，以构建所述ESFD，具体包括：在所述S3FD预设的若干个卷积层中使用所述增强型交织结构，以构成网状输出结构；基于所述上下文特征融合结构，对所述网状输出结构进行上下文特征融合，以构建所述ESFD。4.根据权利要求3所述的方法，其特征在于，所述构建所述ESFD还包括：将所述S3FD中的SoftmaxLoss层替换为FocalLoss层。5.根据权利要求3所述的方法，其特征在于，所述构建所述ESFD还包括：将所述S3FD中的固定anchor结构替换为随机anchor结构。6.根据权利要求5所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：王鲁许，董远，白洪亮，熊风烨，
申请(专利权)人：北京飞搜科技有限公司，
类型：发明
国别省市：北京,11