一种基于区域生成的遮挡人脸图像检测方法技术

本发明专利技术公开了一种基于区域生成的遮挡人脸图像检测方法，属于人脸图像检测技术领域，首先获取人脸图像，所述人脸图像包括无遮挡人脸图像和遮挡人脸图像，对所述人脸图像进行预处理，并制作所述人脸图像对应的目标图像；接着构建人脸图像检测网络，所述人脸图像检测网络包括特征提取基干网络、特征提取分支网络和特征增强分支网络；再利用预处理后的人脸图像和目标图像对所述人脸图像检测网络进行训练，得到完成训练的检测模型；最后输入待检测遮挡人脸图像至所述完成训练的检测网络，实现遮挡人脸图像的检测；本发明专利技术能够有效的对遮挡的人脸图像进行检测。

A detection method of occluded face image based on region generation

【技术实现步骤摘要】
一种基于区域生成的遮挡人脸图像检测方法
本专利技术涉及人脸图像检测
，具体涉及一种基于区域生成的遮挡人脸图像检测方法。
技术介绍
人脸图像检测也简称人脸检测(FaceDetection)，是指判断输入图像中是否存在人脸图像并确定所有人脸图像区域具体位置的过程。随着智能化识别技术愈加普遍，人脸图像自动检测技术在案件侦破、身份识别、移动社交、拍照美化等广泛场景中发挥着重要的应用价值。人脸图像检测技术主要分为传统检测方法和基于深度学习的检测方法。其中，传统人脸图像检测技术主要通过设计人工特征，如灰度特征、轮廓特征、肤色特征等对图像进行人脸与非人脸的二分类。PaulViola等人提出的VJ检测算法就是传统检测算法的优秀代表。VJ算法利用Haar特征(Haar-likefeatures)和Adaboost级联策略，通过层级训练弱分类器构建强检测器，达到了实时的检测速率和比较好的检测准确率。相比于传统机器学习方法，神经网络在非线性函数拟合方面更具优势。随着近年来深度学习领域相关技术的进步，相关模型在图片特征提取及分类检测方面都具有优异本文档来自技高网...

【技术保护点】
1.一种基于区域生成的遮挡人脸图像检测方法，其特征在于：包括以下步骤：/n步骤1：获取人脸图像，所述人脸图像包括无遮挡人脸图像和遮挡人脸图像，对所述人脸图像进行预处理，并制作所述人脸图像对应的目标图像；/n步骤2：构建人脸图像检测网络，所述人脸图像检测网络包括特征提取基干网络、特征提取分支网络和特征增强分支网络；/n步骤3：利用预处理后的人脸图像和目标图像对所述人脸图像检测网络进行训练，得到完成训练的检测模型；/n步骤4：输入待检测遮挡人脸图像至所述完成训练的检测网络，实现遮挡人脸图像的检测。/n

【技术特征摘要】
1.一种基于区域生成的遮挡人脸图像检测方法，其特征在于：包括以下步骤：
步骤1：获取人脸图像，所述人脸图像包括无遮挡人脸图像和遮挡人脸图像，对所述人脸图像进行预处理，并制作所述人脸图像对应的目标图像；
步骤2：构建人脸图像检测网络，所述人脸图像检测网络包括特征提取基干网络、特征提取分支网络和特征增强分支网络；
步骤3：利用预处理后的人脸图像和目标图像对所述人脸图像检测网络进行训练，得到完成训练的检测模型；
步骤4：输入待检测遮挡人脸图像至所述完成训练的检测网络，实现遮挡人脸图像的检测。


2.根据权利要求1所述的一种基于区域生成的遮挡人脸图像检测方法，其特征在于：所述步骤1中，所述预处理包括人脸图像尺寸的缩放处理。


3.根据权利要求1所述的一种基于区域生成的遮挡人脸图像检测方法，其特征在于：所述步骤2构建人脸图像检测网络具体为：
步骤2.1构建特征提取基干网络和特征提取分支网络，用于输入人脸图像，输出融合后的特征图；
步骤2.2构建特征增强分支网络，用于输入融合后的特征图，输出与特征图尺寸相同的输出图像；
步骤2.3利用特征增强分支网络的输出图像与所述特征提取基干网络输出的图像进行融合，得到融合特征；
步骤2.4利用RPN(RegionProposalNetwork，区域候选网络)模块和ROI(regionofinterest，感兴趣区域)模块获取所述融合特征中归一化的提议区域；
步骤2.5通过分类分支和回归分支实现对所述提议区域的人脸二分类和边框微调。


4.根据权利要求3所述的一种基于区域生成的遮挡人脸图像检测方法，其特征在于：所述步骤2.1具体为：
步骤2.1.1构建特征提取基干网络，所述特征提取基干网络包括级联的若干个卷积模块，每个卷积模块包括若干个用于特征提取的卷积和一个确定输出特征图尺寸的最大池化层；
步骤2.1.2构建特征提取分支网络，所述构建特征提取分支网络与特征提取基干网络相同，还...

【专利技术属性】
技术研发人员：田玲，郑旭，张栗粽，罗光春，冉凡凯，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51