基于卷积神经网的深度图像头部检测与定位方法及系统技术方案

本发明专利技术公开了基于卷积神经网的深度图像头部检测与定位方法及系统，属于图像处理技术领域，方法包括对图像进行分类处理，再进行聚类分析，能够得到头部中点信息，进而实现多目标的头部检测与定位。本发明专利技术对图像进行分类处理，可以获得包含头部信息的所有待处理目标图像；再将待处理目标图像进行聚类分析，能够消除背景及噪声的干扰，得到包含至少一个头部目标对应样本点在真实头部中心区域形成的密集点簇，以获取头部中点信息，进而在复杂环境下实现了多目标的头部的检测与精确定位。

【技术实现步骤摘要】
基于卷积神经网的深度图像头部检测与定位方法及系统
本专利技术涉及图像处理
，尤其涉及基于卷积神经网的深度图像头部检测与定位方法及系统。
技术介绍
头部检测，作为计算机视觉的重要组成部分，广泛应用于生活中的各个领域，更是许多基于人脸研究领域的基础，如头部姿态分析、人脸的验证与识别、注意力分析等。在过去的一段时间里，人们对头部的检测与定位进行了大量的研究，无论是在实际应用或学术研究中，都提供了许多精确的和有竞争力的解决方案。但绝大多数的研究均致力于普通RGB图像的分析。然而，受制于成像原理，RGB图像的成像质量非常依赖于光照条件，这导致在某些重要的应用场合，无法通过普通RGB相机获得有效的图像信息，而IntelRealSense等设备的广泛应用获取有效的深度图像成为一种现实，而深度相机基于红外的成像原理，使深度图像对光照条件以及图像尺寸具有不敏感性，能很好地弥补普通RGB图像的相关缺陷。目前，Chen等人在《基于深度图像的头部检测深度信息挖掘》中，提出了一种新的头部描述符合对像素进行分类，即通过一个线性的判别分析(LDA)分类器，将输本文档来自技高网...

【技术保护点】
1.基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述方法具体包括：/n对图像进行分类处理，获得包含头部信息的所有待处理目标图像；/n将待处理目标图像进行聚类分析，得到头部中点信息，进而实现多目标的头部检测与定位。/n

【技术特征摘要】
1.基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述方法具体包括：
对图像进行分类处理，获得包含头部信息的所有待处理目标图像；
将待处理目标图像进行聚类分析，得到头部中点信息，进而实现多目标的头部检测与定位。


2.根据权利要求1所述的基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述对图像进行分类处理包括特征提取步骤：
将原始图像转换为多通道图像，并采用不同卷积核对该多通道图像进行卷积操作，获取原始图像在不同尺度上的特征映射，再通过多个残差块进行特征提取，以提取原始图像的低层特征和高层特征。


3.根据权利要求2所述的基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述特征提取步骤后还包括目标分类步骤：
通过softmax作为激活函数，输出包含头部信息的待处理目标图像与未包含头部信息的图像的概率值，进而获得包含头部信息的所有待处理目标图像。


4.根据权利要求3所述的基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述将待处理目标图像进行聚类分析具体包括：
将所有待处理目标图像的中心点抽象为d维空间中的样本点；
将d维空间指定圆形区域内的任意点作为起始点；
计算起始点的偏移均值，将起始点移动至偏移均值位置处；
重复上一步骤，直至样本点收敛，进而实现多目标的头部检测与定位。


5.根据权利要求1所述的基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述计算起始点的偏移均值的计算公式为：



公式中，x表示点集，xi表示点集中第i个点，xik表示第i个点的第k个特征维度，b是核带宽，g(t)是核函数，wk是第k个属性的权重系数。


6.根据权利要求1所述的基于卷积神经网的深度图像头部检测与定位方法，其特征在于：所述权重通过平均绝对差、标准差、方差、变异系数进行定义，当采用平均绝对差为加权系数时，权重系数...

【专利技术属性】
技术研发人员：马祥天，肖仕华，蔡木目心，王旭鹏，桑楠，焦运磊，
申请(专利权)人：成都数城科技有限公司，
类型：发明
国别省市：四川;51