【技术实现步骤摘要】
应用于移动端的人脸检测方法及装置
本专利技术涉及大数据
,尤其涉及一种应用于移动端的人脸检测方法及装置。
技术介绍
人脸检测属于目标检测领域,即给一幅图像找到其中所有人脸的位置,并用矩形框将人脸框起来输出矩形框的位置和尺寸。人脸检测算法可以分为三个阶段,分别是早期传统算法阶段、AdaBoost框架阶段,以及深度学习算法时代。其中深度学习算法无论在速度还是精度上都远优于其他方法。现阶段主流的人脸检测算法有MTCNN、Faceness-Net、FaceR-CNN、SSH等。这些算法的网络往往在GPU加速的情况下才能达到较快的速度,且模型较大不适用在手机等移动端,或是经过模型压缩后精度下降严重。
技术实现思路
本专利技术实施例提出一种应用于移动端的人脸检测方法,用以在移动端快速地实现人脸检测,精度高,该方法包括:构建超轻量级人脸检测模型,对所述超轻量级人脸检测模型进行训练,获得训练好的超轻量级人脸检测模型;其中,所述超轻量级人脸检测模型包括深度可分离dw卷积层、多个权值筛选模块、与每个权值筛选模块连接的分类回归模块、与多个分类回归模块连接的非极大值抑制模块,所述深度可分离dw卷积层用于从人脸图像中提取出多种不同尺寸的特征图,所述权值筛选模块用于对不同尺寸的特征图进行筛选,所述分类回归模块用于对对应权值筛选模块输出的筛选后的特征图进行分类和回归,获得人脸的预测框,所述非极大值抑制模块用于根据所有分类回归模块输出的人脸的预测框,获得人脸检测结果;所述权值筛选模块包括通道域权值筛选模块和空间域权值筛选模 ...
【技术保护点】
1.一种应用于移动端的人脸检测方法,其特征在于,包括:/n构建超轻量级人脸检测模型,对所述超轻量级人脸检测模型进行训练,获得训练好的超轻量级人脸检测模型;其中,所述超轻量级人脸检测模型包括深度可分离dw卷积层、多个权值筛选模块、与每个权值筛选模块连接的分类回归模块、与多个分类回归模块连接的非极大值抑制模块,所述深度可分离dw卷积层用于从人脸图像中提取出多种不同尺寸的特征图,所述权值筛选模块用于对不同尺寸的特征图进行筛选,所述分类回归模块用于对对应权值筛选模块输出的筛选后的特征图进行分类和回归,获得人脸的预测框,所述非极大值抑制模块用于根据所有分类回归模块输出的人脸的预测框,获得人脸检测结果;所述权值筛选模块包括通道域权值筛选模块和空间域权值筛选模块,其中,通道域权值筛选模块用于在通道域对不同尺寸的特征图进行筛选,获得通道域筛选后的特征图,空间域权值筛选模块用于在空间域对通道域筛选后的特征图进行筛选,获得空间域权值筛选后的特征图;/n在获得待检测人脸图像后,输入至训练好的超轻量级人脸检测模型中,获得人脸检测结果。/n
【技术特征摘要】
1.一种应用于移动端的人脸检测方法,其特征在于,包括:
构建超轻量级人脸检测模型,对所述超轻量级人脸检测模型进行训练,获得训练好的超轻量级人脸检测模型;其中,所述超轻量级人脸检测模型包括深度可分离dw卷积层、多个权值筛选模块、与每个权值筛选模块连接的分类回归模块、与多个分类回归模块连接的非极大值抑制模块,所述深度可分离dw卷积层用于从人脸图像中提取出多种不同尺寸的特征图,所述权值筛选模块用于对不同尺寸的特征图进行筛选,所述分类回归模块用于对对应权值筛选模块输出的筛选后的特征图进行分类和回归,获得人脸的预测框,所述非极大值抑制模块用于根据所有分类回归模块输出的人脸的预测框,获得人脸检测结果;所述权值筛选模块包括通道域权值筛选模块和空间域权值筛选模块,其中,通道域权值筛选模块用于在通道域对不同尺寸的特征图进行筛选,获得通道域筛选后的特征图,空间域权值筛选模块用于在空间域对通道域筛选后的特征图进行筛选,获得空间域权值筛选后的特征图;
在获得待检测人脸图像后,输入至训练好的超轻量级人脸检测模型中,获得人脸检测结果。
2.如权利要求1所述的应用于移动端的人脸检测方法,其特征在于,所述深度可分离dw卷积层包括1个3×3标准卷积、多个dw卷积和多个1×1卷积,其中每个dw卷积后都对应一个1×1卷积。
3.如权利要求2所述的应用于移动端的人脸检测方法,其特征在于,所述深度可分离dw卷积层还包括视觉感受野模块,所述视觉感受野模块包括不同尺寸的卷积核构成的多分枝结构、每个分枝结构前的卷积、膨胀卷积层和融合层,其中膨胀卷积层包括与每个分枝结构对应的不同尺寸的空洞卷积,所述不同尺寸的空洞卷积是采用相同尺寸的卷积核根据不同的空洞率形成的。
4.如权利要求1所述的应用于移动端的人脸检测方法,其特征在于,所述通道域权值筛选模块包括全局平均池化层、第一全连接层、第二全连接层、第一sigmond激活函数和第一权值筛选层,全局平均池化层用于对每个通道域的特征图的第一特征向量求平均值后进行压缩获得第二特征向量,第一全连接层用于对所述第二特征向量进行线性组合后进行压缩获得第三特征向量,第二全连接层用于对第三特征向量进行高度非线性变换后进行尺寸还原,获得权值重新分配的第一特征向量,第一sigmond激活函数用于将权值重新分配的第一特征向量的权值映射到[0,1]范围内,获得映射后的第一特征向量,第一权值筛选层用于将权值小于第一设定阈值的映射后的第一特征向量对应的通道域删除,获得通道域筛选后的特征图。
5.如权利要求1所述的应用于移动端的人脸检测方法,其特征在于,所述空间域权值筛选模块包括卷积层、第二sigmond激活函数、第二权值筛选层,卷积...
【专利技术属性】
技术研发人员:侯博严,于吉鹏,李驰,刘岩,
申请(专利权)人:泰康保险集团股份有限公司,
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。