一种基于数据增强的人脸检测方法、系统、存储介质及终端技术方案

本发明专利技术公开了一种基于数据增强的人脸检测方法、系统、存储介质及终端，该方法包括：从预先划分好的测试集中获取待检测的目标图像；将所述待检测的目标图像输入预先训练的人脸检测模型中；其中，所述人脸检测模型是基于数据增强后的训练数据样本训练所生成；输出检测到的多个人脸；其中，所述多个人脸带有类别标记的边界框。因此，采用本申请实施例，由于本申请将采集的训练样本进行数据增强，使得不同尺度的大小人脸数据分布更加均衡，通过增强后的训练数据对人脸检测模型中的pyramidbox网络进行训练后，使得人脸检测模型的检测性能大幅度提升，从而进一步提高了图像中人脸的检测精度。

【技术实现步骤摘要】
一种基于数据增强的人脸检测方法、系统、存储介质及终端
本专利技术涉及计算机的深度学习
，特别涉及一种基于数据增强的人脸检测方法、系统、存储介质及终端。
技术介绍
基于深度学习的目标检测任务中，特别是实际场景中广泛应用的人脸检测任务中，对于人脸、小人脸的检测难度很大，面临许多技术挑战，这是因为图片分辨率比较低，图片模糊，背景噪音多。现有的人脸检测方法主要包括传统的图像金字塔和多尺度滑动窗口检测人脸。还包括基于数据扩增方法，通过增加人脸样本数量和种类来提升人脸检测性能；基于特征融合的方法，将高层、低层的多尺度特征融合来提升检测性能；基于数据锚采样和匹配策略的方法；利用上下文信息的方法等。在基于数据锚采样和匹配策略的方法中，Pyramidbox网络提出了基于anchor的上下文信息用于监督学习小的、模糊和部分遮挡人脸方法。同时，提出了基于尺度感知的Data-anchor-sampling(DAS)训练策略，以改变训练样本中大、小人脸的分布。DAS方法对小尺度人脸检测效果比较明显，由于这种采样方式会造成不同尺度的人脸数据分布不均衡，使得人本文档来自技高网...

【技术保护点】
1.一种基于数据增强的人脸检测方法，其特征在于，所述方法包括：/n从预先划分好的测试集中获取待检测的目标图像；/n将所述待检测的目标图像输入预先训练的人脸检测模型中；其中，所述人脸检测模型是基于数据增强后的训练数据样本训练所生成；/n输出检测到的多个人脸；其中，所述多个人脸带有类别标记的边界框。/n

【技术特征摘要】
1.一种基于数据增强的人脸检测方法，其特征在于，所述方法包括：
从预先划分好的测试集中获取待检测的目标图像；
将所述待检测的目标图像输入预先训练的人脸检测模型中；其中，所述人脸检测模型是基于数据增强后的训练数据样本训练所生成；
输出检测到的多个人脸；其中，所述多个人脸带有类别标记的边界框。


2.根据权利要求1所述的方法，其特征在于，所述输出检测到的多个人脸之后，还包括：
将所述检测到的多个人脸进行展示。


3.根据权利要求1所述的方法，其特征在于，所述从预先划分好的测试集中获取待检测的目标图像之前，还包括：
采集多个带有人脸的图像数据样本；
将所述带有人脸的图像数据样本划分为训练集、验证集以及测试集；
针对所述训练集中的图像数据样本进行数据增强处理，生成数据锚采样后的训练数据；
通过人脸检测算法(PyramidBox)创建人脸检测模型；
将所述数据锚采样后的训练数据输入所述创建的人脸检测模型中进行训练，输出模型损失值；
当所述模型损失值达到预设最小阈值时，生成预先训练的人脸检测模型。


4.根据权利要求3所述的方法，其特征在于，所述针对所述训练集中的图像数据样本进行数据增强处理，生成数据锚采样后的训练数据，包括：
从所述训练集中选取一个图像样本确定为待增强的图像样本；
按照预先定义的不同大小和/或不同长宽比的锚(anchor)尺度从所述待增强的图像样本中选择任一尺度的人脸边界框；
将所述选择的任一尺度的人脸边界框进行缩放，并从所述缩放后的人脸边界框中获取目标人脸的640*640子区域图像；
继续执行从所述训练集中剩下的图像样本中选取一个图像样本确定待增强的图像样本，直到所述训练集中各图像样本全部具备640*640子区域图像时，生成数据数据锚采样后的训练数据。


5.根据权利要求4所述的方法，其特征在于，所述将所述选择的任一尺度的人脸...

【专利技术属性】
技术研发人员：赵磊，
申请(专利权)人：特斯联科技集团有限公司，
类型：发明
国别省市：北京;11