基于前后景分离的人脸检测方法及装置制造方法及图纸

本发明专利技术提供一种基于前后景分离的人脸检测方法，包括：对夜间人脸的数据集图像进行前后景分离，得到表示图像中各位置前后景分离差异的第一权重矩阵；使用深度神经网络，对通用人脸数据集中的数据进行预训练，得到预训练模型；将夜间人脸的数据集图像与第一权重矩阵进行融合，再送入深度神经网络，基于预训练模型进行迁移学习，得到夜间人脸检测模型；对待检测的夜间图像进行前后景分离，得到第二权重矩阵，并与待检测的夜间图像进行融合，得到夜间增强图像，将夜间增强图像进行不同尺度的缩放，使用夜间人脸检测模型对不同尺度的夜间增强图像进行检测；将检测到的不同尺度的结果进行聚合，筛选出最终检测结果。本发明专利技术能够提高夜间人脸检测的精度。夜间人脸检测的精度。夜间人脸检测的精度。

【技术实现步骤摘要】
基于前后景分离的人脸检测方法及装置


[0001]本专利技术涉及人脸检测
，尤其涉及一种基于前后景分离的人脸检测方法及装置。

技术介绍

[0002]目标检测是计算机视觉中的一大重要任务。近年来随着深度学习的发展，基于卷积神经网络的目标检测技术成为研究的热点。当前的深度学习目标检测算法主要可以分为两大类：一阶段目标检测算法，这类算法没有使用候选区域，直接通过主干网络检测出图像中物体的位置和类别信息；两阶段目标检测算法，这类算法首先用相应的候选区域算法，类型有传统算法或者是神经网络，从输入图片中生成建议目标候选区域，然后再将所有的候选区域送入分类器进行分类。
[0003]人脸检测作为目标检测中的一类任务，可以使用通用的目标检测算法完成。同时近年来也有许多专门为人脸检测任务设计的目标检测算法，如pyramidbox，DSFD等。
[0004]人眼在观察一副图像的时候，对图像各区域的重视程度不同，会把注意力聚焦于图像中的某一部分区域，比如图中的一个建筑物或是一个人，这种机制使得人可以迅速处理看到的场景。图像前后景分离的目的就是模拟人的视觉注意机制，计算图像中不同区域的显著程度，从而将前后景分离高的前景和前后景分离低的背景分离。
[0005]图像前后景分离的结果，是一个和图像长宽尺寸大小一样的权重矩阵，其中每个位置的值代表了对应图像像素点的权重，图像中的前景权重更高，背景权重更低。
[0006]人脸检测任务中，图像的背景环境存在差别，对检测结果会产生影响。黑夜环境会给人脸检测带来极大挑战，黑夜环境下拍摄的图像亮度不足，前后景难以区分，为使用卷积神经网络进行人脸特征提取和学习带来了困难。目前现有的目标检测算法和专为人脸检测设计的算法都未专门考虑夜间环境，在前后景难以区分，卷积神经网络难以进行人脸特征提取和学习，因此无法得到较高检测精度。

技术实现思路

[0007]本专利技术提供的基于前后景分离的人脸检测方法及装置，能够针对夜间的人脸检测获得较高的检测精度。
[0008]第一方面，本专利技术提供一种基于前后景分离的人脸检测方法，所述方法包括：
[0009]对夜间人脸的数据集图像进行前后景分离，得到表示图像中各位置前后景分离差异的第一权重矩阵；
[0010]使用深度神经网络，对通用人脸数据集中的数据进行预训练，得到预训练模型；
[0011]将所述夜间人脸的数据集图像与所述第一权重矩阵进行融合，再送入深度神经网络，基于所述预训练模型进行迁移学习，得到夜间人脸检测模型；
[0012]对待检测的夜间图像进行前后景分离，得到第二权重矩阵，并与所述待检测的夜间图像进行融合，得到夜间增强图像，将所述夜间增强图像进行不同尺度的缩放，使用所述
夜间人脸检测模型对不同尺度的夜间增强图像进行检测；
[0013]将检测到的不同尺度的结果进行聚合，筛选出最终检测结果。
[0014]可选地，所述对夜间人脸的数据集图像进行前后景分离包括：先对夜间人脸的数据集图像进行图像增强，然后再进行前后景分离。
[0015]可选地，所述将所述夜间人脸的数据集图像与所述第一权重矩阵进行融合包括：将所述夜间人脸的数据集图像的RGB三通道与所述第一权重矩阵的对应像素位置相乘。
[0016]可选地，所述对待检测的夜间图像进行前后景分离包括：先对待检测的夜间图像进行图像增强，然后再进行前后景分离。
[0017]可选地，所述与所述待检测的夜间图像进行融合包括：将所述待检测的夜间图像的RGB三通道与所述第二权重矩阵的对应像素位置相乘。
[0018]可选地，所述将检测到的不同尺度的结果进行聚合包括：
[0019]将检测到的人脸边框坐标信息根据缩放比例归一化到原始比例，再使用非极大值抑制方法筛选边框。
[0020]第二方面，本专利技术提供一种基于前后景分离的人脸检测装置，所述装置包括：
[0021]前后景分离单元，用于对夜间人脸的数据集图像进行前后景分离，得到表示图像中各位置前后景分离差异的第一权重矩阵；
[0022]预训练单元，用于使用深度神经网络，对通用人脸数据集中的数据进行预训练，得到预训练模型；
[0023]检测模型建立单元，用于将所述夜间人脸的数据集图像与所述第一权重矩阵进行融合，再送入深度神经网络，基于所述预训练模型进行迁移学习，得到夜间人脸检测模型；
[0024]检测单元，用于对待检测的夜间图像进行前后景分离，得到第二权重矩阵，并与所述待检测的夜间图像进行融合，得到夜间增强图像，将所述夜间增强图像进行不同尺度的缩放，使用所述夜间人脸检测模型对不同尺度的夜间增强图像进行检测；
[0025]聚合单元，用于将检测到的不同尺度的结果进行聚合，筛选出最终检测结果。
[0026]可选地，所述前后景分离单元，用于先对夜间人脸的数据集图像进行图像增强，然后再进行前后景分离；
[0027]所述检测单元，用于先对待检测的夜间图像进行图像增强，然后再进行前后景分离。
[0028]可选地，所述检测模型建立单元，用于将所述夜间人脸的数据集图像的RGB三通道与所述第一权重矩阵的对应像素位置相乘；
[0029]所述检测单元，用于将所述待检测的夜间图像的RGB三通道与所述第二权重矩阵的对应像素位置相乘。
[0030]可选地，所述聚合单元，用于将检测到的人脸边框坐标信息根据缩放比例归一化到原始比例，再使用非极大值抑制方法筛选边框。
[0031]本专利技术实施例提供的基于前后景分离的人脸检测方法及装置，通过前后景分离，将图像不同区域赋予不同权重，减少夜间环境导致的图像前后景难以区分的问题，从而提高人脸识别的准确率，从而可以在夜间人脸检测时获得更高的检测精度，得到更好的检测结果。
附图说明
[0032]图1为本专利技术实施例提供的基于前后景分离的人脸检测方法的流程图；
[0033]图2为本专利技术实施例提供的图像与前后景分离得到的权重矩阵融合的示意图；
[0034]图3为本专利技术实施例提供的基于前后景分离的人脸检测装置的结构示意图。
具体实施方式
[0035]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]针对当前的人脸检测算法未考虑夜间图像亮度不足，前后景难以区分，使用卷积神经网络难以对人脸特征提取和学习，从而无法在夜间环境下获得较高检测精度的问题，本专利技术实施例在图像增强算法和图像前后景分离技术的支撑下，提出一种基于前后景分离的夜间人脸检测方法，通过将图像增强后的结果与其权重矩阵融合，再进入神经网络进行训练和测试，以得到更好的检测效果。
[0037]本专利技术实施例提供一种基于前后景分离的人脸检测方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于前后景分离的人脸检测方法，其特征在于，所述方法包括：对夜间人脸的数据集图像进行前后景分离，得到表示图像中各位置前后景分离差异的第一权重矩阵；使用深度神经网络，对通用人脸数据集中的数据进行预训练，得到预训练模型；将所述夜间人脸的数据集图像与所述第一权重矩阵进行融合，再送入深度神经网络，基于所述预训练模型进行迁移学习，得到夜间人脸检测模型；对待检测的夜间图像进行前后景分离，得到第二权重矩阵，并与所述待检测的夜间图像进行融合，得到夜间增强图像，将所述夜间增强图像进行不同尺度的缩放，使用所述夜间人脸检测模型对不同尺度的夜间增强图像进行检测；将检测到的不同尺度的结果进行聚合，筛选出最终检测结果。2.根据权利要求1所述的方法，其特征在于，所述对夜间人脸的数据集图像进行前后景分离包括：先对夜间人脸的数据集图像进行图像增强，然后再进行前后景分离。3.根据权利要求2所述的方法，其特征在于，所述将所述夜间人脸的数据集图像与所述第一权重矩阵进行融合包括：将所述夜间人脸的数据集图像的RGB三通道与所述第一权重矩阵的对应像素位置相乘。4.根据权利要求1所述的方法，其特征在于，所述对待检测的夜间图像进行前后景分离包括：先对待检测的夜间图像进行图像增强，然后再进行前后景分离。5.根据权利要求4所述的方法，其特征在于，所述与所述待检测的夜间图像进行融合包括：将所述待检测的夜间图像的RGB三通道与所述第二权重矩阵的对应像素位置相乘。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述将检测到的不同尺度的结果进行聚合包括：将检测到的人脸边框坐标信息根据缩放比例归...

【专利技术属性】
技术研发人员：李勇周，李可夫，罗向东，
申请(专利权)人：许昌市投资总公司，
类型：发明
国别省市：