【技术实现步骤摘要】
基于改进YOLOv5s的人脸检测方法及系统
[0001]本专利技术涉及图像处理
,尤其涉及基于改进
YOLOv5s
的人脸检测方法及系统
。
技术介绍
[0002]人脸检测是人脸图像分析应用的基础,涵盖了人脸识别和验证
、
基于人脸的目标跟踪以及人脸表情分析等应用
。
随着深度学习的应用,人脸检测取得了重要的突破
。
尽管在受控环境下,人脸检测模型已经达到了很高的准确度,但在无约束环境下仍然面临着许多挑战
。
无约束环境中比如商场
、
机场
、
车站等环境的人脸通常存在的密集程度
、
人脸尺寸变化范围大
、
人脸被部分遮挡
、
光照变化等因素对检测精度产生较大影响,现有的检测方法还有提升空间
。
[0003]为了解决上述问题,许多研究人员在模型结构方面提出了许多特殊的人脸检测方法,就需要更大规模的卷积神经网络,神经网络层数的增加自然会加载更多的参数以及大量的矩阵运算,这使得整个算法和系统变得越来越复杂,参数量随之也变得越来越大
。
难以保证在提高人脸检测精度的前提下,检测速度也能匹配上真实场景下的使用
。
技术实现思路
[0004]针对现有方法的不足,本专利技术解决现有方法网络参数多,检测速度低的问题
。
[0005]本专利技术所采用的技术方案是:基于改进
YOLOv ...
【技术保护点】
【技术特征摘要】
1.
基于改进
YOLOv5s
的人脸检测方法,其特征在于,包括以下步骤:步骤一
、
采集人脸图像数据,并对人脸图像进行数据增强;步骤二
、
搭建
FasterNet
主干特征提取网络,将训练集图像输入
FasterNet
主干特征提取网络生成具有不同深度信息的初始特征;步骤三
、
利用特征增强模块将主干中部分浅层特征图与经过上采样后的深层特征图经
concat
输出融合特征;步骤四
、
利用
C3_NAM
模块替代
BottleNeck
层的
C3
模块,抑制面部低权重特征,提高面部关键点信息的权重
。2.
根据权利要求1所述的基于改进
YOLOv5s
的人脸检测方法,其特征在于,数据增强包括:平移
、
旋转
、
缩放
、
翻转
、
随机裁剪
、
调整图像色调
、
曝光度和饱和度
。3.
根据权利要求1所述的基于改进
YOLOv5s
的人脸检测方法,其特征在于,
FasterNet
主干特征提取网络包括:由
CBS
和
FasterNet Block
构成的
CBS
‑
FasterNet
模块,四个
CBS
‑
FasterNet
模块级联,第四
CBS
‑
FasterNet
模块与
SPPF
和
CBS
模块连接后输出上采样
。4.
根据权利要求1所述的基于改进
YOLOv5s
的人脸检测方法,其特征在于,步骤三具体包括:步骤
31、
在第
11
层对特征
P2层获得的特征图先进行大小1×
1、
步长为1的
C...
【专利技术属性】
技术研发人员:陈从平,陆洋,吴伟鹏,刘雅玄,陈奔,严转红,
申请(专利权)人:常州大学,
类型:发明
国别省市:
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。