一種基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及模式識別、計算機視覺技術(shù)領(lǐng)域，特別涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的 人臉檢測方法及裝置。
【背景技術(shù)】
[0002] 人臉檢測是計算機視覺中一個非常重要的問題，伴隨著一些人臉識別、年齡估計、 性別估計及表情識別等應(yīng)用需求的增長，人臉檢測作為完成這些任務(wù)的第一步，獲得了越 來越多人的關(guān)注。一些傳統(tǒng)的方法是使用滑動窗口對人臉進行檢測，然后對每個得到的窗 口進行判斷，最終檢測到人臉的位置。然而這些方法使用了滑動窗口技術(shù)，在該環(huán)節(jié)上會花 費大量的時間，對一些實時性要求很高的應(yīng)用，并不是特別的適用。

【發(fā)明內(nèi)容】

[0003] 為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的是提供一種基于深度卷積神經(jīng)網(wǎng)絡(luò) 的人臉檢測方法。其利用深度卷積神經(jīng)網(wǎng)絡(luò)提取圖片中各個像素點的特征信息，通過學(xué)習(xí) 一個閾值，將特征值進行判斷，最后通過一個最小閉包完成人臉檢測。該方法避免了滑動窗 口帶來的時間消耗，有利于解決很多對實時性要求比較高的人臉應(yīng)用問題。
[0004] 本發(fā)明所提出的一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法，包括以下步驟：
[0005] 步驟S1:將訓(xùn)練集中的所有圖片縮放成預(yù)定大小的灰度圖，并為每個所述圖片中 的每個像素點賦予標簽信息，所述標簽信息用于表示其對應(yīng)的像素點是否為人臉；
[0006] 步驟S2:建立卷積神經(jīng)網(wǎng)絡(luò)，其中，所述卷積神經(jīng)網(wǎng)絡(luò)各層依次為輸入層、多個卷 積層、多個全連接層和輸出層，其中，輸入層和最后一層全連接層的神經(jīng)元個數(shù)與所述圖片 的大小相同；使用梯度下降法和反向傳播算法訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)；
[0007] 步驟S3 :將待檢測照片輸入至訓(xùn)練好的所述卷積神經(jīng)網(wǎng)絡(luò)中，得到最后一層的輸 出特征值；
[0008] 步驟S4 :將所述最后一層的輸出特征值與預(yù)定閾值進行比較，以確定所述待測照 片中各像素點是否為人臉區(qū)域；
[0009] 步驟S5 :使用最小閉包的方法，根據(jù)確定為人臉區(qū)域的各像素點檢測出人臉的位 置。
[0010] 本發(fā)明還提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測裝置，包括：
[0011] 預(yù)處理模塊：將訓(xùn)練集中的所有圖片縮放成預(yù)定大小的灰度圖，并為每個所述圖 片中的每個像素點賦予標簽信息，所述標簽信息用于表示其對應(yīng)的像素點是否為人臉；
[0012] 網(wǎng)絡(luò)建立模塊：建立卷積神經(jīng)網(wǎng)絡(luò)，其中，所述卷積神經(jīng)網(wǎng)絡(luò)各層依次為輸入層、 多個卷積層、多個全連接層和輸出層，其中，輸入層和最后一層全連接層的神經(jīng)元個數(shù)與所 述圖片的大小相同；使用梯度下降法和反向傳播算法訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)；
[0013] 檢測模塊：將待檢測照片輸入至訓(xùn)練好的所述卷積神經(jīng)網(wǎng)絡(luò)中，得到最后一層的 輸出特征值；
[0014] 比較模塊：將所述最后一層的輸出特征值與預(yù)定閾值進行比較，以確定所述待測 照片中各像素點是否為人臉區(qū)域；
[0015] 識別模塊：使用最小閉包的方法，根據(jù)確定為人臉區(qū)域的各像素點檢測出人臉的 位置。
[0016] 本發(fā)明的有益效果：
[0017] 本發(fā)明方法利于深度卷積神經(jīng)網(wǎng)絡(luò)回歸照片中每個像素點的標簽信息，避免了使 用滑動窗口等方法帶來的時間方面的消耗，大大提高檢測的速度，有利于實現(xiàn)很多對實時 性要求比較高的應(yīng)用任務(wù)；該方法利用了卷積神經(jīng)網(wǎng)絡(luò)具有強大的提取特征能力，提取了 圖片中各個像素點的特征，保證是人臉檢測的正確率。
【附圖說明】
[0018] 圖1是本發(fā)明中基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法流程圖。
[0019] 圖2是本發(fā)明中訓(xùn)練網(wǎng)絡(luò)時，輸入的照片以及標簽信息示意圖。
[0020] 圖3是本發(fā)明中構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)示意圖。
[0021] 圖4是利用本發(fā)明進行人臉檢測的實例示意圖。
【具體實施方式】
[0022] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照 附圖，對本發(fā)明作進一步的詳細說明。
[0023] 本發(fā)明提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法。該方法利用深度卷積神經(jīng) 網(wǎng)絡(luò)回歸圖片中各個像素點的值，避免了滑動窗口所耗費的時間，加快了檢測的速度。以下 詳細說明本發(fā)明設(shè)計的關(guān)鍵步驟。
[0024] 圖1所示是本發(fā)明提出的一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法的流程圖。 如圖1所示，所述方法包括以下步驟：
[0025] 步驟S1，將訓(xùn)練集中的所有照片縮放成第一預(yù)定大小的灰度圖，所述灰度圖的每 個像素的標簽信息根據(jù)圖片各像素點是否屬于人臉分為2類，如圖2所示，所述標簽信息為 已知信息。其中，所述第一預(yù)定大小在100X100~150X150之間，優(yōu)選為112X112。
[0026] 步驟S2,建立帶有第二預(yù)定大小的卷積層和第三預(yù)定大小的全連接層的卷積神經(jīng) 網(wǎng)絡(luò)，其中，所述卷積神經(jīng)網(wǎng)絡(luò)的第一層為輸入層，之后為所述第二預(yù)定大小個卷積層，之 后是所述第三預(yù)定大小個全連接層，最后是輸出層，且最后一層全連接層的神經(jīng)元個數(shù)與 輸入圖片維度相同，即為第一預(yù)定大?。辉摼矸e神經(jīng)網(wǎng)絡(luò)所有權(quán)重均隨機初始化。其中，所 述第二預(yù)定大小在3-7之間，優(yōu)選為5 ;第三預(yù)定大小優(yōu)選為1-5之間，優(yōu)選為3。使用梯度 下降法和反向傳播算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)中的各個參數(shù)。
[0027] 其中，所述卷積層的激活函數(shù)優(yōu)選使用ReLU函數(shù)，每個卷積層的步長、卷積子大 小、卷積子的個數(shù)均可以自由設(shè)置，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，圖3的文字描述具體見下面實施 例。將所述灰度圖作為輸入圖片，使用梯度下降法和反向傳播算法來優(yōu)化所述卷積神經(jīng)網(wǎng) 絡(luò)中的各個參數(shù)。每個卷積層的輸入與該層權(quán)重相乘之后，會得到一個數(shù)值，ReLU函數(shù)的 原理就是，如果這個數(shù)值大于0,那么輸出值就保存這個計算值，如果這個計算值小于0,那 么輸出值就保存成〇。當然，ReLU函數(shù)也可以換成其他的激活函數(shù)。
[0028] 所述卷積神經(jīng)網(wǎng)絡(luò)的最后一層全連接層優(yōu)選使用sigmoid激活函數(shù)，神經(jīng)元個數(shù) 與圖片大小相同；最后一層全連接層的輸入與該層權(quán)重相乘之后的輸出值如果為t，那么 最后一層全連接層的輸出為s(t)，s(t)如下計算：
[0029]
[0030] 當然，也可以使用其他激活函數(shù)。
[0031] 步驟S2中，輸入圖片作為輸入經(jīng)過所述卷積神經(jīng)網(wǎng)絡(luò)之后，最終得到的輸出值個 數(shù)與所述輸入圖片的大小相同，即其輸出值為所述輸入圖片的每個像素點的預(yù)測值。由于 每個像素點有一個標簽值，那么用對應(yīng)于每個像素點的卷積神經(jīng)網(wǎng)絡(luò)輸出值與其相應(yīng)的標 簽值進行比較，就可以得到神經(jīng)網(wǎng)絡(luò)輸出值與實際標簽值之間的差距，那么通過調(diào)整所述 卷積神經(jīng)網(wǎng)絡(luò)中每層的權(quán)重值，使得所述差距越來越小，直到所述卷積神經(jīng)網(wǎng)絡(luò)的輸出值 與標簽值相同，則最終得到所需要的卷積神經(jīng)網(wǎng)絡(luò)。
[0032] 那么，本發(fā)明中使用L2范數(shù)作為損失函數(shù)來訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)，定義如下：
[0033] L,=sj\\p,-m,\\2，
[0034] 其中，1^為CNN網(wǎng)絡(luò)的輸出值與相應(yīng)像素點的標簽值間的L2范數(shù)值，m1是圖片的 標簽信息，Pi是所述卷積神經(jīng)網(wǎng)絡(luò)CNN的輸出，其定義如下：
[0035]Pi=g(f(xi)),
[0036] f(x)是前一層的輸出，g( ?)是激活函數(shù)。
[0037] 根據(jù)所述L2范數(shù)值調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)各層的神經(jīng)元權(quán)重值，重復(fù)多次訓(xùn)練 所述卷積神經(jīng)網(wǎng)絡(luò)，直到所述L2范數(shù)