基于MTCNN人脸检测的改进方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113449677A(43)申请公布日2021.09.28(21)申请号202110794827.4(22)申请日2021.07.14(71)申请人上海骏聿数码科技有限公司地址200333上海市普陀区云岭西路600弄5号4楼4080室(72)发明人马玉柯学(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人董艳芳(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书7页附图2页(54)发明名称基于MTCNN人脸检测的改进方法和装置(57)摘要本发明提供了一种基于MTCNN人脸检测的改进方法和装置，涉及神经网络技术领域，包括：利用预先获取的人脸图像训练样本，对MTCNN模型进行训练；其中，人脸图像训练样本包括：正向人脸样本、非正向人脸样本和非人脸样本；MTCNN模型包括：O‑Net网络层，O‑Net网络层的输入图片的尺寸为64x64；使用训练后的MTCNN模型，对预先获取的待检测人脸图像进行人脸检测，获取正向人脸图像并输出检测结果。该方法解决了现有人脸检测网络模型误识率较高、对人脸方向检测的准确性较低的技术问题，达到了降低MTCNN人脸误识率、提高人脸检测精度的技术效果。CN113449677ACN113449677A权利要求书1/1页1.一种基于MTCNN人脸检测的改进方法，其特征在于，包括：利用预先获取的人脸图像训练样本，对MTCNN模型进行训练；其中，所述人脸图像训练样本包括：正向人脸样本、非正向人脸样本和非人脸样本；所述MTCNN模型包括：O‑Net网络层，所述O‑Net网络层的输入图片的尺寸为64x64；使用训练后的MTCNN模型，对预先获取的待检测人脸图像进行人脸检测，获取正向人脸图像并输出检测结果。2.根据权利要求1所述的基于MTCNN人脸检测的改进方法，其特征在于，所述O‑Net网络层包括：输入层、卷积层、最大池化层和分类器。3.根据权利要求2所述的基于MTCNN人脸检测的改进方法，其特征在于，所述O‑Net网络层各层输出图片的尺寸分别为：输入层的输出尺寸为64×64×3、第一卷积和池化层的输出尺寸为31×31×32、第二卷积和池化层的输出尺寸为14×14×64、第三卷积和池化层的输出尺寸为5×5×64、第四卷积层的输出尺寸为3×3×128。4.根据权利要求3所述的基于MTCNN人脸检测的改进方法，其特征在于，所述MTCNN模型的输出结果的维度为1×4×10，所述输出结果的每个维度分别表示：人脸概率、边框回归偏移向量和人脸关键点位置坐标。5.根据权利要求1所述的基于MTCNN人脸检测的改进方法，其特征在于，所述非正向人脸样本包括：倒置人脸样本、顺时针90°人脸样本、逆时针90°人脸样本。6.根据权利要求5所述的基于MTCNN人脸检测的改进方法，其特征在于，在所述训练样本中，所述正向人脸样本、所述倒置人脸样本、所述顺时针90°人脸样本、所述逆时针90°人脸样本和所述非人脸样本的比例为：4:2:1:1:4。7.一种基于MTCNN人脸检测的改进装置，其特征在于，包括：模型训练模块，用于利用预先获取的人脸图像训练样本，对MTCNN模型进行训练；其中，所述人脸图像训练样本包括：正向人脸样本、非正向人脸样本和非人脸样本；所述MTCNN模型包括：O‑Net网络层，所述O‑Net网络层的输入图片的尺寸为64x64；人脸检测模块，用于使用训练后的MTCNN模型，对预先获取的待检测人脸图像进行人脸检测，获取正向人脸图像并输出检测结果。8.根据权利要求7所述的基于MTCNN人脸检测的改进装置，其特征在于，所述非正向人脸样本包括：倒置人脸样本、顺时针90°人脸样本、逆时针90°人脸样本。9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至6任一项所述的方法。2CN113449677A说明书1/7页基于MTCNN人脸检测的改进方法和装置技术领域[0001]本发明涉及神经网络技术领域，尤其是涉及一种基于MTCNN人脸检测的改进方法和装置。背景技术[0002]多任务卷积神经网络(Multi‑taskconvolutionalneuralnetwork，MTCNN)是人脸检测常用的一种深度网络模型，该模型主要采用了三