一种人脸检测方法及系统.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CN110321841A(43)申请公布日2019.10.11(21)申请号201910595553.9(22)申请日2019.07.03(71)申请人成都汇纳智能科技有限公司地址610000四川省成都市中国（四川）自由贸易试验区成都高新区天华二路219号10栋6层601号(72)发明人肖钧文(74)专利代理机构北京细软智谷知识产权代理有限责任公司11471代理人涂凤琴(51)Int.Cl.G06K9/00(2006.01)G06T7/246(2017.01)G06T7/269(2017.01)权利要求书3页说明书9页附图3页(54)发明名称一种人脸检测方法及系统(57)摘要本发明涉及一种人脸检测方法及系统，该方法包括：获取待检测的原始图像；对原始图像进行肤色检测和前景检测，以提取所述原始图像中的疑似人脸区域，并为所述疑似人脸区域绘制目标框；限定目标框的尺寸，同时采用Sobel边缘检测算法，对所述目标框进行筛选，以滤除所述目标框中的非目标框；对筛选后的目标框依次进行R-Net运算和O-Net运算，得到包含真实人脸区域的目标框及每个所述目标框内用于指示人脸轮廓的五个特征点。本发明提供的技术方案，对传统MTCNN网络进行改进，结合肤色检测和前景检测的方法，对疑似人脸区域进行提取，在不减小原始图像的帧尺度的条件下大幅降低了运算量，平衡了检测精度和运算时间，降低了人脸检测设备的成本和提供了更高的通用性。CN110321841ACN110321841A权利要求书1/3页1.一种人脸检测方法，其特征在于，包括：步骤S1、获取待检测的原始图像；步骤S2、对所述原始图像进行肤色检测和前景检测，以提取所述原始图像中的疑似人脸区域，并为所述疑似人脸区域绘制目标框，若目标框太小则舍弃；步骤S3、采用Sobel边缘检测算法，对所述目标框中的图片区域进行筛选，以滤除所述目标框中的非目标框；步骤S4、对筛选后的目标框依次进行R-Net运算和O-Net运算，得到包含真实人脸区域的目标框及每个所述目标框内用于指示人脸轮廓的五个特征点。2.根据权利要求1所述的方法，其特征在于，还包括：步骤S5、把步骤S4所述得到的目标框及五个特征点，按照视频帧的时间顺序逐帧输入跟踪模块，以使所述跟踪模块根据FAST角点检测算法，逐帧检测每个所述目标框内的角点，并计算角点强度，只保留上述五个特征点附近区域的强角点；步骤S6、针对每一条已经存在的轨迹，利用轨迹滤波算法预测轨迹中的人脸在当前帧图像中可能出现的位置，或者对轨迹中的所述强角点利用光流跟踪算法预测轨迹中的人脸在当前帧图像中的位置；在预测的位置附近寻找当前帧的目标框，若能找到目标框，则将该目标框加入轨迹的尾端，作为轨迹的一部分。3.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：步骤S41、根据非极大值抑制算法，合并所述步骤S3输出的目标框；步骤S42、根据所述步骤S41输出的目标框，从所述原始图像中截取人脸子图区域，并将所述人脸子图区域缩放到24*24像素大小；步骤S43、对所述24*24像素大小的人脸子图区域进行R-Net运算；步骤S44、根据非极大值抑制算法，合并所述步骤S43输出的目标框；步骤S45、根据所述步骤S44输出的目标框，从所述原始图像中截取人脸子图区域，并将所述人脸子图区域缩放到48*48像素大小；步骤S46、对所述48*48像素大小的人脸框进行O-Net运算；步骤S47、根据非极大值抑制算法，合并所述步骤S46输出的目标框，得到包含真实人脸区域的目标框及每个所述目标框内用于指示人脸轮廓的五个特征点。4.根据权利要求3所述的方法，其特征在于，所述步骤S43包括：输入所述24*24像素大小的人脸子图区域；通过28个3*3*3的卷积核和3*3的maxpooling后生成28个11*11的特征图；通过48个3*3*28的卷积核和3*3的maxpooling后生成48个4*4的特征图；通过64个2*2*48的卷积核后，生成64个3*3的特征图；将64个3*3的特征图转换为128大小的全连接层；将人脸分类问题转换为大小为2的全连接层，将人脸定位问题转换为大小为4的全连接层，将人脸轮廓的特征点转换为大小为10的全连接层。5.根据权利要求3所述的方法，其特征在于，所述步骤S46包括：输入所述48*48像素大小的人脸框；通过32个3*3*3的卷积核和3*3的maxpooling后转换为32个23*23的特征图；通过64个3*3*32的卷积核和3*3的maxpooling后转换为64个10*10的特征图；通过64个3*3*64的卷2CN110321841A权利要求书2/3页积核和3*3的maxpooling后转换为64个4*4的特征图；通过