[发明专利]一种基于分级网络和聚类合并的人脸检测方法

摘要

本发明揭示了一种基于分级网络和聚类合并的人脸检测方法，将卷积神经网络划分为两级网络，在第一级网络训练过程中，通过获得七级分辨率下原始输入图片的热图，根据七张热图上的局部最热区域获取七级分辨率下的初始候选人脸区域，减少了样本上人脸信息的遗失。在第二级网络训练过程中，在训练正样本中加入具体人脸五官区域，使卷积神经网络针对性地提取五官区域特征，并在网络的最后通过一个基于聚类和人脸五官特征的候选框合并策略获得包含人脸检测框的图片。该人脸检测方法克服了现有此类方法的网络复杂，计算量大的问题，且有效处理了图片中姿态变化或遮挡的人脸，提高了基于卷积神经网络的人脸检测精度。

主权项

1.一种基于分级网络和聚类合并的人脸检测方法，其特征在于，所述方法包括如下基本步骤：步骤一：将卷积神经网络划分成两级网络，第一级网络含三层卷积层，第二级网络含五层卷积层；步骤二：将原始输入图片进行预处理，随后通过一个含七级分辨率的多分辨率滑动窗口生成一系列待检测子图片；步骤三：通过采集训练样本预训练第一级网络，预训练完成后将第一级网络的全连接层转换成卷积层获得全卷积神经网络，将步骤二生成的待检测子图片输入至全卷积神经网络生成热图，根据热图上的局部最热区域的位置，获得初始候选人脸区域；步骤四：通过采集训练样本训练第二级网络，将步骤三第一级网络获取的初始候选人脸区域输入至第二级网络，在第二级网络的最后通过一个基于聚类和人脸五官特征的候选框合并策略获得包含人脸检测框的图片。