买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于卷积神经网络的双分支AnchorFree人脸检测方法及系统，所述方法包括：建立双分支结构的AnchorFree人脸检测神经网络；对开源人脸检测训练集WiderFace进行预处理，获得训练集；使用数据集对神经网络进行训练，获得训练好的人脸检测神经网络模型；将待检测的图片输入训练好的模型进行处理，获得初步检测结果；使用尺度选择模过滤检测结果中的重复检测框。本发明仅利用一个全卷积的神经网路而无需复杂的锚框设计和后处理步骤进行人脸检测，在保证检测准确性的前提下简化了人脸检测算法的后处理步骤并提高了检测速度。

主权项：1.一种基于卷积神经网络的双分支AnchorFree人脸检测方法，其特征在于，包括以下步骤：将待检测的图片输入训练好的检测模型进行处理，获得初步检测结果；所述检测模型包括：特征提取网络，用于提取多尺度特征；特征聚合模块，用于输入所述多尺度特征并分成两组，对于每一组内部的特征进行聚合，获得聚合特征图H0、聚合特征图H1；两组AnchorFree检测器，包括：用于检测尺度大于预设阈值的大人脸的L检测器和用于检测尺度小于预设阈值的小人脸的T检测器；所述T检测器用于输入聚合特征图H1，所述L检测器用于输入聚合特征图H0，输出初步检测结果；所述T检测器和所述L检测器的结构相同，均包括：中心点检测子模块，用于定位输入的聚合特征图上的人脸中心点位置,尺度预测子模块，用于基于输入的聚合特征图进行人脸尺度预测，输出尺度预测图，尺度预测图中xi，yi坐标处的值为尺度选择模块，用于基于聚合特征图H0和聚合特征图H1生成标识人脸大小的二进制尺度选择掩码图；基于所述二进制尺度选择掩码图，使用冗余检测框过滤算法对所述初步检测结果进行处理，获得最终检测结果；其中，获取训练好的检测模型的训练步骤包括：根据预获取的训练集生成5个监督信号hm_0、size_0，hm_1、size_1和cls；其中，hm_0和size_0分别为T检测器的中心点定位任务和尺度预测任务的监督信号，hm_1和size_1分别为L检测器的中心点定位任务和尺度预测任务的监督信号，cls为尺度选择模块的监督信号；通过FocalLoss计算各分支的定位损失，通过IOULoss计算各分支的尺度预测损失，二分类交叉熵计算尺度选择模块损失；并通过反向传播算法优化模型，达到预设收敛条件，获得训练好的检测模型；所述将待检测的图片输入训练好的检测模型进行处理，获得初步检测结果的步骤具体包括：待检测的图片输入训练好的检测模型进行计算，得到输出和其中，和为T检测器输出的中心点定位热力图和尺度预测图，和为L检测器输出的中心点定位热力图和尺度预测图，为二进制尺度选择掩码图；分别提取中心点定位热力图和中的局部极大值作为预测的人脸中心点；根据获得的局部极大值的坐标位置在尺度预测图和的相同位置中提取对应的尺度信息；对两组检测器中提取的中心点坐标和尺度信息分别应用解码公式，获得两组候选检测框集合boxes0和boxes1；解码公式为：式中，xi和yi为网络中提取的第i个中心点在原图坐标系下的横和纵坐标，为尺度预测图中xi,yi坐标处的值，为生成的第i个候选检测框的左上角的横坐标和纵坐标，和为生成的第i个候选检测框的右下角的横坐标和纵坐标；所述基于所述二进制尺度选择掩码图，使用冗余检测框过滤算法对所述初步检测结果进行处理，获得最终检测结果的步骤具体包括：遍历T检测器的候选检测框集合boxes0，检查二进制尺度选择掩码图中候选框的中心点位置是否为0，如果是0则保留，否则删除所述候选框；遍历L检测器的候选检测框集合boxes1，检查二进制尺度选择掩码图中候选框的中心点位置是为1，如果是1则保留，否则删除候选框。

全文数据：

权利要求：

百度查询： 台州智必安科技有限责任公司 基于卷积神经网络的双分支Anchor Free人脸检测方法及系统