CN104992167B - 一种基于卷积神经网络的人脸检测方法及装置 - Google Patents

Abstract

本发明公开了一种基于卷积神经网络的人脸检测方法及装置。所述方法包括将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层；使用梯度下降法和反向传播算法训练所述卷积神经网络；将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域；使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。

Description

一种基于卷积神经网络的人脸检测方法及装置

技术领域

本发明涉及模式识别、计算机视觉技术领域，特别涉及一种基于卷积神经网络的人脸检测方法及装置。

背景技术

人脸检测是计算机视觉中一个非常重要的问题，伴随着一些人脸识别、年龄估计、性别估计及表情识别等应用需求的增长，人脸检测作为完成这些任务的第一步，获得了越来越多人的关注。一些传统的方法是使用滑动窗口对人脸进行检测，然后对每个得到的窗口进行判断，最终检测到人脸的位置。然而这些方法使用了滑动窗口技术，在该环节上会花费大量的时间，对一些实时性要求很高的应用，并不是特别的适用。

发明内容

为了解决现有技术存在的问题，本发明的目的是提供一种基于深度卷积神经网络的人脸检测方法。其利用深度卷积神经网络提取图片中各个像素点的特征信息，通过学习一个阈值，将特征值进行判断，最后通过一个最小闭包完成人脸检测。该方法避免了滑动窗口带来的时间消耗，有利于解决很多对实时性要求比较高的人脸应用问题。

本发明所提出的一种基于深度卷积神经网络的人脸检测方法，包括以下步骤：

步骤S1：将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；

步骤S2：建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层，其中，输入层和最后一层全连接层的神经元个数与所述图片的大小相同；使用梯度下降法和反向传播算法训练所述卷积神经网络；

步骤S3：将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；

步骤S4：将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域；

步骤S5：使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。

本发明还提出了一种基于卷积神经网络的人脸检测装置，包括：

预处理模块：将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；

网络建立模块：建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层，其中，输入层和最后一层全连接层的神经元个数与所述图片的大小相同；使用梯度下降法和反向传播算法训练所述卷积神经网络；

检测模块：将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；

比较模块：将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域；

识别模块：使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。

本发明的有益效果：

本发明方法利于深度卷积神经网络回归照片中每个像素点的标签信息，避免了使用滑动窗口等方法带来的时间方面的消耗，大大提高检测的速度，有利于实现很多对实时性要求比较高的应用任务；该方法利用了卷积神经网络具有强大的提取特征能力，提取了图片中各个像素点的特征，保证是人脸检测的正确率。

附图说明

图1是本发明中基于深度卷积神经网络的人脸检测方法流程图。

图2是本发明中训练网络时，输入的照片以及标签信息示意图。

图3是本发明中构建的卷积神经网络示意图。

图4是利用本发明进行人脸检测的实例示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

本发明提出了一种基于卷积神经网络的人脸检测方法。该方法利用深度卷积神经网络回归图片中各个像素点的值，避免了滑动窗口所耗费的时间，加快了检测的速度。以下详细说明本发明设计的关键步骤。

图1所示是本发明提出的一种基于深度卷积神经网络的人脸检测方法的流程图。如图1所示，所述方法包括以下步骤：

步骤S1，将训练集中的所有照片缩放成第一预定大小的灰度图，所述灰度图的每个像素的标签信息根据图片各像素点是否属于人脸分为2类，如图2所示，所述标签信息为已知信息。其中，所述第一预定大小在100×100～150×150之间，优选为112×112。

步骤S2，建立带有第二预定大小的卷积层和第三预定大小的全连接层的卷积神经网络，其中，所述卷积神经网络的第一层为输入层，之后为所述第二预定大小个卷积层，之后是所述第三预定大小个全连接层，最后是输出层，且最后一层全连接层的神经元个数与输入图片维度相同，即为第一预定大小；该卷积神经网络所有权重均随机初始化。其中，所述第二预定大小在3-7之间，优选为5；第三预定大小优选为1-5之间，优选为3。使用梯度下降法和反向传播算法来优化神经网络中的各个参数。

其中，所述卷积层的激活函数优选使用ReLU函数，每个卷积层的步长、卷积子大小、卷积子的个数均可以自由设置，网络结构如图3所示，图3的文字描述具体见下面实施例。将所述灰度图作为输入图片，使用梯度下降法和反向传播算法来优化所述卷积神经网络中的各个参数。每个卷积层的输入与该层权重相乘之后，会得到一个数值，ReLU函数的原理就是，如果这个数值大于0，那么输出值就保存这个计算值，如果这个计算值小于0，那么输出值就保存成0。当然，ReLU函数也可以换成其他的激活函数。

所述卷积神经网络的最后一层全连接层优选使用sigmoid激活函数，神经元个数与图片大小相同；最后一层全连接层的输入与该层权重相乘之后的输出值如果为t，那么最后一层全连接层的输出为s(t)，s(t)如下计算：

当然，也可以使用其他激活函数。

步骤S2中，输入图片作为输入经过所述卷积神经网络之后，最终得到的输出值个数与所述输入图片的大小相同，即其输出值为所述输入图片的每个像素点的预测值。由于每个像素点有一个标签值，那么用对应于每个像素点的卷积神经网络输出值与其相应的标签值进行比较，就可以得到神经网络输出值与实际标签值之间的差距，那么通过调整所述卷积神经网络中每层的权重值，使得所述差距越来越小，直到所述卷积神经网络的输出值与标签值相同，则最终得到所需要的卷积神经网络。

那么，本发明中使用L2范数作为损失函数来训练所述卷积神经网络，定义如下：

其中，L_i为CNN网络的输出值与相应像素点的标签值间的L2范数值，m_i是图片的标签信息，p_i是所述卷积神经网络CNN的输出，其定义如下：

p_i＝g(f(x_i))，

f(x_i)是前一层的输出，g(·)是激活函数。

根据所述L2范数值调整所述卷积神经网络各层的神经元权重值，重复多次训练所述卷积神经网络，直到所述L2范数的值小于规定阈值为止。

步骤S3，将待检测照片送入训练好的卷积神经网络中，得到最后一层的输出特征值；

步骤S4，根据预定阈值和最后一层的特征值的比较结果，对照片中各像素点是否是人脸位置进行判断。

在使用训练好的所述卷积神经网络进行人脸检测时，所述预定阈值用于与所述卷积神经网络的输出值进行比较，如果小于所述预定阈值，则认为所述卷积神经网络的当前输出值对应的像素点为非人脸区域，而大于所述预定阈值，则认为其对应的像素点为人脸区域。

所述预定阈值是通过将训练集中的所有图片输入至训练好的所述卷积神经网络后，选择一阈值，使得得到的输出值与所述阈值进行比较的结果与所输入的图片中每个像素点的实际标签值相同。比如，如果将阈值设置成0.5，那么与小于0.5的输出值的比较结果表示0，与大于0.5的输出值的比较结果为1。

步骤S5，使用最小闭包的方法，将人脸的位置检测出来。

其中，最小闭包是指寻找一个矩形，使得判断为人脸的像素点全部包含在内，那么这个矩形就认为是人脸区域。

实施例：

为了详细说明本发明的具体实施方法，接下来以某人脸检测数据库为例对本发明方法进行进一步的说明。该数据库包含3500张照片，包括不同的场景，如白天、黑夜、室内、室外等。在使用本发明进行人脸检测时，按照以下步骤进行：

步骤S1，将数据库中的所有照片缩放成相同大小的灰度图，图片的标签信息根据图片各像素点是否属于人脸分成2类，如图2所示。

步骤S2，建立带有5个卷积层和3个全连接层的卷积神经网络，其中最后一层全连接层与输入图片维度相同，该网络所有权重均随机初始化。其中卷积层的激活函数均为ReLU函数，送入的照片为112×112大小的图片，第一层卷积层采用48个尺寸为11×11×1的卷积子；第二层卷积层采用128个尺寸为3×3×48的卷积子；第三层卷积层采用192个尺寸为3×3×128的卷积子；第四层卷积层采用192个尺寸为3×3×192的卷积子；第五层卷积层采用128个尺寸为3×3×192的卷积子；后面连接的全连接层的维数分别为4096、4096、12544，如图3所示。使用梯度下降法和反向传播算法来优化神经网络中的各个参数。我们在最后一层全连接层使用sigmoid激活函数，神经元个数与图片大小相同，我们使用L2范数作为损失函数训练网络，定义如下：

其中，m_i是图片的标签信息，p_i是CNN网络的输出，定义如下：

p_i＝g(f(x_i))，

f(x_i)是前一层的输出，g(·)是激活函数。

步骤S3，将测试照片送入训练好的卷积神经网络中，得到最后一层的输出特征值。

步骤S4，学习一个阈值，根据阈值和最后一层的特征值，对照片中各像素点是否是人脸位置进行判断。

步骤S5，使用最小闭包的方法，将人脸的位置检测出来，图4是一些实例图。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于卷积神经网络的人脸检测方法，包括：

步骤S1：将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；

步骤S2：建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层，其中，输入层和最后一层全连接层的神经元个数与所述图片的大小相同；使用梯度下降法和反向传播算法训练所述卷积神经网络，使用L2范数作为损失函数训练所述卷积神经网络，根据所述L2范数值调整所述卷积神经网络各层的神经元权重值，重复多次训练所述卷积神经网络，直到所述L2范数的值小于规定阈值为止，其中，L2范数作为损失函数训练所述卷积神经网络，定义如下：

其中，L_i为所述卷积神经网络的第i个输出值与相应像素点的标签值间的L2范数值，m_i是所输入图片的第i个像素点的标签信息，p_i是所述卷积神经网络的第i个输出，定义如下：

p_i＝g(f(x_i))，

f(x_i)是前一层的输出，g(·)是激活函数，x_i是前一层的第i个输入；

步骤S3：将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；

步骤S4：将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域，如果输出特征值小于所述预定阈值，则认为所述卷积神经网络的当前输出值对应的像素点为非人脸区域，而输出特征值大于所述预定阈值，则认为其对应的像素点为人脸区域，

其中，所述预定阈值通过如下方式获得：

将训练集中的所有图片输入至训练好的所述卷积神经网络后，选择预定阈值，使得得到的输出值与所述阈值进行比较的结果与所输入的图片中每个像素点的标签信息相同；

步骤S5：使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。

2.根据权利要求1所述的方法，其中，步骤1中所述预定大小为在100×100～150×150之间。

3.根据权利要求1所述的方法，其中，所述卷积神经网络包括3-7个卷积层，1-5个全连接层。

4.根据权利要求1所述的方法，其中，所述卷积神经网络中的卷积层的激活函数为ReLU函数，神经元个数与所输入图片的大小相同。

5.根据权利要求1所述的方法，其中，所述卷积神经网络中最后一层全连接层的激活函数为sigmoid激活函数，神经元个数与所输入图片的大小相同。

6.一种基于卷积神经网络的人脸检测装置，包括：

预处理模块：将训练集中的所有图片缩放成预定大小的灰度图，并为每个所述图片中的每个像素点赋予标签信息，所述标签信息用于表示其对应的像素点是否为人脸；

网络建立模块：建立卷积神经网络，其中，所述卷积神经网络各层依次为输入层、多个卷积层、多个全连接层和输出层，其中，输入层和最后一层全连接层的神经元个数与所述图片的大小相同；使用梯度下降法和反向传播算法训练所述卷积神经网络，使用L2范数作为损失函数训练所述卷积神经网络，根据所述L2范数值调整所述卷积神经网络各层的神经元权重值，重复多次训练所述卷积神经网络，直到所述L2范数的值小于规定阈值为止，其中，L2范数作为损失函数训练所述卷积神经网络，定义如下：

其中，L_i为所述卷积神经网络的第i个输出值与相应像素点的标签值间的L2范数值，m_i是所输入图片的第i个像素点的标签信息，p_i是所述卷积神经网络的第i个输出，定义如下：

p_i＝g(f(x_i))，

f(x_i)是前一层的输出，g(·)是激活函数，x_i是前一层的第i个输入；

检测模块：将待检测照片输入至训练好的所述卷积神经网络中，得到最后一层的输出特征值；

比较模块：将所述最后一层的输出特征值与预定阈值进行比较，以确定所述待测照片中各像素点是否为人脸区域，如果输出特征值小于所述预定阈值，则认为所述卷积神经网络的当前输出值对应的像素点为非人脸区域，而输出特征值大于所述预定阈值，则认为其对应的像素点为人脸区域，

其中，所述预定阈值通过如下方式获得：

将训练集中的所有图片输入至训练好的所述卷积神经网络后，选择预定阈值，使得得到的输出值与所述阈值进行比较的结果与所输入的图片中每个像素点的标签信息相同；

识别模块：使用最小闭包的方法，根据确定为人脸区域的各像素点检测出人脸的位置。