本發(fā)明涉及人臉檢測領(lǐng)域，特別地，涉及一種基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法及檢測裝置。

背景技術(shù)：

人臉檢測(facedetection)技術(shù)是所有人臉相關(guān)技術(shù)(人臉識別、人臉對齊、人臉表情識別、人臉關(guān)鍵點(diǎn)預(yù)測等)的基礎(chǔ)。隨著人臉檢測技術(shù)應(yīng)用到越來越多的場景中，尤其在用戶非配合的監(jiān)控環(huán)境，人臉尺度、角度和光照情況變化很大，這對人臉檢測的精度和速度要求也越來越高。

深度學(xué)習(xí)(deeplearning)技術(shù)與早些年的人工神經(jīng)網(wǎng)絡(luò)并無本質(zhì)的區(qū)別，自2012年起，受益于數(shù)據(jù)的增加和計算能力的增強(qiáng)，深度學(xué)習(xí)技術(shù)得到迅速的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetworks，cnn)是深度學(xué)習(xí)網(wǎng)絡(luò)的一種，在圖像領(lǐng)域，cnn方法比傳統(tǒng)方法在解決各種問題的能力上有了質(zhì)的提高。

近些年人臉檢測方法按照是否采用深度學(xué)習(xí)方法分為兩類，未采用深度學(xué)習(xí)方法的算法效果比較好的有jointcascadefacedetectionandalign(jda)和normalizedpixeldifference(npd)。jda方法將人臉檢測和人臉關(guān)鍵點(diǎn)檢測結(jié)合起來，利用一種比較簡單的像素差特征和隨機(jī)森林方法實(shí)現(xiàn)算法框架。由于特征比較簡單，該算法對光照的魯棒性比較差，在逆光、光照不均勻的情況下人臉檢測的效果較差。npd方法和jda方法整體框架類似，不同點(diǎn)主要在于npd對像素差特征進(jìn)行了歸一化處理，對逆光情況有較好的改善。該算法在權(quán)威人臉檢測數(shù)據(jù)集fddb(facedetectiondatasetandbenchmark)上檢測效果比jda略差，速度上慢于jda方法。

以上兩種檢測算法是傳統(tǒng)方法(未采用深度學(xué)習(xí))中效果最好的幾種之一，比深度學(xué)習(xí)方法的人臉檢測算法在誤檢個數(shù)相同的情況下召回率要低5到10個點(diǎn)。下面介紹幾種效果比較好的深度學(xué)習(xí)人臉?biāo)惴?。facedetectionwiththefasterr-cnn將vgg網(wǎng)絡(luò)(16層)和fasterr-cnn框架應(yīng)用到人臉檢測，另一種方法booststrappingfacedetectionwithhardnegativeexamples更是將50層的殘差網(wǎng)絡(luò)應(yīng)用到人臉檢測中。這些方法雖然取得了很好的效果，但是由于模型文件太大，速度太慢，基本很難在實(shí)際產(chǎn)品中使用。

傳統(tǒng)方法在戶外監(jiān)控環(huán)境，對人臉的召回率不夠。而基于深度學(xué)習(xí)的算法，采用的網(wǎng)絡(luò)太深，模型文件較大，運(yùn)算復(fù)雜度太高，很難在實(shí)際產(chǎn)品中部署。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法及檢測裝置，以解決現(xiàn)有技術(shù)中難以兼顧運(yùn)算復(fù)雜度和檢測精度的技術(shù)問題。

本發(fā)明采用的技術(shù)方案如下：

一種基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法，包括：組建級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)；采用人臉正樣本、人臉負(fù)樣本、部分人臉和人臉關(guān)鍵點(diǎn)樣本作為訓(xùn)練樣本來訓(xùn)練多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉分類、人臉區(qū)域位置回歸以及人臉關(guān)鍵點(diǎn)定位的任務(wù)的學(xué)習(xí)；利用訓(xùn)練好的多級卷積神經(jīng)網(wǎng)絡(luò)對待檢測圖像進(jìn)行人臉檢測；其中，在訓(xùn)練階段，同時采用在線方式和離線方式結(jié)合來挖掘難的人臉負(fù)樣本作為訓(xùn)練樣本。

進(jìn)一步地，在線方式為：在每個批處理訓(xùn)練的梯度回傳階段，只計算損失大于設(shè)定閾值的部分人臉負(fù)樣本的梯度，忽略剩余的人臉負(fù)樣本。離線方式為：通過訓(xùn)練好的模型來獲取分類出錯的人臉負(fù)樣本，并從分類出錯的人臉負(fù)樣本中選取出得分在設(shè)定范圍內(nèi)的一批，以預(yù)定概率加入到當(dāng)前訓(xùn)練的人臉負(fù)樣本中繼續(xù)訓(xùn)練所述模型。

進(jìn)一步地，多級卷積神經(jīng)網(wǎng)絡(luò)中的每一級包括依次連接的多個卷積層、至少一個最大池化層以及一個全連接層，且后一級卷積神經(jīng)網(wǎng)絡(luò)中的全連接層輸出的特征與上一級卷積神經(jīng)網(wǎng)絡(luò)的全連接層輸出的特征結(jié)合，再通過不同的全連接子層對應(yīng)到不同的任務(wù)的學(xué)習(xí)。

進(jìn)一步地，多級卷積神經(jīng)網(wǎng)絡(luò)包括三級卷積神經(jīng)網(wǎng)絡(luò)，其中，第一級卷積神經(jīng)網(wǎng)絡(luò)采用10*10*3大小的圖像作為輸入，第一級卷積神經(jīng)網(wǎng)絡(luò)包括多個卷積層和最大池化層以及一個全連接層，經(jīng)過卷積和池化處理后，圖像由10*10*3變?yōu)?*1*32大小的特征，再通過兩個不同的全連接子層對應(yīng)到不同的任務(wù)；第二級卷積神經(jīng)網(wǎng)絡(luò)采用24*24*3大小的圖像作為輸入，第二級卷積神經(jīng)網(wǎng)絡(luò)包括多個卷積層和兩個最大池化層以及一個輸出長度為128的全連接層，本級的全連接層輸出的特征和第一級卷積神經(jīng)網(wǎng)絡(luò)輸出的1*1*32的特征拼接起來形成長度為160的特征，再通過兩個不同的全連接子層對應(yīng)到不同任務(wù)的學(xué)習(xí)；第三級卷積神經(jīng)網(wǎng)絡(luò)采用48*48*3大小的圖像作為輸入，第三級卷積神經(jīng)網(wǎng)絡(luò)包括多個卷積層和三個最大池化層以及一個輸出長度為256的全連接層，本級的全連接層輸出的特征和第二層卷積神經(jīng)網(wǎng)絡(luò)輸出的長度為160的特征拼接起來形成長度為416的特征，再通過三個不同的全連接子層對應(yīng)到不同任務(wù)的學(xué)習(xí)。

進(jìn)一步地，在訓(xùn)練階段，級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)中，前面的多級卷積神經(jīng)網(wǎng)絡(luò)輸入樣本為人臉正樣本、人臉負(fù)樣本和部分人臉樣本，在最后一級卷積神經(jīng)網(wǎng)絡(luò)中加入人臉關(guān)鍵點(diǎn)樣本，并在后面各級卷積神經(jīng)網(wǎng)絡(luò)中提高人臉正樣本和人臉負(fù)樣本的比率。

進(jìn)一步地，在訓(xùn)練階段，人臉分類任務(wù)采用交叉熵?fù)p失函數(shù)，人臉區(qū)域位置回歸和人臉關(guān)鍵點(diǎn)定位任務(wù)采用歐式損失函數(shù)，人臉分類任務(wù)還采用中央部分損失函數(shù)，并將交叉熵?fù)p失函數(shù)、歐式損失函數(shù)和中央部分損失函數(shù)通過不同的權(quán)重加權(quán)輸出。

進(jìn)一步地，在檢測階段，圖像經(jīng)每一級卷積神經(jīng)網(wǎng)絡(luò)處理后，對認(rèn)定的同一人臉區(qū)域，采用非極大值抑制方法將樣本得分排在前k個的個人臉區(qū)域聚類合并到第k個之后的人臉區(qū)域，并調(diào)整人臉區(qū)域位置。在使用非極大值抑制方法對樣本得分進(jìn)行排序時，采用多級卷積神經(jīng)網(wǎng)絡(luò)的加權(quán)得分作為樣本得分。多級卷積神經(jīng)網(wǎng)絡(luò)包括三級卷積神經(jīng)網(wǎng)絡(luò)，加權(quán)得分計算機(jī)制為：第一級卷積神經(jīng)網(wǎng)絡(luò)分類得分是s1，第二級卷積神經(jīng)網(wǎng)絡(luò)分類得分s2，第三級卷積神經(jīng)網(wǎng)絡(luò)分類得分s3，在排序時樣本經(jīng)過第一級卷積神經(jīng)網(wǎng)絡(luò)采用的得分t1＝s1，樣本經(jīng)過第二級卷積神經(jīng)網(wǎng)絡(luò)后的得分t2＝s2+s1*0.5，樣本經(jīng)過第三級卷積神經(jīng)網(wǎng)絡(luò)后得分t3＝s3+t2*0.5。

根據(jù)本發(fā)明的另一方面，還提供了一種基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測裝置，包括：組建模塊，用于組建級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)；訓(xùn)練模塊，用于對多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練模塊采用人臉正樣本、人臉負(fù)樣本、部分人臉和人臉關(guān)鍵點(diǎn)樣本作為訓(xùn)練樣本來訓(xùn)練多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉分類、人臉區(qū)域位置回歸以及人臉關(guān)鍵點(diǎn)定位任務(wù)的學(xué)習(xí)；檢測模塊，用于對待檢測圖像利用訓(xùn)練好的多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉檢測；訓(xùn)練模塊在訓(xùn)練階段，同時采用在線方式和離線方式結(jié)合來挖掘難的人臉負(fù)樣本作為訓(xùn)練樣本。

進(jìn)一步地，在線方式為：在每個批處理訓(xùn)練的梯度回傳階段，只計算損失大于設(shè)定閾值的部分人臉負(fù)樣本的梯度，忽略剩余的人臉負(fù)樣本；離線方式為：通過訓(xùn)練好的模型來獲取分類出錯的人臉負(fù)樣本，并從分類出錯的人臉負(fù)樣本中選取出得分在設(shè)定范圍內(nèi)的一批，以預(yù)定概率加入到當(dāng)前訓(xùn)練的人臉負(fù)樣本中繼續(xù)訓(xùn)練所述模型。

進(jìn)一步地，組建模塊組建的多級卷積神經(jīng)網(wǎng)絡(luò)中，每一級卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的多個卷積層、至少一個最大池化層以及一個全連接層，且后一級卷積神經(jīng)網(wǎng)絡(luò)中的全連接層輸出的特征與上一級卷積神經(jīng)網(wǎng)絡(luò)的全連接層輸出的特征結(jié)合，再通過不同的全連接子層對應(yīng)到不同的任務(wù)的學(xué)習(xí)。

本發(fā)明具有以下有益效果：本發(fā)明基于級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)，能夠?qū)W習(xí)到魯棒性更強(qiáng)的特征，同時采用在線方式和離線方式兩種挖掘難的人臉負(fù)樣本的方式，能提高網(wǎng)絡(luò)的分類能力，從而提高網(wǎng)絡(luò)的檢測能力和準(zhǔn)確率，并保證該方法在實(shí)際產(chǎn)品中的運(yùn)行速度。

除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。下面將參照附圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明。

附圖說明

構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1是本發(fā)明優(yōu)選實(shí)施例基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法的流程圖；

圖2是本發(fā)明優(yōu)選實(shí)施例的第一級卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖3是本發(fā)明優(yōu)選實(shí)施例的第二級卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖4是本發(fā)明優(yōu)選實(shí)施例的第三級卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；

圖5是本發(fā)明優(yōu)選實(shí)施例的基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

需要說明的是，在不沖突的情況下，本申請中的實(shí)施例及實(shí)施例中的特征可以相互組合。下面將參考附圖并結(jié)合實(shí)施例來詳細(xì)說明本發(fā)明。

參照圖1，本發(fā)明的基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法，具體流程包括：

步驟s100，組建級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)；

步驟s200，采用人臉正樣本、人臉負(fù)樣本、部分人臉和人臉關(guān)鍵點(diǎn)樣本作為訓(xùn)練樣本來訓(xùn)練所述多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉分類、人臉區(qū)域位置回歸以及人臉關(guān)鍵點(diǎn)定位的任務(wù)的學(xué)習(xí)；

步驟s300，利用訓(xùn)練好的多級卷積神經(jīng)網(wǎng)絡(luò)對待檢測圖像進(jìn)行人臉檢測。

本發(fā)明的優(yōu)選實(shí)施例，通過組建并訓(xùn)練級聯(lián)的三級差異化的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉檢測、人臉關(guān)鍵的定位。本發(fā)明首先保證該方法在實(shí)際產(chǎn)品中的運(yùn)行速度，在此基礎(chǔ)上，對輸入圖像構(gòu)造圖像金字塔，再應(yīng)用三個級聯(lián)的淺層卷積神經(jīng)網(wǎng)絡(luò)，大大提高算法的性能。第一級卷積神經(jīng)網(wǎng)絡(luò)在保證速度的同時保證了較高的人臉召回率，第二級卷積神經(jīng)網(wǎng)絡(luò)和第三個卷積神經(jīng)網(wǎng)絡(luò)進(jìn)一步得到準(zhǔn)確的人臉區(qū)域位置信息和人臉關(guān)鍵點(diǎn)的位置。每級卷積神經(jīng)網(wǎng)絡(luò)在分類判別輸入圖像是否為人臉的同時對人臉區(qū)域的位置進(jìn)行矯正，進(jìn)一步提高了人臉檢測的準(zhǔn)確率。

具體地，第一級卷積神經(jīng)網(wǎng)絡(luò)采用10*10*3大小的圖像作為輸入。在第一級卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段，通過分別采取8*8、9*9、10*10、11*11、12*12共五種輸入大小進(jìn)行實(shí)驗，實(shí)驗結(jié)果證明采用10*10*3大小的圖像作為輸入，能在損失很小精度的同時(對比12*12*3)大幅度提高第一級卷積神經(jīng)網(wǎng)絡(luò)的速度。第一級卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示，其包括依次連接的一個1*3*3的卷積層(c)、一個3*1*10的卷積層、一個2*2的最大池化maxpooling層(mp)和一個1*3*10的卷積層、一個3*1*16的卷積層和一個1*3*10的卷積層以及一個全連接層。經(jīng)過卷積和池化處理后，圖像由10*10*3變?yōu)?*1*32大小的特征(featuremap)，再通過兩個全連接子層對應(yīng)到不同的任務(wù)，包括人臉分類(faceclassification)和人臉區(qū)域位置回歸(boundingboxregression)。

為了進(jìn)一步優(yōu)化速度，本發(fā)明將核3*3*10的卷積層，拆分成一個核為1*3*3和一個核為3*1*10的卷積層，在性能幾乎不下降的同時進(jìn)一步優(yōu)化速度，本發(fā)明在后面的兩級卷積神經(jīng)網(wǎng)絡(luò)中也應(yīng)用了該技術(shù)來優(yōu)化網(wǎng)絡(luò)。在檢測階段，本發(fā)明將訓(xùn)練好的第一級卷積神經(jīng)網(wǎng)絡(luò)中的全連接層按照核為1*1的卷積層的形式排列，這樣可不限制輸入圖像的大小。輸入整張圖像得到經(jīng)過第一個網(wǎng)絡(luò)處理后的特征圖，根據(jù)該特征圖判斷哪些位置為人臉區(qū)域。

第二級卷積神經(jīng)網(wǎng)絡(luò)輸入為24*24*3，如圖3所示，其結(jié)構(gòu)包括依次連接的一個1*3*3的卷積層、一個3*1*28的卷積層、一個3*3的最大池化層、一個1*3*28的卷積層、一個3*1*48的卷積層、一個3*3的最大池化層，再連接一個核為2*2的卷積層和一個全連接層，輸出的長度為128。將這個長度為128的特征和第一級卷積神經(jīng)網(wǎng)絡(luò)輸出的1*1*32的特征拼接起來形成長度為160的特征，在此基礎(chǔ)上通過兩個全連接子層對應(yīng)到不同的任務(wù)的學(xué)習(xí)，包括人臉分類和人臉區(qū)域位置回歸。實(shí)驗證明加入第一級卷積神經(jīng)網(wǎng)絡(luò)的特征后，能提高第二級卷積神經(jīng)網(wǎng)絡(luò)的分類能力。

如圖4所示，第三級卷積神經(jīng)網(wǎng)絡(luò)的輸入為48*48*3，輸入層之后依次連接一個1*3*3的卷積層、一個3*1*32的卷積層、一個3*3的最大池化層、一個1*3*32的卷積層、一個3*1*64的卷積層、一個3*3的最大池化層、一個核為3*3的卷積層和一個2*2的最大池化層、一個核為2*2的卷積層、緊跟一個全連接層，輸出長度為256。和第二級卷積神經(jīng)網(wǎng)絡(luò)類似，本發(fā)明也將前兩級卷積神經(jīng)網(wǎng)絡(luò)得到的長度為160的特征和本級長度為256的特征拼接在一起，拼接后特征長度為416，再通過三個不同的全連接子層對應(yīng)到不同任務(wù)的學(xué)習(xí)，包括人臉分類、人臉區(qū)域位置回歸和人臉關(guān)鍵點(diǎn)定位(landmarklocalization)。

本發(fā)明采用widerface和celeba作為訓(xùn)練數(shù)據(jù)。在訓(xùn)練階段，根據(jù)所選取圖像區(qū)域和實(shí)際人臉標(biāo)記區(qū)域的重疊大小，將訓(xùn)練樣本分為人臉正樣本(positives，重疊區(qū)域大于0.7)、人臉負(fù)樣本(negatives，重疊區(qū)域小于0.3)、部分人臉(partfaces，重疊區(qū)域大于0.5且小于0.7)、人臉關(guān)鍵點(diǎn)樣本(landmarks，有關(guān)鍵點(diǎn)標(biāo)注的人臉正樣本)。其中positives和negatives用于人臉分類任務(wù)；positives和partfaces用于人臉區(qū)域位置回歸任務(wù)；landmarks用于人臉關(guān)鍵點(diǎn)定位任務(wù)。在訓(xùn)練第一級卷積神經(jīng)網(wǎng)絡(luò)的階段，控制positives、negatives、partfaces的比例為1:3:1，在訓(xùn)練第二級卷積神經(jīng)網(wǎng)絡(luò)的階段控制該比例為1:2:1，在最后在訓(xùn)練第三級卷積神經(jīng)網(wǎng)絡(luò)的階段將landmarks加入訓(xùn)練，并控制positives：negatives：partfaces：landmarks的比例為1:1:1:1。在第二級卷積神經(jīng)網(wǎng)絡(luò)和第三級卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中提高人臉正樣本和人臉負(fù)樣本的比率，能有效提高這兩級網(wǎng)絡(luò)的分類能力。

在訓(xùn)練第一級卷積神經(jīng)網(wǎng)絡(luò)的時候，從有標(biāo)簽的大圖數(shù)據(jù)中，隨機(jī)截取10x10大小的圖像塊作為第一級卷積神經(jīng)網(wǎng)絡(luò)的輸入。在訓(xùn)練第二級卷積神經(jīng)網(wǎng)絡(luò)和第三級卷積神經(jīng)網(wǎng)絡(luò)的時候，分別將之前訓(xùn)練好的網(wǎng)絡(luò)在有標(biāo)簽的數(shù)據(jù)上做人臉檢測得到對應(yīng)下一級網(wǎng)絡(luò)的輸入數(shù)據(jù)。

針對人臉分類、人臉區(qū)域位置回歸、人臉關(guān)鍵點(diǎn)定位這三個不同的任務(wù)，本發(fā)明采用了不同的損失函數(shù)。人臉分類采用的是交叉熵?fù)p失函數(shù)，其公式如下：

其中pi表示在該樣本是正樣本(人臉)的概率，的取值為0或1，分別對應(yīng)該樣本的實(shí)際標(biāo)簽為人臉還是非人臉。

人臉區(qū)域位置回歸和人臉關(guān)鍵點(diǎn)定位都采用的歐式損失函數(shù)，其公式如下：

為了進(jìn)一步提高人臉分類的性能，本發(fā)明采用了中央部分損失函數(shù)(centerloss)進(jìn)一步拉開人臉樣本和非人臉樣本在高維空間的距離，實(shí)驗中也證明，在每一級卷積神經(jīng)網(wǎng)絡(luò)的人臉分類任務(wù)中加入centerloss后，分類能力有進(jìn)一步的提高。centerloss的公式如下：

為提高對人臉的召回率，本發(fā)明在訓(xùn)練中將以上幾個損失通過不同的權(quán)重加權(quán)輸出：

其中αi代表不同loss對應(yīng)的權(quán)重，βi對應(yīng)樣本類型。

在人臉檢測的訓(xùn)練過程中，挖掘難的人臉負(fù)樣本(hardnegativemining)作為訓(xùn)練樣本一直是一種行之有效的提高檢測能力的方法。本發(fā)明同時采用兩種人臉負(fù)樣本挖掘的方式，一種為在線方式(online)，另一種為離線方式(offline)。online的方式實(shí)現(xiàn)如下，在每個批處理(batch)訓(xùn)練的梯度回傳階段，只計算損失大于設(shè)定閾值的部分人臉負(fù)樣本的梯度，忽略剩余的人臉負(fù)樣本。優(yōu)選地，本發(fā)明只計算損失比較大的前70％的人臉負(fù)樣本的梯度，忽略剩余30％的容易的人臉負(fù)樣本。在offline階段，本發(fā)明采用的是一種次難樣本的策略，即通過訓(xùn)練好的模型來獲取分類出錯的人臉負(fù)樣本，從分類出錯的人臉負(fù)樣本中選取出得分比較低的那一批以預(yù)定概率加入到訓(xùn)練樣本中。以0為閾值，本發(fā)明從分類出錯的人臉負(fù)樣本中優(yōu)選地選取得分在0～0.5的那一批，以40％的概率加入到當(dāng)前訓(xùn)練的人臉負(fù)樣本中繼續(xù)訓(xùn)練該模型。此方法在訓(xùn)練第一級卷積神經(jīng)網(wǎng)絡(luò)階段能大幅度提高網(wǎng)絡(luò)的分類能力，使第一級卷積神經(jīng)網(wǎng)絡(luò)過濾掉絕大多數(shù)人臉負(fù)樣本，有效減少第二級卷積神經(jīng)網(wǎng)絡(luò)和第三級卷積神經(jīng)網(wǎng)絡(luò)處理的樣本個數(shù)，提高了檢測能力和運(yùn)行速度。實(shí)驗證明，以上兩種方法均可提高網(wǎng)絡(luò)的分類能力。以上概率/數(shù)值僅是優(yōu)選的方式，本發(fā)明并不局限于此。

訓(xùn)練完成后，利用訓(xùn)練好的多級卷積神經(jīng)網(wǎng)絡(luò)對待檢測圖像進(jìn)行人臉檢測，檢測階段的整個流程如下：

對于每一張需要檢測的圖像，首先構(gòu)建圖像金字塔(resize)，將金字塔圖像的每一級作為第一級卷積神經(jīng)網(wǎng)絡(luò)的輸入。對于第一級卷積神經(jīng)網(wǎng)絡(luò)，將全連接層轉(zhuǎn)換成全卷積網(wǎng)絡(luò)，可對應(yīng)任何尺度大小的輸入，直接輸出得到人臉區(qū)域位置的置信度圖，并由此計算出對應(yīng)人臉區(qū)域位置。

然后對第一級卷積神經(jīng)網(wǎng)絡(luò)輸出的人臉區(qū)域進(jìn)行聚類合并。本發(fā)明采用一種改進(jìn)的非極大值抑制topknms方法進(jìn)行聚類合并，對認(rèn)定的同一人臉區(qū)域，每次保留前k個得分高的，合并到得分較低的也就是第k個之后的人臉區(qū)域，進(jìn)一步保證了人臉召回率。將聚類合并后的人臉區(qū)域進(jìn)行位置矯正，然后縮放到第二級卷積神經(jīng)網(wǎng)絡(luò)的輸入大小。

縮放后的圖像經(jīng)過第二級卷積神經(jīng)網(wǎng)絡(luò)處理后，將通過閾值的人臉區(qū)域進(jìn)行位置調(diào)整，然后經(jīng)過topknms處理。第三級卷積神經(jīng)網(wǎng)絡(luò)除了輸入改成48*48*3大小之外，其他過程同第二級卷積神經(jīng)網(wǎng)絡(luò)，與此同時得到人臉關(guān)鍵點(diǎn)的信息。

在使用非極大值抑制方法對樣本得分進(jìn)行排序時，本發(fā)明不僅考慮當(dāng)前網(wǎng)絡(luò)的得分，還累計計算前一級網(wǎng)絡(luò)的得分。具體的得分計算機(jī)制為：第一級卷積神經(jīng)網(wǎng)絡(luò)分類得分是s1，第二級卷積神經(jīng)網(wǎng)絡(luò)分類得分s2，第三級卷積神經(jīng)網(wǎng)絡(luò)分類得分s3，在排序時樣本經(jīng)過第一級卷積神經(jīng)網(wǎng)絡(luò)采用的得分t1＝s1，樣本經(jīng)過第二級卷積神經(jīng)網(wǎng)絡(luò)后的得分t2＝s2+s1*0.5，樣本經(jīng)過第三級卷積神經(jīng)網(wǎng)絡(luò)后得分t3＝s3+t2*0.5。充分考慮到三級卷積神經(jīng)網(wǎng)絡(luò)的加權(quán)得分，實(shí)驗證明該方法能提高人臉檢測的準(zhǔn)確率。

根據(jù)本發(fā)明的另一方面，還提供了一種基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測裝置，本實(shí)施例的裝置可參考上述方法實(shí)施例，具體地，參照圖5，其包括：

組建模塊400，用于組建級聯(lián)的多級卷積神經(jīng)網(wǎng)絡(luò)；

訓(xùn)練模塊500，用于對多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練模塊500采用人臉正樣本、人臉負(fù)樣本、部分人臉和人臉關(guān)鍵點(diǎn)樣本作為訓(xùn)練樣本來訓(xùn)練多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉分類、人臉區(qū)域位置回歸以及人臉關(guān)鍵點(diǎn)定位任務(wù)的學(xué)習(xí)；且訓(xùn)練模塊500在訓(xùn)練階段，同時采用在線方式和離線方式結(jié)合來挖掘難的人臉負(fù)樣本作為訓(xùn)練樣本；

檢測模塊600，用于對待檢測圖像利用訓(xùn)練好的多級卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉檢測。

在線方式實(shí)現(xiàn)如下：在每個批處理訓(xùn)練的梯度回傳階段，只計算損失比較大的前70％的人臉負(fù)樣本的梯度，忽略剩余30％的容易的人臉負(fù)樣本。離線方式具體為：通過訓(xùn)練好的模型來獲取分類出錯的人臉負(fù)樣本，并從分類出錯的人臉負(fù)樣本中選取出得分0～0.5的那一批，以40％的概率加入到當(dāng)前訓(xùn)練的人臉負(fù)樣本中繼續(xù)訓(xùn)練該模型。

組建模塊400組建的多級卷積神經(jīng)網(wǎng)絡(luò)中，每一級卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的多個卷積層、至少一個最大池化層以及一個全連接層，且后一級卷積神經(jīng)網(wǎng)絡(luò)中的全連接層輸出的特征與上一級卷積神經(jīng)網(wǎng)絡(luò)的全連接層輸出的特征結(jié)合，再通過不同的全連接子層對應(yīng)到不同的任務(wù)的學(xué)習(xí)。

本發(fā)明的基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法及裝置，具有以下優(yōu)點(diǎn)：

(1)調(diào)整第一級卷積神經(jīng)網(wǎng)絡(luò)的輸入大小和網(wǎng)絡(luò)結(jié)構(gòu)，大幅提高了運(yùn)行速度。

(2)同時采用在線和離線兩種挖掘難的人臉負(fù)樣本的方式，增加第一級卷積神經(jīng)網(wǎng)絡(luò)對人臉負(fù)樣本的排除能力，有效減少了第二級卷積神經(jīng)網(wǎng)絡(luò)和第三級卷積神經(jīng)網(wǎng)絡(luò)處理的樣本個數(shù)，提高了檢測能力和運(yùn)行速度。

(3)在訓(xùn)練過程中的人臉分類任務(wù)加入了centerloss的約束，拉大人臉和非人臉的類間距，有利于提高分類能力。

(4)將不同尺度特征結(jié)合，提高了特征的表達(dá)能力。具體地，第二級卷積神經(jīng)網(wǎng)絡(luò)加入了第一級卷積神經(jīng)網(wǎng)絡(luò)的特征表達(dá)，第三級卷積神經(jīng)網(wǎng)絡(luò)加入了第一級卷積神經(jīng)網(wǎng)絡(luò)和第二級卷積神經(jīng)網(wǎng)絡(luò)的特征表達(dá)，增強(qiáng)了不同尺度的魯棒性，提高第二級卷積神經(jīng)網(wǎng)絡(luò)和第三級卷積神經(jīng)網(wǎng)絡(luò)的分類的能力。

(5)通過每級卷積神經(jīng)網(wǎng)絡(luò)處理后，本發(fā)明將人臉區(qū)域位置采用非極大值抑制topknms方法進(jìn)行聚類合并，并調(diào)整人臉區(qū)域位置，進(jìn)一步提高了人臉檢測的準(zhǔn)確率。在非極大值抑制的時候，采用topknms和各級卷積神經(jīng)網(wǎng)絡(luò)得分加權(quán)的策略，提高了人臉的召回率。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。