一種基于MTCNN的多方位人臉檢測方法及系統(tǒng)技術方案

本發(fā)明專利技術公開了一種基于MTCNN的多方位人臉檢測方法及系統(tǒng)，該方法包括：獲取待測圖像，對待測圖像中的雙眼和鼻尖進行檢測，并將包含雙眼及鼻尖的特征框同比例放大一倍，獲取特征框所選定的人臉；根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，并根據(jù)旋轉角度將人臉轉正；采用MTCNN方法對所述人臉轉正后的待測圖像進行檢測，獲取不同角度的人臉。該方法通過檢測到的人臉中雙眼和鼻尖位置特征點的信息，計算出人臉在二維平面偏轉的角度，并將人臉進行轉正，在人臉偏轉角度較大的情況下，仍然能檢測到人臉，提高了人臉檢測的準確度。

【技術實現(xiàn)步驟摘要】
一種基于MTCNN的多方位人臉檢測方法及系統(tǒng)
本專利技術屬于圖像處理
，更具體地，涉及一種基于MTCNN的多方位人臉檢測方法及系統(tǒng)。
技術介紹
人臉檢測是檢測出圖像中人臉所在位置的一項技術，目前比較常見的方法都是基于神經網絡技術(MTCNN)來進行人臉檢測。MTCNN主要分為三個步驟：首先，對圖像進行多尺度變換，獲取圖像金字塔，獲取圖像多尺度信息；其次，將獲取的候選區(qū)域進行細化處理，排除掉不符合要求的候選區(qū)域；最后，輸出人臉臉部特征，主要是臉部五點特征位置。人臉檢測技術在檢測圖像中人臉正面肖像的運用中比較成熟，但是在圖片中人臉偏轉角度很大的情況下，會發(fā)生檢測不到的情況，檢測準確度下降。公開號CN107977628A的專利技術公開了一種神經網絡訓練方法、人臉檢測方法及人臉檢測裝置，涉及圖像處理
，以緩解現(xiàn)有技術中存在的上下文信息的定義誤差較大，影響人臉檢測精度的問題，能夠結合人臉檢測自身特征進行自適應的定義上下文信息，減少了人為先驗對上下文定義的偏差，提高了對人臉檢測精度。該神經網絡訓練方法，包括：對人臉圖像的特征圖進行感興趣區(qū)域處理，獲得人臉初步區(qū)域；利用神經網絡對人臉初步區(qū)域進行上下文信息估計，獲得人臉上下文區(qū)域；通過池化算子對人臉上下文區(qū)域的坐標求導，更新人臉上下文區(qū)域；根據(jù)更新后的人臉上下文區(qū)域，對神經網絡進行反傳損失，更新神經網絡的參數(shù)。該方法在圖片中人臉偏轉角度很大的情況下，會發(fā)生檢測不到的情況，人臉檢測的精確度較低。與現(xiàn)有技術相比，本專利技術在MTCNN的基礎上，檢測人臉的雙眼及鼻尖，根據(jù)人臉中雙眼及鼻尖的位置特征點計算出人臉在二維平面的旋轉角度，通過計算出的旋轉角度將人臉轉正，檢測多角度人臉，提高了人臉檢測的準確度。
技術實現(xiàn)思路
針對現(xiàn)有技術的以上缺陷及改進需求，本專利技術提供一種基于MTCNN的多方位人臉檢測方法及系統(tǒng)，其目的在于提供一種準確度更高的人臉檢測方法及系統(tǒng)，由此解決現(xiàn)有技術存在的在人臉偏轉角度較大的情況下檢測準確度較低的技術問題。為實現(xiàn)上述目的，本專利技術提供一種基于MTCNN的多方位人臉檢測方法，包括步驟：S1.獲取待測圖像，對待測圖像中的雙眼和鼻尖進行檢測，并將包含雙眼及鼻尖的特征框同比例放大一倍，獲取特征框所選定的人臉；S2.根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，并根據(jù)旋轉角度將人臉轉正；S3.采用MTCNN方法對所述人臉轉正后的待測圖像進行檢測，獲取不同角度的人臉。進一步的，在步驟S3之后，還包括步驟：采用MTCNN方法對所述獲取的待測圖像進行檢測，獲取待測圖像中的人臉。進一步的，還包括步驟：對所述得到的特征框所選定的人臉、不同角度的人臉及待測圖像中的人臉取并集，以便獲取待測圖像中的所有人臉。進一步的，在步驟S1之前，還包括步驟：建立采用MTCNN方法只對待測圖像中的雙眼及鼻尖進行檢測的模型。進一步的，還包括步驟：將獲取的待測圖像中的所有人臉進行反饋。相應的，還提供一種基于MTCNN的多方位人臉檢測系統(tǒng)，包括：第一獲取模塊，用于獲取待測圖像；檢測模塊，用于對待測圖像中的雙眼和鼻尖、人臉轉正后的待測圖像進行檢測；放大模塊，用于將包含雙眼及鼻尖的特征框同比例放大一倍；第二獲取模塊，用于獲取特征框所選定的人臉以及人臉轉正后不同角度的人臉；計算模塊，用于根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度；矯正模塊，用于根據(jù)旋轉角度將人臉轉正。進一步的，還包括：檢測模塊，用于對所述獲取的待測圖像進行檢測；第二獲取模塊，用于獲取待測圖像中的人臉。進一步的，還包括：合并模塊，用于對所述得到的特征框所選定的人臉、不同角度的人臉及待測圖像中的人臉取并集。進一步的，還包括：建模模塊，用于建立采用MTCNN方法只對待測圖像中的雙眼及鼻尖進行檢測的模型。進一步的，還包括：反饋模塊，用于將獲取的待測圖像中的所有人臉進行反饋。本專利技術與現(xiàn)有技術相比，有如下優(yōu)點：在傳統(tǒng)MTCNN方法檢測人臉的基礎上，通過檢測人臉的雙眼及鼻尖，根據(jù)人臉中雙眼及鼻尖的位置特征點計算出人臉在二維平面的旋轉角度，通過計算出的旋轉角度將人臉轉正，再采用MTCNN方法對人臉轉正后的圖像進行檢測，從而檢測到多角度人臉，對傳統(tǒng)MTCNN方法檢測到的人臉進行補缺，在人臉偏轉角度較大的情況下，也能檢測到人臉，提高了人臉檢測的準確度。附圖說明圖1是實施例一提供的一種基于MTCNN的多方位人臉檢測方法流程圖；圖2是實施例一提供的一種基于MTCNN的多方位人臉檢測系統(tǒng)結構圖；圖3是實施例二提供的一種基于MTCNN的多方位人臉檢測方法流程圖；圖4是實施例二提供的一種基于MTCNN的多方位人臉檢測系統(tǒng)結構圖。具體實施方式以下是本專利技術的具體實施例并結合附圖，對本專利技術的技術方案作進一步的描述，但本專利技術并不限于這些實施例。實施例一本實施例提供一種基于MTCNN的多方位人臉檢測方法，如圖1所示，包括步驟：S11.獲取待測圖像，對待測圖像中的雙眼和鼻尖進行檢測，并將包含雙眼及鼻尖的特征框同比例放大一倍，獲取特征框所選定的人臉；S12.根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，并根據(jù)旋轉角度將人臉轉正；S13.采用MTCNN方法對所述人臉轉正后的待測圖像進行檢測，獲取不同角度的人臉。在獲取了待測圖像后，對待測圖像中的雙眼及鼻尖進行檢測，檢測到的雙眼及鼻尖會通過特征框框選出來，然后對檢測到的雙眼及鼻尖的特征框使用同一比例放大一倍，這樣特征框就能完全框選住包含雙眼及鼻尖的人臉，則可以獲取到特征框所選定的人臉。當特征款框選住完整的人臉后，系統(tǒng)會自動將人臉中雙眼及鼻尖的位置特征點顯示出來，再根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，計算出旋轉角度后，則可根據(jù)人臉的旋轉角度將人臉轉正，最后采用傳統(tǒng)的MTCNN方法對人臉轉正后的待測圖像進行檢測，則可以獲取到不同角度的人臉，即使有偏轉角度較大的人臉，經過轉正處理后，也能被檢測到，人臉檢測的準確度有了顯著提高。進一步的，在步驟S13之后，還包括步驟：采用MTCNN方法對所述獲取的待測圖像進行檢測，獲取待測圖像中的人臉。這一步是為了確保人臉檢測的準確度至少與傳統(tǒng)MTCNN方法的人臉檢測準確度持平，對獲取的待測圖像采用傳統(tǒng)的MTCNN方法進行檢測，獲取待測圖像中的人臉。進一步的，還包括步驟：對所述得到的特征框所選定的人臉、不同角度的人臉及待測圖像中的人臉取并集，以便獲取待測圖像中的所有人臉。將前面步驟獲取的特征框所選定的人臉、不同角度的人臉及待測圖像中的人臉取并集，獲取待測圖像中的所有人臉，這是在傳統(tǒng)MTCNN方法檢測人臉的基礎上，增加對人臉偏轉角度較大情況下將人臉轉正這一步驟，對人臉偏轉角度較大而無法檢測到人臉的情況進行補充，提高了人臉檢測的準確度。進一步的，在步驟S11之前，還包括步驟：建立采用MTCNN方法只對待測圖像中的雙眼及鼻尖進行檢測的模型。傳統(tǒng)的MTCNN方法通常是對人臉的雙眼、鼻子及嘴巴進行檢測，最終的出雙眼、鼻尖及嘴巴兩角一共五個特征點，但出于便利度與精確度的考慮，在人臉偏轉較大的情況下，通過對雙眼及鼻尖的檢測獲取雙眼及鼻尖的特征點位置來計算人臉偏轉的角度更本文檔來自技高網...

【技術保護點】
1.一種基于MTCNN的多方位人臉檢測方法，其特征在于，包括步驟：S1.獲取待測圖像，對待測圖像中的雙眼和鼻尖進行檢測，并將包含雙眼及鼻尖的特征框同比例放大一倍，獲取特征框所選定的人臉；S2.根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，并根據(jù)旋轉角度將人臉轉正；S3.采用MTCNN方法對所述人臉轉正后的待測圖像進行檢測，獲取不同角度的人臉。

【技術特征摘要】
1.一種基于MTCNN的多方位人臉檢測方法，其特征在于，包括步驟：S1.獲取待測圖像，對待測圖像中的雙眼和鼻尖進行檢測，并將包含雙眼及鼻尖的特征框同比例放大一倍，獲取特征框所選定的人臉；S2.根據(jù)所述獲取的待測圖像中雙眼及鼻尖的位置特征點計算出人臉在二維平面中的旋轉角度，并根據(jù)旋轉角度將人臉轉正；S3.采用MTCNN方法對所述人臉轉正后的待測圖像進行檢測，獲取不同角度的人臉。2.如權利要求1所述的一種基于MTCNN的多方位人臉檢測方法，其特征在于，在步驟S3之后，還包括步驟：采用MTCNN方法對所述獲取的待測圖像進行檢測，獲取待測圖像中的人臉。3.如權利要求2所述的一種基于MTCNN的多方位人臉檢測方法，其特征在于，還包括步驟：對所述得到的特征框所選定的人臉、不同角度的人臉及待測圖像中的人臉取并集，以便獲取待測圖像中的所有人臉。4.如權利要求1所述的一種基于MTCNN的多方位人臉檢測方法，其特征在于，在步驟S1之前，還包括步驟：建立采用MTCNN方法只對待測圖像中的雙眼及鼻尖進行檢測的模型。5.如權利要求3所述的一種基于MTCNN的多方位人臉檢測方法，其特征在于，還包括步驟：將獲取的待測圖像中的所有人臉進行反饋。6.一種基...

【專利技術屬性】
技術研發(fā)人員：楊一明，
申請(專利權)人：上海斐訊數(shù)據(jù)通信技術有限公司，
類型：發(fā)明
國別省市：上海,31