1.一种基于多任务渐进配准网络的旋转不变人脸检测方法,其特征在于,包括以下步骤:
s1、图像预处理,构建并训练级联的多层卷积神经网络;
s2、输入测试图像,使用图像金字塔的方式产生不同分辨率的图像集合,然后送入所述级联的多层卷积神经网络开始检测;
s3、每一层卷积神经网络过滤掉部分非人脸窗口,根据边框回归结果调整候选框位置,同时预测出人脸的旋转角度;
s4、根据预测出的旋转角度通过翻转图像操作进行配准,并将配准图像判断为人脸图像。
2.根据权利要求1所述一种基于多任务渐进配准网络的旋转不变人脸检测方法,其特征在于:所述图像预处理包括:
a1、将人脸图像随机旋转至任意角度,产生大量包含平面内旋转角度变化的人脸图像,其人脸位置信息也进行相应旋转变化;
a2、将人脸关键点图像随机旋转至任意角度,产生大量包含平面内旋转角度变化的人脸关键点图像,其人脸关键点位置信息也进行相应旋转变化。
3.根据权利要求1或2所述一种基于多任务渐进配准网络的旋转不变人脸检测方法,其特征在于:所述级联的多层卷积神经网络采用三层级联架构,第一层包括4个卷积层和1个最大池化层,第二层包括3个卷积层、2个最大池化层和2个全连接层,第三层包括4个卷积层、3个最大池化层和2个全连接层。
4.根据权利要求3所述一种基于多任务渐进配准网络的旋转不变人脸检测方法,其特征在于:所述三层级联的多层卷积神经网络中,
训练第一层网络角度识别中使用样本的标注值
令所述标注值f1为0和1的样本参与训练第一层网络角度识别;
训练第二层网络角度识别中使用样本的标注值
令所述标注值f2为0、1和2的样本参与训练第二层网络角度识别任务。
5.根据权利要求1或2或4所述一种基于多任务渐进配准网络的旋转不变人脸检测方法,其特征在于:所述边框回归结果通过人脸关键点回归损失体现;
人脸关键点回归损失为