一种基于对抗神经网络的微小人脸检测方法和装置与流程

本发明涉及一种人脸检测方法和装置，具体涉及一种基于对抗神经网络的微小人脸检测方法和装置。

背景技术：

人脸检测可以视为对象类检测的特定情况。在对象类检测中，任务是查找属于给定类的图像中所有对象的位置和大小。例子包括上躯干，行人和汽车。人脸检测算法专注于检测正面人脸。它类似于图像检测，其中人的图像逐位匹配。图像与数据库中的图像存储匹配。数据库中的任何面部特征更改都将使匹配过程无效。

人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。

面部检测是计算机视觉中的一个基本且重要的问题，因为它通常是许多后续面部相关应用的关键步骤，包括面部解析，面部验证，面部标记和检索等。在过去的几十年中，人脸检测已被广泛研究，并且已经针对大多数受约束的场景提出了许多准确且有效的方法。最近的研究专注于不受约束环境中的面部，由于比例，模糊，姿势，表情和照明的显着变化，这更具挑战性。

现代面部检测器在大中型面上取得了令人瞩目的成果，但小面部的性能远远不能令人满意。小脸(例如10×10像素)检测的主要困难是小脸缺乏足够的详细信息以将它们与类似背景区分开，例如，部分面部或手部的区域。另一个问题是现代的基于卷积神经网络(convolutionalneuralnetwork，cnn)的面部检测器使用具有步幅8,16或32的下采样卷积特征图来表示面部，这些面部丢失大部分空间信息并且太粗糙而不能描述小面部。

现有的人脸检测技术使用双线性操作直接对图像进行上采样，并在上采样图像上彻底搜索面部，同时用中间转换特征映射来表示特定尺度的面，这保持了计算负担和性能之间的平衡。但是存在如下缺点：

1.使用双线性操作直接对图像进行上采样，在上采样图像上彻底搜索面部，会增加计算成本，推理时间也会显著增加。图像通常以小的放大因子(最多2倍)放大，否则将产生伪像。

2.中间转换特征的颜色一般较浅，并且特征粒度较细，和其他特征相比缺乏辨别力，会导致许多假阳性结果。同时在模糊和光照环境下，人脸检测的结果效果不佳。

技术实现要素：

本发明的目的在于提供一种基于对抗神经网络的微小人脸检测方法和装置，用以解决现有人脸检测技术计算成本高、推理时间长、容易出现假阳性结果的问题。

为实现上述目的，本发明采用如下技术方案：

一种基于对抗神经网络的微小人脸检测方法，包括：

输入待检测的图像；

均匀化处理所述图像，使所述图像更加清晰；

检测小脸位置，实现图像中微小人脸的检测。

优选的，上述方法还包括：

分割人脸区域和非人脸区域；

所述人脸区域和非人脸区域输入生成式对抗网络(generativeadversarialnetworks，gan)；

所述对抗网络输出超分辨率的复原图像，实现图像中微小人脸的超分辨率复原。

优选的，上述方法还包括：

分割人脸区域和非人脸区域；

所述人脸区域和非人脸区域输入生成式对抗网络；

所述对抗网络比较实际图像和网络生成图像，比较所述人脸区域和非人脸区域，实现图像中人脸区域和非人脸区域的分割与比较。

一种基于对抗神经网络的微小人脸检测装置，所述装置包括输入模块、处理模块和检测模块；

所述输入模块，用于输入待检测的图像；

所述处理模块，用于均匀化处理所述图像，使所述图像更加清晰；

所述检测模块，用于检测小脸位置，实现图像中微小人脸的检测。

优选的，上述装置还包括分割模块和对抗网络；

所述分割模块，用于分割人脸区域和非人脸区域；

所述对抗网络，通过对抗过程学习生成模型，同时训练生成网络和判别网络，所述训练过程交替地优化所述生成网络和判别网络；训练所述生成网络产生样本以欺骗所述判别网络，训练所述判别网络以将真实图像和伪图像与发生器区分开。

优选的，上述生成网络包括上采样子网络(super-resolutionandrefinementnetwork，srn)和精细子网络(refinementnetwork，rn)，用于输出超分辨率的复原图像，实现图像中微小人脸的超分辨率复原。

优选的，上述判别网络分别连接两个全连接输出层，用于输出是否是脸部区域的判别以及实际图像和对抗网络生成图像的比较。

优选的，上述上采样子网络采用深度cnn架构，所述上采样子网络中有两个去卷积层，每个所述去卷积层由学习的内核组成，所述内核对低分辨率图像进行上采样到2×超分辨率图像。

优选的，上述精细子网络采用深度cnn架构，在所述精细子网络中，除去最后一层的卷积层之后均使用批量标准化和整流线性单元激活。

优选的，上述检测模块为多分支人脸检测算法(multi-branchfullyconvolutionalnetwork，mb-fcn)小脸检测模块。

本发明具有如下优点：

技术层面：

1.引入生成式对抗网络，同时训练生成网络和判别网络，提高图像判别与复原的准确率。

2.在生成网络中使用超分辨率子网络和精细子网络，使得可以从小模糊图像中得到超分辨率复原图。

3.设计改进精细子网络对于生成的模糊，缺乏细节的高分辨率图像进行细节恢复。

应用层面：

1.实现了复杂图片中微小人脸的检测

2.实现了复杂图片中微小人脸的超分辨率复原

3.实现图片中脸部区域与非脸部区域的分割和比较

作为人脸识别过程中的重要一环，微小人脸的检测和复原可以提高人脸识别的准确率，同时为构建图像分类和语义网络提供了基础。

附图说明

图1为本发明一种基于对抗神经网络的微小人脸检测第一方法流程图；

图2为本发明一种基于对抗神经网络的微小人脸检测第二方法流程图；

图3为本发明一种基于对抗神经网络的微小人脸检测第三方法流程图；

图4为本发明一种基于对抗神经网络的微小人脸检测装置示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1

参见图1，一种基于对抗神经网络的微小人脸检测方法和装置，包括：

s101，输入待检测的图像；

s102，均匀化处理所述图像，使所述图像更加清晰；

s103，检测小脸位置，实现图像中微小人脸的检测。

参见图2，优选的，上述方法还包括：

s104，分割人脸区域和非人脸区域；

s105，所述人脸区域和非人脸区域输入生成式对抗网络45；

s106，所述对抗网络45输出超分辨率的复原图像，实现图像中微小人脸的超分辨率复原。

参见图3，优选的，上述方法还包括：

s104，分割人脸区域和非人脸区域；

s105，所述人脸区域和非人脸区域输入生成式对抗网络45；

s107，所述对抗网络45比较实际图像和网络生成图像，比较所述人脸区域和非人脸区域，实现图像中人脸区域和非人脸区域的分割与比较。

参见图4，一种基于对抗神经网络的微小人脸检测装置，所述装置包括输入模块41、处理模块42和检测模块43；

所述输入模块41，用于输入待检测的图像；

所述处理模块42，用于均匀化处理所述图像，使所述图像更加清晰；

所述检测模块43，用于检测小脸位置，实现图像中微小人脸的检测。

优选的，上述装置还包括分割模块44和对抗网络45；

所述分割模块44，用于分割人脸区域和非人脸区域；

所述对抗网络45，通过对抗过程学习生成模型，同时训练生成网络和判别网络，所述训练过程交替地优化所述生成网络和判别网络；训练所述生成网络产生样本以欺骗所述判别网络，训练所述判别网络以将真实图像和伪图像与发生器区分开。

优选的，上述生成网络45包括上采样子网络和精细子网络，用于输出超分辨率的复原图像，实现图像中微小人脸的超分辨率复原。

优选的，上述判别网络分别连接两个全连接输出层，用于输出是否是脸部区域的判别以及实际图像和对抗网络生成图像的比较。

优选的，上述上采样子网络采用深度cnn架构，所述上采样子网络中有两个去卷积层，每个所述去卷积层由学习的内核组成，所述内核对低分辨率图像进行上采样到2×超分辨率图像。

优选的，上述精细子网络采用深度cnn架构，在所述精细子网络中，除去最后一层的卷积层之后均使用批量标准化和整流线性单元激活。

优选的，上述检测模块43为mb-fcn小脸检测模块。

本发明为了解决人脸检测中的问题，提出了一种统一的端到端卷积神经网络，用于基于经典的生成对抗网络框架进行更好的人脸检测。该检测网络中有两个子网络，分别为生成网络和判别网络。在生成子网络中，使用srn对小面进行上采样，以便找到那些微小的面。与通过双线性操作重新调整大小相比，srn可以通过大的放大因子(在当前实现中为4倍)来减少伪像并改善上采样图像的质量。

然而，即使使用如此复杂的srn，由于分辨率非常低(10×10像素)的面部，上采样图像也不令人满意(通常模糊且缺少精细细节)。因此，提出了一种rn来恢复上采样图像中的一些缺失细节并生成清晰的高分辨率图像用于分类。通过判别神经网络，区分它们是真实图像还是生成的高分辨率图像，同时可以区分出是否属于人的脸部部分。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。