用于检测人脸遮挡的方法及装置制造方法及图纸

本申请实施例公开了用于检测人脸遮挡的方法及装置。该方法的一具体实施方式包括：获取待处理人脸遮挡图像，上述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；将上述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应上述待处理人脸遮挡图像的遮挡信息，上述人脸遮挡模型用于通过待处理人脸遮挡图像包含的特征点获取人脸的遮挡信息；输出上述遮挡信息。该实施方式将获取到的包含特征点的待处理人脸遮挡图像导入人脸遮挡模型，能够快速准确地得到待处理人脸遮挡图像的遮挡信息，提高了获取遮挡信息的效率和准确性。

【技术实现步骤摘要】
用于检测人脸遮挡的方法及装置
本申请实施例涉及计算机
，具体涉及图像识别
，尤其涉及用于检测人脸遮挡的方法及装置。
技术介绍
人脸识别技术是一项计算机应用研究技术，它属于生物特征识别技术。通过生物体的生物特征不仅能够区分生物个体，还能够对生物个体的身体状态进行判断。对人脸识别时，首先要获取光线充足时清晰的人脸图像，然后再对人脸图像进行数据处理。
技术实现思路
本申请实施例的目的在于提出了用于检测人脸遮挡的方法及装置。第一方面，本申请实施例提供了一种用于检测人脸遮挡的方法，该方法包括：获取待处理人脸遮挡图像，上述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；将上述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应上述待处理人脸遮挡图像的遮挡信息，上述人脸遮挡模型用于通过待处理人脸遮挡图像包含的特征点获取人脸的遮挡信息；输出上述遮挡信息。在一些实施例中，上述方法还包括构建人脸遮挡模型的步骤，上述构建人脸遮挡模型的步骤包括：对于多个样本人脸遮挡图像中的每个样本人脸遮挡图像，通过样本人脸遮挡图像中人脸图像的特征点将人脸图像划分为至少一个人脸区域，其中，每个样本人脸遮挡图像都包含有预先标记的特征点；对于上述至少一个人脸区域中的每个人脸区域，计算该人脸区域内的非人脸像素占该人脸区域内全部像素的比值得到比值信息，并通过上述比值信息构建该人脸区域的遮挡信息；利用机器学习方法，将样本人脸遮挡图像作为输入，将该样本人脸遮挡图像中每个人脸区域的遮挡信息作为输出，训练得到人脸遮挡模型。在一些实施例中，上述通过样本人脸遮挡图像中人脸图像的特征点将人脸图像划分为至少一个人脸区域包括：将样本人脸遮挡图像导入像素识别模型，得到上述样本人脸遮挡图像的每个像素的标签，上述像素识别模型用于识别像素是否属于人脸图像，并为像素设置标签，上述标签用于标记像素是否属于人脸图像；通过标签将样本人脸遮挡图像划分为人脸图像和非人脸图像；通过特征点将上述人脸图像划分为至少一个人脸区域。在一些实施例中，上述方法还包括构建像素识别模型的步骤，上述构建像素识别模型的步骤包括：对样本人脸遮挡图像进行特征提取，得到特征图像，上述特征图像的尺寸小于样本人脸遮挡图像；确定上述特征图像上的人脸特征对应的特征图像区域，上述人脸特征包括头发、眉毛、眼睛、鼻子；将上述特征图像映射至尺寸上与样本人脸遮挡图像相同后，为特征图像区域包含的每个像素设置人脸区域标签，并为特征图像区域以外的每个像素设置非人脸区域标签；利用机器学习方法，将上述样本人脸遮挡图像作为输入，将上述样本人脸遮挡图像中每个像素的人脸区域标签或非人脸区域标签作为输出，训练得到像素识别模型。在一些实施例中，在上述获取待处理人脸遮挡图像之前，上述方法还包括：对待处理人脸遮挡图像进行图像处理，识别出人脸特征，并在上述待处理人脸遮挡图像为人脸特征设置特征点。第二方面，本申请实施例提供了一种用于检测人脸遮挡的装置，该装置包括：图像获取单元，用于获取待处理人脸遮挡图像，上述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；遮挡信息获取单元，用于将上述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应上述待处理人脸遮挡图像的遮挡信息，上述人脸遮挡模型用于通过待处理人脸遮挡图像包含的特征点获取人脸的遮挡信息；信息输出单元，用于输出上述遮挡信息。在一些实施例中，上述装置还包括人脸遮挡模型构建单元，用于构建人脸遮挡模型，上述人脸遮挡模型构建单元包括：人脸区域划分子单元，对于多个样本人脸遮挡图像中的每个样本人脸遮挡图像，用于通过样本人脸遮挡图像中人脸图像的特征点将人脸图像划分为至少一个人脸区域，其中，每个样本人脸遮挡图像都包含有预先标记的特征点；遮挡信息获取子单元，用于对于上述至少一个人脸区域中的每个人脸区域，计算该人脸区域内的非人脸像素占该人脸区域内全部像素的比值得到比值信息，并通过上述比值信息构建该人脸区域的遮挡信息；人脸遮挡模型构建子单元，用于利用机器学习方法，将样本人脸遮挡图像作为输入，将该样本人脸遮挡图像中每个人脸区域的遮挡信息作为输出，训练得到人脸遮挡模型。在一些实施例中，上述人脸区域划分子单元包括：标签获取模块，用于将样本人脸遮挡图像导入像素识别模型，得到上述样本人脸遮挡图像的每个像素的标签，上述像素识别模型用于识别像素是否属于人脸图像，并为像素设置标签，上述标签用于标记像素是否属于人脸图像；图像划分模块，用于通过标签将样本人脸遮挡图像划分为人脸图像和非人脸图像；人脸区域划分模块，用于通过特征点将上述人脸图像划分为至少一个人脸区域。在一些实施例中，上述装置还包括像素识别模型构建单元，用于构建像素识别模型，上述像素识别模型构建单元包括：特征图像获取子单元，用于对样本人脸遮挡图像进行特征提取，得到特征图像，上述特征图像的尺寸小于样本人脸遮挡图像；特征图像区域确定子单元，用于确定上述特征图像上的人脸特征对应的特征图像区域，上述人脸特征包括头发、眉毛、眼睛、鼻子；标签设置子单元，用于将上述特征图像映射至尺寸上与样本人脸遮挡图像相同后，为特征图像区域包含的每个像素设置人脸区域标签，并为特征图像区域以外的每个像素设置非人脸区域标签；像素识别模型构建子单元，用于利用机器学习方法，将上述样本人脸遮挡图像作为输入，将上述样本人脸遮挡图像中每个像素的人脸区域标签或非人脸区域标签作为输出，训练得到像素识别模型。在一些实施例中，上述装置还包括：对待处理人脸遮挡图像进行图像处理，识别出人脸特征，并在上述待处理人脸遮挡图像为人脸特征设置特征点。第三方面，本申请实施例提供了一种终端设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于检测人脸遮挡的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于检测人脸遮挡的方法。本申请实施例提供的用于检测人脸遮挡的方法及装置，将获取到的包含特征点的待处理人脸遮挡图像导入人脸遮挡模型，能够快速准确地得到待处理人脸遮挡图像的遮挡信息，提高了获取遮挡信息的效率和准确性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于检测人脸遮挡的方法的一个实施例的流程图；图3是根据本申请的用于检测人脸遮挡的方法的一个应用场景的示意图；图4是根据本申请的用于检测人脸遮挡的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的终端设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于检测人脸遮挡的方法或用于检测人脸遮挡的装置的实施例的示例性系统架构100。如图1所示，本文档来自技高网...

【技术保护点】
一种用于检测人脸遮挡的方法，其特征在于，所述方法包括：获取待处理人脸遮挡图像，所述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；将所述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应所述待处理人脸遮挡图像的遮挡信息，所述人脸遮挡模型用于通过待处理人脸遮挡图像包含的特征点获取人脸的遮挡信息；输出所述遮挡信息。

【技术特征摘要】
1.一种用于检测人脸遮挡的方法，其特征在于，所述方法包括：获取待处理人脸遮挡图像，所述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；将所述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应所述待处理人脸遮挡图像的遮挡信息，所述人脸遮挡模型用于通过待处理人脸遮挡图像包含的特征点获取人脸的遮挡信息；输出所述遮挡信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括构建人脸遮挡模型的步骤，所述构建人脸遮挡模型的步骤包括：对于多个样本人脸遮挡图像中的每个样本人脸遮挡图像，通过样本人脸遮挡图像中人脸图像的特征点将人脸图像划分为至少一个人脸区域，其中，每个样本人脸遮挡图像都包含有预先标记的特征点；对于所述至少一个人脸区域中的每个人脸区域，计算该人脸区域内的非人脸像素占该人脸区域内全部像素的比值得到比值信息，并通过所述比值信息构建该人脸区域的遮挡信息；利用机器学习方法，将样本人脸遮挡图像作为输入，将该样本人脸遮挡图像中每个人脸区域的遮挡信息作为输出，训练得到人脸遮挡模型。3.根据权利要求2所述的方法，其特征在于，所述通过样本人脸遮挡图像中人脸图像的特征点将人脸图像划分为至少一个人脸区域包括：将样本人脸遮挡图像导入像素识别模型，得到所述样本人脸遮挡图像的每个像素的标签，所述像素识别模型用于识别像素是否属于人脸图像，并为像素设置标签，所述标签用于标记像素是否属于人脸图像；通过标签将样本人脸遮挡图像划分为人脸图像和非人脸图像；通过特征点将所述人脸图像划分为至少一个人脸区域。4.根据权利要求3所述的方法，其特征在于，所述方法还包括构建像素识别模型的步骤，所述构建像素识别模型的步骤包括：对样本人脸遮挡图像进行特征提取，得到特征图像，所述特征图像的尺寸小于样本人脸遮挡图像；确定所述特征图像上的人脸特征对应的特征图像区域，所述人脸特征包括头发、眉毛、眼睛、鼻子；将所述特征图像映射至尺寸上与样本人脸遮挡图像相同后，为特征图像区域包含的每个像素设置人脸区域标签，并为特征图像区域以外的每个像素设置非人脸区域标签；利用机器学习方法，将所述样本人脸遮挡图像作为输入，将所述样本人脸遮挡图像中每个像素的人脸区域标签或非人脸区域标签作为输出，训练得到像素识别模型。5.根据权利要求1所述的方法，其特征在于，在所述获取待处理人脸遮挡图像之前，所述方法还包括：对待处理人脸遮挡图像进行图像处理，识别出人脸特征，并在所述待处理人脸遮挡图像为人脸特征设置特征点。6.一种用于检测人脸遮挡的装置，其特征在于，所述装置包括：图像获取单元，用于获取待处理人脸遮挡图像，所述待处理人脸遮挡图像包含多个用于标记人脸特征的特征点；遮挡信息获取单元，用于将所述待处理人脸遮挡图像导入预先训练的人脸遮挡模型，得到对应所述待处理人脸遮挡图像的遮挡信息，所述...

【专利技术属性】
技术研发人员：洪智滨，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11