训练面部检测模型的方法和装置以及面部检测方法和装置制造方法及图纸

技术编号:18445488 阅读:53 留言:0更新日期:2018-07-14 10:36
公开了一种训练面部检测模型的方法和装置以及面部检测方法和装置,其中训练面部检测模型的方法包括:训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。根据本公开的实施例,能够快速并精确地进行面部检测。

Method and device for training facial detection model, and face detection method and device

A method and device for training a facial detection model and a face detection method and device are disclosed, in which a method of training a facial detection model includes training at least two regional identification models, and each region recognition model in the at least two regional recognition models is associated with a different part of the face for recognition. Do not input regions that may belong to the parts associated with the region recognition model. According to the embodiment of the present disclosure, face detection can be carried out quickly and accurately.

【技术实现步骤摘要】
训练面部检测模型的方法和装置以及面部检测方法和装置
本公开涉及图像处理领域,具体涉及可以快速并精确地进行面部检测的训练面部检测模型的方法和装置以及面部检测方法和装置。
技术介绍
面部检测技术是计算机视觉的重要研究内容之一,也是面部识别、面部追踪等技术的关键步骤之一。鉴于卷积神经网络(CNN)在解决计算机视觉领域多个问题时都取得了良好的效果,近年来,人们尝试利用CNN模型进行面部检测。基于CNN的面部检测主要分为两个步骤:一是提取可能存在面部的候选区域;二是利用CNN判断面部的候选区域是否存在面部。图1示出了基于卷积神经网络进行人脸检测的结构流程示例。如图1所示,在基于CNN进行人脸检测的算法中,通常首先生成人脸候选区域;再把原始图像输入到卷积层,生成输入图像的特征图;把人脸候选区域对应的特征图区域输入到全连接层,进而判断该候选区域是否存在人脸,从而生成人脸检测结果。目前人脸候选区域的生成方式主要采用在原始图像上或者在与原始图像对应的特征图上滑动窗口,然后判断该窗口是否为人脸位置候选区域。图2是示出现有技术中在原始图像上滑动窗口来判断人脸位置候选区域的示例的图。如图2所示,将原始图像划分为若干图像块,然后依次判断每个图像块是否是人脸位置候选区域。图3是示出现有技术中在与原始图像对应的特征图上滑动窗口来判断人脸位置候选区域的示例的图。如图3所示,将原始图像输入到卷积网络,在通过卷积网络生成的特征图上进行滑动窗口操作,从而判断人脸候选区域。这两种方式耗时都较长,导致生成人脸候选区域的时间远大于CNN判断候选区域是否存在人脸所花费的时间。
技术实现思路
在下文中给出了关于本公开的简要概述,以便提供关于本公开的某些方面的基本理解。但是,应当理解,这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分,也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念,以此作为稍后给出的更详细描述的前序。鉴于以上问题,本公开的目的是提供一种可以快速并精确地进行面部检测的训练面部检测模型的方法和装置以及面部检测方法和装置。根据本公开的一方面,提供了一种训练面部检测模型的方法,包括:训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,可以用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。根据本公开的另一方面,提供了一种训练面部检测模型的装置,包括:训练单元,被配置成训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,可以用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。根据本公开的又一方面,提供了一种面部检测方法,包括:对输入图像应用分别与面部的一个不同部位相关联的至少两个预定区域识别模型,从而可以从输入图像识别出可能属于与每个预定区域识别模型相关联的部位的区域;根据关于面部结构的先验知识和部位的所识别出的区域,可以获得输入图像中的待检测面部的候选区域;以及使用检测模型来判断待检测面部的候选区域中是否存在面部,从而可以检测出待检测面部所存在的区域。根据本公开的其它方面,还提供了用于实现上述根据本公开的方法的计算机程序代码和计算机程序产品以及其上记录有该用于实现上述根据本公开的方法的计算机程序代码的计算机可读存储介质。在下面的说明书部分中给出本公开实施例的其它方面,其中,详细说明用于充分地公开本公开实施例的优选实施例,而不对其施加限定。附图说明本公开可以通过参考下文中结合附图所给出的详细描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并形成说明书的一部分,用来进一步举例说明本公开的优选实施例和解释本公开的原理和优点。其中:图1示出了基于卷积神经网络进行人脸检测的结构流程示例;图2是示出现有技术中在原始图像上滑动窗口来判断人脸位置候选区域的示例的图;图3是示出现有技术中在与原始图像对应的特征图上滑动窗口来判断人脸位置候选区域的示例的图;图4是示出根据本公开的实施例的训练面部检测模型的方法的流程示例的流程图;图5是示出根据本公开实施例的根据人脸关键点的位置信息对面部部位进行分割标注的示例的图;图6是示出根据本公开实施例的在每个区域识别模型的至少一个层中采用多个不同大小的滤波器的示例的图;图7是示出根据本公开的实施例的训练面部检测模型的装置的功能配置示例的框图;图8是示出根据本公开的实施例的面部检测方法的流程示例的流程图;图9是示意性地示出根据本公开实施例的初始基准区域以及处于不同方向的基准区域的示例的图;图10示意性地示出了根据本公开实施例的待检测面部的候选区域的生成的结构流程的示例;图11示意性地示出了根据本公开实施例的判断待检测面部的候选区域中是否存在面部的结构流程的示例;图12是示出根据本公开的实施例的面部检测装置的功能配置示例的框图;以及图13是示出作为本公开的实施例中可采用的信息处理装置的个人计算机的示例结构的框图。具体实施方式在下文中将结合附图对本公开的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本公开,在附图中仅仅示出了与根据本公开的方案密切相关的设备结构和/或处理步骤,而省略了与本公开关系不大的其它细节。根据本公开的一方面,提出了一种训练面部检测模型的方法,该训练面部检测模型的方法可以训练分别与面部的一个不同部位相关联的至少两个区域识别模型,以利用所述至少两个区域识别模型快速自动地识别输入图像中可能属于与每个区域识别模型相关联的部位的区域。下面结合附图详细说明根据本公开的实施例。首先,将参照图4描述根据本公开实施例的训练面部检测模型的方法400的流程示例。图4是示出根据本公开的实施例的训练面部检测模型的方法400的流程示例的流程图。如图4所示,根据本公开的实施例的训练面部检测模型的方法400包括训练步骤S402。首先,在训练步骤S402中,训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,可以用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。可以将面部划分成不同的部位例如左眼、右眼、左脸颊、右脸颊、鼻子、嘴以及下巴等。在训练步骤S402中,根据本公开实施例的训练面部检测模型的方法400可以训练分别与面部的上述一个不同部位相关联的至少两个区域识别模型,以利用所述至少两个区域识别模型快速识别输入图像中可能属于与每个区域识别模型相关联的部位的区域。优选地,可以基于面部的部位的标注区域位置信息,分别训练每个区域识别模型。即,可以通过面部关键点位置信息对面部各个部位进行分割,并使用面本文档来自技高网...

【技术保护点】
1.一种训练面部检测模型的方法,包括:训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。

【技术特征摘要】
1.一种训练面部检测模型的方法,包括:训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。2.根据权利要求1所述的训练面部检测模型的方法,其中,基于面部的部位的标注区域位置信息,分别对每个区域识别模型进行训练。3.根据权利要求1所述的训练面部检测模型的方法,其中:每个区域识别模型用于根据输入图像生成特征图,所述特征图表示输入图像中的像素属于与该区域识别模型相关联的部位的可能性。4.根据权利要求3所述的训练面部检测模型的方法,其中,每个区域识别模型包括多个层,在所述多个层中的至少一个层中采用不同大小的多个滤波器,并且将所述多个滤波器的响应进行组合所得到的结果作为下一层的输入,以提高所述特征图反映所述可能性的准确度。5.根据权利要求1所述的训练面部检测模型的方法,其中,每个区域识别模型是全卷积网络。6.一种训练面部检测模型的装置,包括:训练单元,被配置成训练至少两个区域识别模型,所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联,用于识别输入图像中可能属于与该区域识别模型相关联...

【专利技术属性】
技术研发人员:贾晓飞刘汝杰
申请(专利权)人:富士通株式会社
类型:发明
国别省市:日本,JP

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1