【技术实现步骤摘要】
使用单一网络的面部检测、姿态估计和距相机距离的估计
本文所述的实施方案涉及用于在设备上的相机所捕获的图像中进行面部检测的方法和系统。更具体地讲,本文所述的实施方案涉及在所捕获的图像中检测面部时使用神经网络。
技术介绍
通常可以使用面部识别过程来识别图像中的个人。可以使用面部检测来检测图像中的面部,以用于面部识别过程。除了面部检测之外,通常还估计头部姿态。用于既实现面部检测又实现姿态估计的传统方式是识别(检测)面部并在面部周围放置边界框,在识别边界框之后,对边界框中的面部进行操作以确定姿态估计。
技术实现思路
使用设备(例如,移动设备或计算机系统)上的单个网络对使用设备上的相机所捕获的图像进行编码和解码。该网络可以评估图像中是否有面部,如果检测到面部,评估面部的位置、面部的姿态和面部距离相机的距离。该相机捕获利用泛光红外照明或光斑(点)图案红外照明来照明的用户的红外图像。该单个网络可以包括用于生成特征空间中图像的特征矢量的编码器模块以及用于对特征矢量解码(分类)以确定在任何区域中是否检测到面部并评估所检测面部的额外属性的解码器模块。附图说明当与附图结合时,参考根据本公开中描述的实施方案的目前优选的但仅为例示的实施方案的以下详细描述,将更充分地理解本公开中描述的实施方案的方法与装置的特征和优点,在附图中:图1示出了包括相机的设备的实施方案的表示。图2示出了相机的实施方案的表示。图3示出了设备上的处理器的实施方案的表示。图4示出了神经网络模块的实施方案的表示。图5示出了用于神经网络模块的培训过程的实施方案的流程图。图6示出了具有神经网络模块的处理器的实施方案的表示。 ...
【技术保护点】
1.一种方法,包括:使用位于设备上的相机捕获至少一个图像,所述设备包括计算机处理器和存储器,其中所述至少一个图像包括在利用位于所述设备上的照明器对所述图像中的被摄体照明的同时所捕获的图像;使用位于所述设备上的编码器模块对所述至少一个图像进行编码,以生成在特征空间中定义所述图像中的被摄体的特征的特征矢量,所述特征空间包括多个区域,其中每个特征矢量定义所述特征空间中的一个区域的特征;使用所述计算机处理器评估所述特征空间中的每个区域的所生成的特征矢量,以确定所述区域中是否存在面部;其中如果确定所述面部在所述区域中,评估所述区域中的所述面部的一个或多个属性,所述属性中的至少一个是所述区域中的所述面部距所述相机的距离;以及如果所述区域中存在所述面部,从所述计算机处理器提供输出,所述输出包括所述区域中存在所述面部的指示以及所述区域中的所述面部距所述相机的所评估的距离。
【技术特征摘要】
2017.08.01 US 62/539,736;2017.09.09 US 62/556,398;1.一种方法,包括:使用位于设备上的相机捕获至少一个图像,所述设备包括计算机处理器和存储器,其中所述至少一个图像包括在利用位于所述设备上的照明器对所述图像中的被摄体照明的同时所捕获的图像;使用位于所述设备上的编码器模块对所述至少一个图像进行编码,以生成在特征空间中定义所述图像中的被摄体的特征的特征矢量,所述特征空间包括多个区域,其中每个特征矢量定义所述特征空间中的一个区域的特征;使用所述计算机处理器评估所述特征空间中的每个区域的所生成的特征矢量,以确定所述区域中是否存在面部;其中如果确定所述面部在所述区域中,评估所述区域中的所述面部的一个或多个属性,所述属性中的至少一个是所述区域中的所述面部距所述相机的距离;以及如果所述区域中存在所述面部,从所述计算机处理器提供输出,所述输出包括所述区域中存在所述面部的指示以及所述区域中的所述面部距所述相机的所评估的距离。2.根据权利要求1所述的方法,其中所述编码器模块包括多尺度卷积神经网络模块。3.根据权利要求1所述的方法,其中评估所生成的特征矢量包括使用位于所述设备上的解码器模块对所述特征空间中的每个区域的所生成的特征矢量进行解码。4.根据权利要求1所述的方法,其中所述面部的所述姿态包括所述面部的俯仰、偏转和翻滚。5.根据权利要求1所述的方法,其中所述区域中的所述面部的所评估的属性中的至少一个包括所述面部相对于所述区域的中心的位置,并且其中如果所述面部存在于所述区域中则来自所述计算机处理器的输出包括所述面部相对于所述区域的所述中心的所评估的位置。6.根据权利要求1所述的方法,其中所述区域中的所述面部的所评估的属性中的至少一个包括所述区域中的所述面部的姿态,并且其中如果所述面部存在于所述区域中则来自所述计算机处理器的输出包括所述区域中的所述面部的所评估的姿态。7.根据权利要求1所述的方法,其中评估所生成的特征矢量包括对所述特征矢量分类。8.根据权利要求1所述的方法,其中评估所生成的特征矢量包括使用在培训过程期间确定的分类参数对所述特征矢量分类。9.根据权利要求1所述的方法,其中如果在超过一个区域中检测到所述面部,评估所生成的特征矢量包括:针对包括检测到的面部的所述区域评估置信度值;针对所述区域对所述置信度值排序;以及选择具有最高置信度的所述区域以从所述解码器模块提供所述输出。10.根据权利要求1所述的方法,还包括使用校准方程调节所述区域中的所述面部距所述相机的所述距离,所述校准方程是从登记过程期间针对所述设备的授权用户收集的深度图图像数据中确定的。11.根据权利要求10所述的方法,其中所述校准方程是通过以下动作确定的:使用位于设备上的相机捕获第一图像,其中所述第一图像包括在利用位于所述设备上的第一照明器对所述图像中的被摄体照明的同时所捕获的图像;使用所述计算...
【专利技术属性】
技术研发人员:A·库马尔,I·R·法赛尔,T·戈尔诺斯,过海涛,O·C·哈姆斯茜,
申请(专利权)人:苹果公司,
类型:发明
国别省市:美国,US
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。