一种人脸检测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种人脸检测方法及装置，能够对任意大小的图像进行处理，并且能够同时检测正脸和侧脸，提高检测速度。本发明专利技术实施例方法包括：通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为用于初检的全卷积网络；通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为用于校验的深度卷积网络；若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。

【技术实现步骤摘要】

本专利技术涉及图像处理及人脸识别领域，尤其涉及一种人脸检测方法及装置。
技术介绍
人脸检测方法是人脸识别的基础，准确无误地从图像中检测出人脸图像对于识别非常重要。在一些场景下，需要计算机自动检测出人脸以供进行识别，这就要求人脸检测方法能够同时检测出正脸图像和侧脸图像，另外，针对任意大小的图像进行处理也提出了要求。目前，人脸检测方法只能检测正脸，或者只能检测侧脸，并且一般通过固定大小的图像进行处理。显然，对于需要同时检测正脸和侧脸的任务，只能分别检测，由此造成检测速度过慢，另外也不能对任意大小的图像进行处理。
技术实现思路
本专利技术实施例提供了一种人脸检测方法及装置，能够对任意大小的图像进行处理，并且能够同时检测正脸和侧脸，提高检测速度。有鉴于此，本专利技术第一方面提供了一种人脸检测方法，包括：通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为用于初检的全卷积网络；通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为用于校验的深度卷积网络；若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。可选的：所述通过第一深度卷积网络获取候选人脸图像包括：通过第一深度卷积网络生成人脸热力图；从所述人脸热力图中确定局部最热点，并将所述局部最热点作为候选人脸位置；根据所述候选人脸位置获取候选人脸图像。可选的：所述根据所述候选人脸位置获取候选人脸图像之前包括：判断所述候选人脸位置是否存在重叠；若是，则合并重叠的所述候选人脸位置。可选的：所述通过第一深度卷积网络获取候选人脸图像之前包括：生成第一深度卷积网络；采集人脸图像和非人脸图像，并将所述人脸图像和非人脸图像作为训练样本；通过所述训练样本训练所述第一深度卷积网络。可选的：所述第二深度卷积网络为多个深度卷积网络，通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值包括：通过所述多个深度卷积网络分别对所述候选人脸图像进行计算，得到所述候选人脸图像的多个可靠性数值；根据所述多个可靠性数值得到所述候选人脸图像的可靠性数值。可选的：所述第一深度卷积网络包含多层，依次为：第一输入层、第一卷积层、第一输出层、第一最大池化层、第二输出层、第一激活函数层、第二卷积层、第三输出层、第二激活函数层、第三卷积层以及第四输出层；所述第二深度卷积网络包括多层，依次为：第二输入层、第四卷积层、第五输出层、第二最大池化层、第六输出层、第三激活函数层、第五卷积层、第七输出层、第三最大池化层、第八输出层、第四激活函数层、全连接层以及第九输出层。本专利技术第二方面提供了一种人脸检测装置，包括：获取模块，用于通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为用于初检的全卷积网络；第一处理模块，用于通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为预置的用于校验的深度卷积网络；判定模块，用于若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。可选的：所述获取模块包括：生成单元，用于通过第一深度卷积网络生成人脸热力图；第一处理单元，用于从所述人脸热力图中确定局部最热点，并将所述局部最热点作为候选人脸位置；获取单元，用于根据所述候选人脸位置获取候选人脸图像。可选的：所述装置还包括：判断模块，用于判断所述候选人脸位置是否存在重叠；第二处理模块，用于若判断模块判断所述候选人脸位置存在重叠，则合并重叠的所述候选人脸位置。可选的：所述装置还包括：生成模块，用于生成第一深度卷积网络；第三处理模块，用于采集人脸图像和非人脸图像，并将所述人脸图像和非人脸图像作为训练样本；训练模块，用于通过所述训练样本训练所述第一深度卷积网络。可选的：所述第二深度卷积网络为多个深度卷积网络，所述第一处理模块包括：计算单元，用于通过所述多个深度卷积网络分别对所述候选人脸图像进行计算，得到所述候选人脸图像的多个可靠性数值；第二处理单元，用于根据所述多个可靠性数值得到所述候选人脸图像的可靠性数值。可选的：所述第一深度卷积网络包含多层，依次为：第一输入层、第一卷积层、第一输出层、第一最大池化层、第二输出层、第一激活函数层、第二卷积层、第三输出层、第二激活函数层、第三卷积层以及第四输出层；所述第二深度卷积网络包括多层，依次为：第二输入层、第四卷积层、第五输出层、第二最大池化层、第六输出层、第三激活函数层、第五卷积层、第七输出层、第三最大池化层、第八输出层、第四激活函数层、全连接层以及第九输出层。从以上技术方案可以看出，本专利技术实施例具有以下优点：用于初检的网络为全卷积网络，从而本专利技术可以对任意大小的图像进行处理以及提高人脸检测速度，另外本专利技术的候选人脸图像并未限定正脸图像还是侧脸图像，所以本专利技术也能够同时检测正脸和侧脸。附图说明图1为本专利技术实施例人脸检测方法一个实施例示意图；图2为本专利技术实施例第一深度卷积网络一个示意图；图3为本专利技术实施例第二深度卷积网络一个示意图；图4为本专利技术实施例人脸检测装置一个实施例示意图。具体实施方式本专利技术实施例提供了一种人脸检测方法及装置，能够对任意大小的图像进行处理，并且能够同时检测正脸和侧脸，提高检测速度。下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。请参阅图1，本专利技术实施例中人脸检测方法一个实施例包括：101、通过第一深度卷积网络获取候选人脸图像，该第一深度卷积网络为预置的用于初检的全卷积网络；本实施例中，深度卷积网络一般只能用于固定大小的图像，进行分类或识别，本专利技术中的第一深度卷积网络为全卷积网络，通过利用全卷积网络的网络结构，使其可以适用于任意大小的图像。可选的，在本专利技术的一些实施例中，通过第一深度卷积网络获取候选人脸图像具体为：通过第一深度卷积网络生成人脸热力图；从人脸热力图中确定局部最热点，并将局部最热点作为候选人脸位置；根据候选人脸位置获取候选人脸图像。需要说明的是，第一深度卷积网络可以为一个小型网络，小型网络用于生成人脸热力图；然后从人脸热力图中找到局部最热点，作为候选人脸位置；根据候选人脸位置从原图中截取出候选人脸图像。比如说原图为一张照片，照片中包括一个小女孩和一张书桌，通过第一深度卷积网络可以从该照片中截取出小女孩的人脸图像。进一步可选的，在本专利技术的一些实施例中，根据候选人脸位置获取候选人脸图像之前包括：判断候选人脸位置是本文档来自技高网...

【技术保护点】
一种人脸检测方法，其特征在于，包括：通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为预置的用于初检的全卷积网络；通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为预置的用于校验的深度卷积网络；若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：通过第一深度卷积网络获取候选人脸图像，所述第一深度卷积网络为预置的用于初检的全卷积网络；通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值，所述第二深度卷积网络为预置的用于校验的深度卷积网络；若所述候选人脸图像的可靠性数值大于预设阈值，则判定为最终人脸图像。2.根据权利要求1所述的方法，其特征在于，所述通过第一深度卷积网络获取候选人脸图像包括：通过第一深度卷积网络生成人脸热力图；从所述人脸热力图中确定局部最热点，并将所述局部最热点作为候选人脸位置；根据所述候选人脸位置获取候选人脸图像。3.根据权利要求2所述的方法，其特征在于，所述根据所述候选人脸位置获取候选人脸图像之前包括：判断所述候选人脸位置是否存在重叠；若是，则合并重叠的所述候选人脸位置。4.根据权利要求1所述的方法，其特征在于，所述通过第一深度卷积网络获取候选人脸图像之前包括：生成第一深度卷积网络；采集人脸图像和非人脸图像，并将所述人脸图像和非人脸图像作为训练样本；通过所述训练样本训练所述第一深度卷积网络。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述第二深度卷积网络为多个深度卷积网络，通过第二深度卷积网络对所述候选人脸图像进行计算，得到所述候选人脸图像的可靠性数值包括：通过所述多个深度卷积网络分别对所述候选人脸图像进行计算，得到所述候选人脸图像的多个可靠性数值；根据所述多个可靠性数值得到所述候选人脸图像的可靠性数值。6.根据权利要求1至5任意一项所述的方法，其特征在于，所述第一深度卷积网络包含多层，依次为：第一输入层、第一卷积层、第一输出层、第一最大池化层、第二输出层、第一激活函数层、第二卷积层、第三输出层、第二激活函数层、第三卷积层以及第四输出层；所述第二深度卷积网络包括多层，依次为：第二输入层、第四卷积层、第五输出层、第二最大池化层、第六输出层、第三激活函数层、第五卷积层、第七输出层、第三最大池化层、第八输出层、第四激活函数层、全连接层以及第九输出层。7.一种人脸检测装置，其特征在于，包括：获...

【专利技术属性】
技术研发人员：陈书楷，王辉能，
申请(专利权)人：厦门中控生物识别信息技术有限公司，
类型：发明
国别省市：福建;35