一种人脸检测的方法和装置制造方法及图纸

本公开提供了一种人脸检测的方法和装置，属于图像处理领域。所述方法包括：对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；将所述中间图像分割为等大小的预设数目个图像块；在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。采用本公开，可以提高人脸检测的处理速度。

Face detection method and device

The invention discloses a method and a device for face detection, which belongs to the field of image processing. The method includes: a pool of deal with the target image recognition of the first preset number of convolution processing and second preset number, get the intermediate image; the intermediate image segmentation for the size of the preset number of image blocks; in each image block, at least one candidate default size frame based on region image feature extraction, each image block at least one region of the image feature information, wherein each preset size of the candidate frame height is greater than or equal to the width of each image block; according to the at least one area of the image feature information, determine the face region containing the target in the image. The present invention can improve the processing speed of face detection.

【技术实现步骤摘要】

本公开是关于图像处理领域，尤其是关于一种人脸检测的方法和装置。
技术介绍
人脸检测技术是指根据人脸的特征信息，对图像中的人脸进行定位的技术。一般人脸检测技术使用的算法模型是Faster-RCNN(FasterRegion-basedConvolutionalNeuralNetwork，快速区域深度卷积网络)，具体处理是：将待识别图像输入到Faster-RCNN中，经过卷积处理和池化处理之后得到像素点数目为N*N的中间图像，然后将中间图像分割为等大小的预设数目个图像块。对于每个图像块，按照高宽比例为1:2、1:1和2:1和面积为1282、2562和5122的9种候选框在图像块中进行区域图像特征提取，得到每个图像块中包含的区域图像特征信息，然后对获取到的区域图像特征信息进行全连接处理，确定出待识别图像包含的人脸区域。这样，在进行区域图像特征信息提取时，候选框的数目比较多，提取到的区域图像特征信息也比较多，对于每个区域图像特征信息都需进行全连接处理，计算量比较大，从而人脸检测的处理速度比较慢。
技术实现思路
为了克服相关技术中存在的问题，本公开提供了一种人脸检测的方法和装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种人脸检测的方法，所述方法包括：对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；将所述中间图像分割为等大小的预设数目个图像块；在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。可选的，所述预设尺寸的候选框的高度与宽度的比例为1:1和2:1。可选的，所述根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域，包括：基于全连接参数W1＝U1∑m1VT1、全连接参数W2＝U2∑m2VT2，对所述每个图像块的至少一个区域图像特征信息进行全连接处理，确定所述目标图像中包含的人脸区域。这样，可以使人脸检测的处理速度提高的更多。可选的，U1和∑m1VT1是对全连接参数W1'进行奇异值SVD分解得到；U2和∑m2VT2是对全连接参数W2'进行SVD分解得到。可选的，所述基于全连接参数W1＝U1∑m1VT1、全连接参数W2＝U2∑m2VT2，对所述每个图像块的至少一个区域图像特征信息进行全连接处理，确定所述目标图像中包含的人脸区域，包括：基于全连接参数W1＝U1∑m1VT1，对所述每个图像块的至少一个区域图像特征信息，进行全连接处理，得到被确定为人脸图像特征信息的目标区域图像特征信息；基于全连接参数W2＝U2∑m2VT2，对所述目标区域图像特征信息，进行全连接处理，得到每个所述目标区域图像特征信息对应的图像区域，以及每个图像区域的位置调整信息和缩放调整信息；基于每个图像区域的位置调整信息和缩放调整信息，分别对每个图像区域进行调整，将调整后的图像区域，确定为所述目标图像中包含的人脸区域。这样，可以使人脸检测的处理速度提高的更多。根据本公开实施例的第二方面，提供一种人脸检测的装置，所述装置包括：处理模块，用于对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；分割模块，用于将所述中间图像分割为等大小的预设数目个图像块；提取模块，用于在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；确定模块，用于根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。可选的，所述预设尺寸的候选框的高度与宽度的比例为1:1和2:1。可选的，所述确定模块，用于：基于全连接参数W1＝U1∑m1VT1、全连接参数W2＝U2∑m2VT2，对所述每个图像块的至少一个区域图像特征信息进行全连接处理，确定所述目标图像中包含的人脸区域。可选的，U1和∑m1VT1是对全连接参数W1'进行奇异值SVD分解得到；U2和∑m2VT2是对全连接参数W2'进行SVD分解得到。可选的，所述确定模块包括第一处理子模块、第二处理子模块和确定子模块，其中：所述第一处理子模块，用于基于全连接参数W1＝U1Σm1VT1，对所述每个图像块的至少一个区域图像特征信息，进行全连接处理，得到被确定为人脸图像特征信息的目标区域图像特征信息；所述第二处理子模块，用于基于全连接参数W2＝U2∑m2VT2，对所述目标区域图像特征信息，进行全连接处理，得到每个所述目标区域图像特征信息对应的图像区域，以及每个图像区域的位置调整信息和缩放调整信息；所述确定子模块，用于基于每个图像区域的位置调整信息和缩放调整信息，分别对每个图像区域进行调整，将调整后的图像区域，确定为所述目标图像中包含的人脸区域。根据本公开实施例的第二方面，提供一种人脸检测的装置，所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；将所述中间图像分割为等大小的预设数目个图像块；在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。本公开的实施例提供的技术方案可以包括以下有益效果：本公开实施例中，将待识别的目标图像作为快速区域深度卷积网络，快速区域深度卷积网络可以对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像，将中间图像分割为等大小的预设数目个图像块，在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度，根据每个图像块的至少一个区域图像特征信息，确定目标图像中包含的人脸区域。这样，在进行区域图像特征提取时，只保留了高度大于或等于宽度的候选框，候选框的数目减少，提取到的区域图像特征信息会减少，进行的全连接处理时的计算量也会减少，从而提高人脸检测的处理速度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。在附图中：图1是根据一示例性实施例示出的一种人脸检测的方法的流程图；图2是根据一示例性实施例示出的一种人脸检测的系统图；图3是根据一示例性实施例示出的一种图像特征提取示意图；图4是根据一示例性实施例示出的一种人脸检测的装置的示意图；图5是根据一示例性实施例示出的一种人脸检测的装置的示意图；图6是根据一示例性实施例示出的一种服务器的结构示意图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。具体实施方式本文档来自技高网...

【技术保护点】
一种人脸检测的方法，其特征在于，所述方法包括：对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；将所述中间图像分割为等大小的预设数目个图像块；在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。

【技术特征摘要】
1.一种人脸检测的方法，其特征在于，所述方法包括：对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；将所述中间图像分割为等大小的预设数目个图像块；在每个图像块中，基于至少一个预设尺寸的候选框，进行区域图像特征提取，得到每个图像块的至少一个区域图像特征信息，其中，每个预设尺寸的候选框的高度大于或等于宽度；根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域。2.根据权利要求1所述的方法，其特征在于，所述预设尺寸的候选框的高度与宽度的比例为1:1和2:1。3.根据权利要求1所述的方法，其特征在于，所述根据所述每个图像块的至少一个区域图像特征信息，确定所述目标图像中包含的人脸区域，包括：基于全连接参数W1＝U1Σm1VT1、全连接参数W2＝U2Σm2VT2，对所述每个图像块的至少一个区域图像特征信息进行全连接处理，确定所述目标图像中包含的人脸区域。4.根据权利要求3所述的方法，其特征在于，U1和Σm1VT1是对全连接参数W1'进行奇异值SVD分解得到；U2和Σm2VT2是对全连接参数W2'进行SVD分解得到。5.根据权利要求3所述的方法，其特征在于，所述基于全连接参数W1＝U1Σm1VT1、全连接参数W2＝U2Σm2VT2，对所述每个图像块的至少一个区域图像特征信息进行全连接处理，确定所述目标图像中包含的人脸区域，包括：基于全连接参数W1＝U1Σm1VT1，对所述每个图像块的至少一个区域图像特征信息，进行全连接处理，得到被确定为人脸图像特征信息的目标区域图像特征信息；基于全连接参数W2＝U2∑m2VT2，对所述目标区域图像特征信息，进行全连接处理，得到每个所述目标区域图像特征信息对应的图像区域，以及每个图像区域的位置调整信息和缩放调整信息；基于每个图像区域的位置调整信息和缩放调整信息，分别对每个图像区域进行调整，将调整后的图像区域，确定为所述目标图像中包含的人脸区域。6.一种人脸检测的装置，其特征在于，所述装置包括：处理模块，用于对待识别的目标图像进行第一预设次数的卷积处理和第二预设次数的池化处理，得到中间图像；分割模块，用于将所述中间图像分割为等大小的预设数目个图像块；提取模块，...

【专利技术属性】
技术研发人员：万韶华，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京;11