人脸检测方法及装置、计算机可读存储介质、设备制造方法及图纸

本发明专利技术涉及人脸检测方法及装置、计算机可读存储介质、设备，所述方法包括依据预设的人脸检测模型，获取待测图像的多个检测结果框；选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框；所述预设的人脸检测模型为依据深度卷积神经网络构建的检测模型；所述装置、计算机可读存储介质、设备可以实现上述人脸检测方法的各步骤。与现有技术相比，本发明专利技术提供的人脸检测方法及装置、计算机可读存储介质、设备，能够对待测图像中不同尺度的人脸进行有效检测。

【技术实现步骤摘要】
人脸检测方法及装置、计算机可读存储介质、设备
本专利技术涉及图像处理
，具体涉及一种人脸检测方法及装置、计算机可读存储介质、设备。
技术介绍
人脸检测技术是一种在任意图像中自动搜索人脸位置和大小的技术。人脸检测技术在基于人脸的计算机视觉、模式识别应用中占有很重要的地位，例如视频监控和身份识别系统等。目前大多数人脸检测方法，尤其是基于锚点框的检测方法，如FasterRCNN、SSD、R-FCN，随着人脸尺度的变小，其检测性能会急剧下降。具体地，在对小尺度人脸检测还存在下述问题：1、在构建检测框架、设计锚点框的关联层和锚点框的大小时，小尺度的人脸没有得到足够的重视，不仅锚点框关联层的位置太深，导致小尺度人脸的特征消失无法用于检测，而且锚点框大小、有效感受野、小尺度人脸三者间互不匹配，导致无法充分利用人脸的图像特征。2、为了检测小尺度人脸必须要密集地铺设大量的小锚点框，这些小锚点框会带来很多的人脸虚检问题。3、锚点框与人脸标注框匹配的策略不够完善，有些尺度的人脸标注框不能匹配到足够多的锚点框，导致它们有着较低的召回率。
技术实现思路
为了解决现有技术中的上述问题，即为了解决小尺度人脸检测本文档来自技高网...

【技术保护点】
一种人脸检测方法，其特征在于，所述方法包括：依据预设的人脸检测模型，获取待测图像的多个检测结果框；选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框；其中：所述预设的人脸检测模型为依据深度卷积神经网络构建的检测模型，具体步骤包括：在深度卷积神经网络的低卷积层、中卷积层和高卷积层中分别关联锚点框，并设置各锚点框的边长；确定所述低卷积层中最浅层所关联锚点框的背景预测概率；依据预设的训练图像，对所述关联锚点框的深度卷积神经网络进行网络训练，得到满足预设的收敛条件的人脸检测模型。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，所述方法包括：依据预设的人脸检测模型，获取待测图像的多个检测结果框；选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框；其中：所述预设的人脸检测模型为依据深度卷积神经网络构建的检测模型，具体步骤包括：在深度卷积神经网络的低卷积层、中卷积层和高卷积层中分别关联锚点框，并设置各锚点框的边长；确定所述低卷积层中最浅层所关联锚点框的背景预测概率；依据预设的训练图像，对所述关联锚点框的深度卷积神经网络进行网络训练，得到满足预设的收敛条件的人脸检测模型。2.根据权利要求1所述的方法，其特征在于，所述设置锚点框的边长包括依据有效感受野的半径r设置所述锚点框的边长Ascale，具体为：Ascale≈2r所述锚点框的边长Ascale的约束条件为：Ascale＝n×Ainterval其中，所述Ainterval为锚点框在待测图像上的铺设间隔，所述n为预设的正整数。3.根据权利要求1所述的方法，其特征在于，所述确定低卷积层中最浅层所关联锚点框的背景预测概率，包括：获取所述锚点框为待测图像中背景的多个预测概率，并选取所获取的多个预测概率的最大值作为所述锚点框的背景预测概率。4.根据权利要求1所述的方法，其特征在于，所述依据预设的训练图像，对关联锚点框的深度卷积神经网络进行网络训练，包括：对所述预设的训练图像进行数据增广处理，得到训练样本；对锚点框与所述训练样本中的人脸标注框进行匹配，并依据匹配结果将锚点框划分为正样本和负样本；所述正样本为与人脸标注框匹配的锚点框，所述负样本为与人脸标注框未匹配的锚点框；采用困难负样本挖掘方法选取预设的第三数量的负样本；依据所述正样本与所选取的负样本计算损失函数值，并依据损失函数值更新所述深度卷积神经网络；对更新后的深度卷积神经网络重新进行网络训练，直至其满足预设的收敛条件；其中：所述对锚点框与训练样本中的人脸标注框进行匹配，包括：计算各锚点框与各人脸标注框的交除并重叠比；选取与各人脸标注框的交除并重叠比最大的锚点框，并将所选取的各锚点框与各对应的人脸标注框进行匹配；判断去除所选取的锚点框之后，剩余的各锚点框与各人脸标注框的交除并重叠比是否大于预设的第一阈值：若大于则进行匹配；获取锚点框匹配数量小于预设的第四数量的人脸标注框，并选取与所述人脸标注框的交除并重叠比大于预设的第二阈值的所有锚点框；所述预设的第一阈值大于预设的第二阈值；按照所选取的所有锚点框的交除并重叠比由大到小的顺序，选取预设的第五数量的锚点框与对应的人脸标注框进行匹配；所述预设的第五数量的取值为锚点框匹配数量大于或等于预设的第四数量的人脸标注框的锚点框平均匹配数量。5.一种人脸检测装置，其特征在于，所述装置包括：检测结果框获取模块，配置为依据预设的人脸检测模型，获取待测图像的多个检测结果框；检测结果框筛选模块，配置为选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框；所述装置还包括人脸检测模型构建模块；所述人脸检测模型构建模块，配置为依据深度卷积神经网络构建的检测模型，具体包括：锚点框关联单元，配置为在深度卷积...

【专利技术属性】
技术研发人员：雷震，朱翔昱，张士峰，李子青，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11