人脸检测方法及装置制造方法及图纸

本公开是关于人脸检测方法及装置。该方法包括：对彩色图像进行显著性检测，获取人脸的候选区域；确定候选区域在彩色图像中对应的图像区域的第一特征图，及候选区域在深度图像中对应的图像区域的第二特征图；其中，深度图像用于反映彩色图像中各像素的深度；根据第一特征图和第二特征图，确定候选区域属于人脸的概率；根据候选区域属于人脸的概率，确定人脸的位置区域。本公开通过将彩色图像和深度图像联合进行分析，能够提高人脸检测的准确性，提高用户体验。

Face detection method and device

This disclosure is about face detection methods and devices. The method includes: saliency detection of color image, the face candidate regions; determine the first feature map image region candidate region corresponds in color image, second features of image region and the candidate region in the corresponding depth in the image; the depth image for each pixel in the color image to reflect the depth; according to the characteristics of the first and second characteristic map, determine the probability candidate region belongs to face; according to the probability of the candidate region belongs to the face, determine the location of face region. By analyzing the color image and depth image, this method can improve the accuracy of face detection and improve the user experience.

【技术实现步骤摘要】
人脸检测方法及装置
本公开涉及图像处理领域，尤其涉及人脸检测方法及装置。
技术介绍
人脸检测是指对于任意一幅给定的图像，采用一定的策略对图像进行搜索以确定图像中是否含有人脸，以及人脸的位置、大小和姿态等。通过人脸检测技术确定图片中人脸位置的难点主要有两方面：一方面是由于人脸内在的变化所引起：(1)人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；(2)人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；另外一方面由于外在条件变化所引起：(1)由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；(2)光照的影响，如图像中的亮度、对比度的变化和阴影等；(3)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等。相关技术中，实现人脸检测的算法主要包括：模板匹配模型、肤色模型、支持向量机(SVM，SupportVectorMachine)模型、自适应增强算法(Adaboost)模型、及卷积神经网络(CNN，Convolutionalneuralnetwork)模型等。
技术实现思路
为克服相关技术中存在的问题，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：对彩色图像进行显著性检测，获取人脸的候选区域；确定所述候选区域在所述彩色图像中对应的图像区域的第一特征图，及所述候选区域在深度图像中对应的图像区域的第二特征图；其中，所述深度图像用于反映所述彩色图像中各像素的深度；根据所述第一特征图和第二特征图，确定所述候选区域属于人脸的概率；根据所述候选区域属于人脸的概率，确定所述人脸的位置区域。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：对彩色图像进行显著性检测，获取人脸的候选区域；确定所述候选区域在所述彩色图像中对应的图像区域的第一特征图，及所述候选区域在深度图像中对应的图像区域的第二特征图；其中，所述深度图像用于反映所述彩色图像中各像素的深度；根据所述第一特征图和第二特征图，确定所述候选区域属于人脸的概率；根据所述候选区域属于人脸的概率，确定所述人脸的位置区域。2.根据权利要求1所述的方法，其特征在于，所述确定所述候选区域在所述彩色图像中对应的图像区域的第一特征图，及所述候选区域在深度图像中对应的图像区域的第二特征图，包括：对所述彩色图像和所述深度图像分别进行特征提取，获取所述彩色图像的特征图及所述深度图像的特征图；确定所述候选区域在所述彩色图像的特征图中对应的第一特征区域，将所述第一特征区域确定为所述候选区域在所述彩色图像中对应的图像区域的第一特征图；确定所述候选区域在所述深度图像的特征图中对应的第二特征区域，将所述第二特征区域确定为所述候选区域在所述深度图像中对应的图像区域的第二特征图。3.根据权利要求2所述的方法，其特征在于，所述对所述彩色图像和所述深度图像分别进行特征提取，获取所述彩色图像的特征图及所述深度图像的特征图，包括：对所述彩色图像进行CNN卷积神经网络运算，得到所述彩色图像的特征图；对所述深度图像进行CNN运算，得到所述深度图像的特征图。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征图和第二特征图，确定所述候选区域属于人脸的概率，包括：将所述第一特征图映射为预设长度的第一特征向量，及将所述第二特征图映射为所述预设长度的第二特征向量；将所述第一特征向量和所述第二特征向量进行向量拼接，得到目标特征向量；根据所述目标特征向量确定所述候选区域属于人脸的概率。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标特征向量确定所述候选区域属于人脸的概率，包括：根据支持向量机SVM分类器对所述目标特征向量进行分类，确定所述候选区域属于人脸的概率。6.根据权利要求1所述的方法，其特征在于，所述根据所述候选区域属于人脸的概率，确定所述人脸的位置区域，包括：根据各所述候选区域属于人脸的概率，将概率大于预设阈值的候选区域确定为目标区域；对所述目标区域进行非最大值抑制，确定所述人脸的位置区域。7.一种人脸检测装置，其特征在于，包括：检测模块，用于对彩色图像进行显著性检测，获取人脸的候选区域；第一确定模块，用于确定所述候选区域在所述彩色图像中对应的图像区域的第一特征图，及所述候选区域在深度图像中对应的图像区域的第二特征图；其中，所述...

【专利技术属性】
技术研发人员：杨松，
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