人脸检测方法和装置制造方法及图纸

本申请实施例公开了人脸检测方法和装置。该方法的一具体实施方式包括：获取待检测图像；将该待检测图像输入至预先训练的第一卷积神经网络，得到人脸特征信息，其中，该第一卷积神经网络用于提取人脸特征；将该待检测图像输入至预先训练的第二卷积神经网络，得到语义特征信息，其中，该第二卷积神经网络用于提取图像的语义特征；对该人脸特征信息和该语义特征信息进行解析，生成人脸检测结果。该实施方式提高了模糊图像的检测结果的准确性。

Face detection methods and devices

The present application embodiment discloses a face detection method and a device. One embodiment of the method includes: obtaining the image to be detected; the image input to the first convolutional neural network training in advance, get the feature information, wherein the first convolutional neural network is used to extract facial features; the image input to second convolutional neural network training in advance, get the semantic features among them, the second information, convolutional neural network is used to extract the semantic features of images; analyzes the feature information and the semantic information, generating face detection results. The implementation method improves the accuracy of the detection result of the fuzzy image.

【技术实现步骤摘要】
人脸检测方法和装置
本申请涉及计算机
，具体涉及互联网
，尤其涉及人脸检测方法和装置。
技术介绍
随着互联网技术的发展，人脸检测技术应用到了越来越多的领域。例如，可以通过人脸检测来进行身份验证等。现有的人脸检测方法通常是直接对所拍摄的图像进行人脸区域的检测。然而，人在运动状态下(例如跑动状态、跳跃状态下)被拍摄的图像通常较模糊，无法呈现清晰的人脸轮廓和五官，因而现有的方式存在着在模糊图像的检测结果的准确性较低的问题。
技术实现思路
本申请实施例的目的在于提出一种改进的人脸检测方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了一种人脸检测方法，该方法包括：获取待检测图像；将待检测图像输入至预先训练的第一卷积神经网络，得到人脸特征信息，其中，第一卷积神经网络用于提取人脸特征；将待检测图像输入至预先训练的第二卷积神经网络，得到语义特征信息，其中，第二卷积神经网络用于提取图像的语义特征；对人脸特征信息和语义特征信息进行解析，生成人脸检测结果。在一些实施例中，人脸特征信息包括第一人脸特征图和多个第二人脸特征图，其中，第一人脸特征图中的每一个点用于表征待检测图本文档来自技高网...

【技术保护点】
一种人脸检测方法，其特征在于，所述方法包括：获取待检测图像；将所述待检测图像输入至预先训练的第一卷积神经网络，得到人脸特征信息，其中，所述第一卷积神经网络用于提取人脸特征；将所述待检测图像输入至预先训练的第二卷积神经网络，得到语义特征信息，其中，所述第二卷积神经网络用于提取图像的语义特征；对所述人脸特征信息和所述语义特征信息进行解析，生成人脸检测结果。

【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：获取待检测图像；将所述待检测图像输入至预先训练的第一卷积神经网络，得到人脸特征信息，其中，所述第一卷积神经网络用于提取人脸特征；将所述待检测图像输入至预先训练的第二卷积神经网络，得到语义特征信息，其中，所述第二卷积神经网络用于提取图像的语义特征；对所述人脸特征信息和所述语义特征信息进行解析，生成人脸检测结果。2.根据权利要求1所述的人脸检测方法，其特征在于，所述人脸特征信息包括第一人脸特征图和多个第二人脸特征图，其中，所述第一人脸特征图中的每一个点用于表征所述待检测图像中与该点相对应的区域存在人脸的置信度，各个第二人脸特征图中的每一个点用于表征所述待检测图像中与该点相对应的区域的位置信息，所述第一人脸特征图和各个第二人脸特征图分别以矩阵进行表示。3.根据权利要求1所述的人脸检测方法，其特征在于，所述语义特征信息包括所述待检测图像中的每一个点属于多个预设类别中的各个预设类别的概率，其中，所述多个预设类别包括背景类和以下至少一项：头发类、眼睛类、鼻子类、嘴类、肤色类，所述语义特征信息以矩阵进行表示。4.根据权利要求1-3之一所述的人脸检测方法，其特征在于，所述对所述人脸特征信息和所述语义特征信息进行解析，生成人脸检测结果，包括：将所述人脸特征信息和所述语义特征信息进行结合，生成结合特征信息；将所述结合特征信息输入至预先训练的第三卷积神经网络，得到人脸检测结果，其中，所述第三卷积神经网络用于表征人脸特征信息、语义特征信息与人脸检测结果的对应关系。5.根据权利要求4所述的人脸检测方法，其特征在于，所述将所述人脸特征信息和所述语义特征信息进行结合，生成结合特征信息，包括：按照以下任一方式将所述人脸特征信息和所述语义特征信息进行结合，生成结合特征信息：将所述人脸特征信息和所述语义特征信息按对应元素相乘，将所述人脸特征信息和所述语义特征信息按对应元素取最大，将所述人脸特征信息和所述语义特征信息按对应元素进行阈值截断。6.根据权利要求4所述的人脸检测方法，其特征在于，所述方法还包括训练第三卷积神经网络的步骤，包括：提取预设的训练样本，其中，所述训练样本包括多个图像的人脸特征信息和语义特征信息；将所述多个图像中的每一个图像的人脸特征信息和语义特征信息进行结合，得到该图像的结合特征信息；利用机器学习方法，将所述多个图像中的各个图像的结合特征信息作为输入，将所述人脸检测结果作为输出，训练得到第三卷积神经网络。7.一种人脸检测装置，其特征在于，所述装置包括：获取单元，配置用于获取待检测图像；第一输入单元，配置用于将所述待检测图像输入至预先训练的第一卷积神经网络，得到人脸特征信息，其中...

【专利技术属性】
技术研发人员：杜康，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11